简介基于YOLOv8的钢材表面缺陷检测系统是面向深度学习毕业设计、课程设计与工程实践的综合资源适合需要掌握目标检测项目完整流程的学习者。该系统围绕钢材表面常见的划痕、凹坑、氧化皮、腐蚀等缺陷集成了数据自动采集、预处理、模型训练、评估与检测等环节解决人工质检效率低、漏检率高的痛点。压缩包共2000个文件主要包含1801个txt标注/说明文件、187个jpg样本图、5个py训练脚本、3个pt权重文件和2个yaml配置整体约60.81MB目录结构清晰。目前已有75人学习下载资源提供train.py、train2.py等训练脚本支持灵活参数设置与训练管理yolo11s.pt、yolov8n.pt、best.pt涵盖不同阶段权重neu_det_auto.yaml统一定义数据集与训练验证配置。学习者可直接复现整个检测流程并进行迁移学习与二次开发是毕设、课设和工业检测入门的实用参考。1. 钢材表面缺陷检测为什么绕不开YOLOv8做钢材表面质量检测的人手里大概率都攒过一套这样的方案产线上相机拍回图片老师傅靠肉眼盯屏幕判级裂纹、夹杂、麻点、氧化皮、划伤、斑块六类问题全靠经验。换个人标准就飘夜班更飘。想用视觉算法替代人工先要回答一个老问题这活儿该用传统图像处理还是目标检测传统方法对固定背景的麻点和划痕还能靠阈值和形态学凑合碰到裂纹这种纹理和背景融在一起的缺陷就彻底歇菜。YOLOv8 在速度和精度之间拿捏得比较稳单张图毫秒级出框六类缺陷框一起给正好匹配这套需求。这篇按“数据集准备 - 环境与训练 - 看训练曲线 - 踩坑 - 推理落地”的顺序把一套基于 YOLOv8 的钢材表面缺陷检测系统从头到尾拆开讲。2. 准备钢材缺陷数据集从原始图片到 YOLO 格式的转换脚本2.1 先确认“检测”到底要输出什么很多第一次接触这个题目的人会把“检测”和“分类”混在一起。分类只告诉你是六类里的哪一类检测要额外给出“缺陷在哪、框多大、有几个”。YOLOv8 的输出是一个个带类别和置信度的矩形框所以你在准备数据集时拿到的原始标注格式可能是 VOC 的 XML也可能是 labelme 的 JSON但最终都要转成 YOLO 需要的 txt。YOLO 的 txt 每一行代表一个目标类别 id、归一化中心坐标 x、归一化中心坐标 y、归一化宽度 w、归一化高度 h。归一化是指相对于整张图片的宽高比例取值在 0 到 1 之间注意和 VOC 的左上角右下角坐标是两套体系不能直接混用。钢材缺陷数据集里最常用来起步的是东北大学公开的 NEU-DET六类缺陷各约 300 张总共 1800 张原始图片分辨率在 200 像素到 300 像素这个量级。它的问题也很典型图片太小、缺陷占比小、纹理缺陷和背景难分正好把后面要说的坑都暴露出来。自己从产线拍图也一样先定清楚标注规则一个缺陷一个框框要贴住缺陷边缘别把正常纹理包进去这直接决定训练上限。2.2 把 VOC 的 XML 转成 YOLO txt转换脚本与路径约定常见做法是在项目下建一个dataset目录原始图片放images标注文件按来源分两个目录放然后写脚本统一转格式。下面这个脚本按 VOC XML 格式处理如果你手里是 labelme 的 JSON思路相同换个解析库而已。import os import xml.etree.ElementTree as ET # 类别顺序必须固定训练和推理时保持一致 CLASSES [crazing, inclusion, patches, pitted_surface, rolled-in_scale, scratches] def convert_voc_xml_to_yolo(xml_path, out_dir): tree ET.parse(xml_path) root tree.getroot() img_w int(root.find(size/width).text) img_h int(root.find(size/height).text) lines [] for obj in root.iter(object): name obj.find(name).text if name not in CLASSES: continue cls_id CLASSES.index(name) bbox obj.find(bndbox) x1 float(bbox.find(xmin).text) y1 float(bbox.find(ymin).text) x2 float(bbox.find(xmax).text) y2 float(bbox.find(ymax).text) x_center (x1 x2) / 2 / img_w y_center (y1 y2) / 2 / img_h w (x2 - x1) / img_w h (y2 - y1) / img_h lines.append(f{cls_id} {x_center:.6f} {y_center:.6f} {w:.6f} {h:.6f}) # 输出文件名与图片名一致只换扩展名 out_path os.path.join(out_dir, os.path.splitext(os.path.basename(xml_path))[0] .txt) with open(out_path, w, encodingutf-8) as f: f.write(\n.join(lines)) # 批量处理整个目录 xml_dir dataset/annotations_voc txt_dir dataset/labels os.makedirs(txt_dir, exist_okTrue) for xml_file in os.listdir(xml_dir): if xml_file.endswith(.xml): convert_voc_xml_to_yolo(os.path.join(xml_dir, xml_file), txt_dir)逻辑说明CLASSES的顺序就是最终模型的类别编号写死它别用字典动态追加否则训练集和推理时的编号会对不上。size/width和size/height取自 XML 里记录的原图尺寸注意有些标注工具写的是width和height的英文标签解析路径要对得上。坐标转换公式做了归一化这样模型不会因为图片尺寸变化而失效。参数说明x_center和y_center用(x1 x2) / 2计算比单独存左上角右下角更符合 YOLO 的预测方式w和h除以的是图片宽高不是最大边或固定值 640。转换完随机抽几个样本用人眼校验把 txt 内容还原成画框图片看是否贴边这一步能拦住 80% 的坐标换算错误。2.3 划分训练集和验证集别让同类缺陷挤在一个集合里划分要随机但不要纯随机到让某几类缺陷在验证集里消失。钢材缺陷数据集类别分布不均很常见比如 inclusion 与毛刺边样本多、裂纹样本少如果验证集里恰好把稀少类别全分走训练日志里的 mAP 会非常难看且失真。import os import random import shutil random.seed(42) image_dir dataset/images label_dir dataset/labels train_img_dir dataset/train/images val_img_dir dataset/val/images train_label_dir dataset/train/labels val_label_dir dataset/val/labels for d in [train_img_dir, val_img_dir, train_label_dir, val_label_dir]: os.makedirs(d, exist_okTrue) images [f for f in os.listdir(image_dir) if f.endswith((.jpg, .png))] random.shuffle(images) val_count max(1, int(len(images) * 0.2)) val_images set(images[:val_count]) for img in images: stem os.path.splitext(img)[0] src_img os.path.join(image_dir, img) src_label os.path.join(label_dir, stem .txt) if img in val_images: shutil.copy(src_img, os.path.join(val_img_dir, img)) shutil.copy(src_label, os.path.join(val_label_dir, stem .txt)) else: shutil.copy(src_img, os.path.join(train_img_dir, img)) shutil.copy(src_label, os.path.join(train_label_dir, stem .txt))逻辑说明random.seed(42)固定随机种子保证每次重跑划分结果一致排查问题时不会因为数据集合变化而疑惑。脚本按 8:2 切分对 1800 张的量级来说验证集有 360 张左右够看了。参数说明val_count里的 0.2 是常用经验值如果你的总样本量只有几百验证比例提到 0.3 更稳否则验证集里稀少类别的缺陷可能只有一两张评估出来像是开盲盒。划分完检查每个类的分布比例训练集和验证集里每类占比应该大致相同。3. 搭建 YOLOv8 训练环境并跑通第一个模型命令与参数3.1 Ubuntu 20.04 上搭 CPU 环境没有 GPU 也能跑但要有预期热词里“ubuntu20.04 搭建 yolov8 环境 cpu 版本”说明很多人第一台机器没有独立显卡。YOLOv8 官方库ultralytics对 CPU 的支持是完整的安装流程并不复杂但你要接受三件事训练一个像样的模型要数小时到数天、epochs不能拍脑袋设成 300、验证阶段每个 epoch 的耗时也会比 GPU 慢一个数量级。GTX 1660 Ti 这种入门卡跑 YOLOv8s 都属于“能跑但别贪大模型”的级别CPU 就更要把模型降级到yolov8n。# 创建虚拟环境避免污染系统 Python python3 -m venv yolo_env source yolo_env/bin/activate # 安装 PyTorch CPU 版注意不要装成 CUDA 版 pip install torch torchvision --index-url https://download.pytorch.org/whl/cpu # 安装 ultralytics 以及依赖 pip install ultralytics # 验证安装能打印出版本号就说明库本身没问题 yolo version # 下载预训练权重第一次运行会自动下载网络受限时手动放到项目根目录 python -c from ultralytics import YOLO; model YOLO(yolov8n.pt)逻辑说明先建虚拟环境是避免和系统的 OpenCV、numpy 版本打架这一步不是可选。CPU 版 PyTorch 的安装源和 GPU 版不同如果装错会导致程序启动时报torch.cuda.is_available()为 False 但还硬要调用 GPU白白多出大量排错时间。参数说明yolov8n.pt是 nano 版本预训练权重约 6MB参数最少CPU 上推理一张图在几百毫秒量级。如果你后续想在 GPU 机器上训练再迁移权重nano 的权重文件也可以直接作为训练起点预训练权重下载路径通常在用户目录下的/.cache里YOLO(yolov8n.pt)会自动完成。3.2 写 data.yaml 和最小训练命令YOLOv8 训练时需要一个数据配置文件路径、类别数、类别名都写在这里。很多人不建data.yaml直接把dataset.yaml写在命令行里结果路径少个斜杠就报No labels found。# dataset/steel_defect.yaml path: dataset # 项目下数据根目录 train: train/images # 训练图片相对 path 的路径 val: val/images # 验证图片相对 path 的路径 nc: 6 # 类别数 names: 0: crazing 1: inclusion 2: patches 3: pitted_surface 4: rolled-in_scale 5: scratches配置文件写完后训练命令要指定模型结构、数据配置、轮数和超参数yolo detect train \ modelyolov8n.pt \ datadataset/steel_defect.yaml \ imgsz640 \ epochs100 \ batch8 \ patience20 \ devicecpu \ projectruns/steel \ nameexp01逻辑说明modelyolov8n.pt既是指定了预训练权重也顺带确定了模型骨架是 nano 版本。project和name决定训练日志和权重输出目录输出后统一放在runs/steel/exp01/下里面会有weights/best.pt和weights/last.ptbest 是验证集指标最优的权重last 是最后一轮的结果。参数说明imgsz640是输入分辨率YOLOv8 默认训练会做 letterbox 缩放。batch8受限于内存CPU 训练时 batch 太大内存会爆爆的报错信息是Killed或者MemoryError把 batch 降到 4 或 2 就行。patience20表示如果验证集指标 20 个 epoch 没有提升就提前结束CPU 上跑长轮数时这个参数能救命。3.3 必调的四个参数imgsz、epochs、batch、patienceimgsz的坑在钢材缺陷场景里尤其明显。NEU-DET 原图是 200 像素上下的小图如果直接imgsz640模型会把图片放大到 640缺陷区域也跟着被放大反而可能对边缘纹理更敏感。但如果你习惯性把imgsz设成200又低于大多数预训练模型的默认输入迁移学习的效果会打折扣。常见做法是先在imgsz640下跑通流程后期再对比imgsz320和imgsz480的验证集指标不要一开始就纠结。epochs不要照抄别人的 300。钢材缺陷数据量小100 轮以内基本收敛CPU 上 300 轮可能跑几天。batch优先保证不爆内存而不是越大越好。patience我建议设置成 20 到 30既能容忍训练波动又不会在验证指标长时间不涨时白白烧时间。如果你手里的机器显存只有 6GB 甚至没有独立显卡模型优先选yolov8n验证集 mAP 会落后yolov8s几个点但对钢材缺陷这种目标尺度比较统一的任务影响有限。攒了一台 8GB 以上显存的机器再上yolov8s不迟。4. 看懂训练过程损失曲线、网络结构与模型选型4.1 训出来的模型到底长什么样一张图看懂 YOLOv8 网络结构训练拉开之后很多人就想看“网络结构图”。YOLOv8 的主干部分沿用 C2f 模块去掉了 YOLOv5 里的 C3特点是梯度流更丰富深层特征复用更好颈部用的是 PAN-FPN 结构自顶向下和自底向上各走一遍把小目标和大目标的特征都聚合到一起检测头换成了 Anchor-Free 的解耦头不再预设 Anchor 框分类和回归分支分开收敛速度比 YOLOv5 快不少。损失函数部分分类用 BCE回归用 CIoU 加上 DFL 分布损失后两者负责把框回归得准。这些不要求你全背下来但你要能读懂训练日志里的box_loss、cls_loss、dfl_loss。box_loss是回归分支的损失cls_loss是分类损失dfl_loss是辅助回归的分布损失。验证集那一行的这三个值才是判断模型真正泛化能力的依据训练集损失低验证集损失高就是过拟合的信号。4.2 画损失函数曲线从 results.csv 里取数据训练结束后runs/steel/exp01/目录下的results.csv里每一行是一个 epoch 的指标包括train/box_loss、train/cls_loss、train/dfl_loss、metrics/precision(B)、metrics/recall(B)、metrics/mAP50(B)、metrics/mAP50-95(B)等。画曲线不依赖 TensorBoard用 pandas 加 matplotlib 直接画最少代码import pandas as pd import matplotlib.pyplot as plt df pd.read_csv(runs/steel/exp01/results.csv) # 注意列名首字符可能带空格统一清洗 df.columns df.columns.str.strip() plt.figure(figsize(10, 6)) plt.plot(df[epoch], df[train/box_loss], labeltrain box_loss) plt.plot(df[epoch], df[val/box_loss], labelval box_loss) plt.xlabel(epoch) plt.ylabel(loss) plt.title(YOLOv8 steel defect box loss) plt.legend() plt.grid(True) plt.savefig(box_loss_curve.png, dpi150) # 再看 mAP50 的趋势 plt.figure(figsize(10, 6)) plt.plot(df[epoch], df[metrics/mAP50(B)], labelmAP50) plt.plot(df[epoch], df[metrics/mAP50-95(B)], labelmAP50-95) plt.xlabel(epoch) plt.ylabel(mAP) plt.legend() plt.grid(True) plt.savefig(map_curve.png, dpi150)逻辑说明results.csv第一行是列名训练过程中文件是实时写入的所以训练没结束你也可以边跑边画图观察。列名里经常带前导空格df.columns.str.strip()是顺手清理否则后面按列名取值会报KeyError。参数说明metrics/mAP50(B)是 IoU 阈值 0.5 时的平均精度钢材缺陷这类目标不太小mAP50 是主要参考metrics/mAP50-95(B)是跨 IoU 阈值的综合指标更严格用来对比不同模型差距更客观。4.3 怎么判断训练有没有翻车曲线要满足三个基本预期。第一train和val的 box_loss 都在下降且两者差距不大如果 val 在某个 epoch 后掉头向上而 train 还在猛降就是过拟合。第二metrics/recall(B)要能跑到 0.7 以上钢材缺陷里有些类别确实难但 recall 长期趴在地板上说明模型倾向于不预测或少预测大概率是正负样本失衡或者标注本身漏标太多。第三mAP50 和 mAP50-95 的差值是自然的如果两者差距过大比如 mAP50 有 0.8 但 mAP50-95 只有 0.2说明框的位置质量不稳定框虽然大致对但边贴不紧这时候回去查标注框是否过大。看完曲线再决定要不要改模型。如果训练正常但 mAP 就是上不去问题大概率不在网络结构而在数据先去查标注框有没有大量把背景框进去再查类别分布是不是严重失衡。很多毕设项目走到这一步就急着改 YOLOv8 的 HEAD 结构去堆注意力机制实际上大多数情况改了也白改数据端的问题先用可视化推理结果找出来。5. 钢材缺陷检测的五个实战避坑记录5.1 验证集指标虚高召回率却不及格现象训练完 mAP50 看着有 0.9但把模型放到实际产线图上跑漏检严重recall 只有 0.5 左右。原因NEU-DET 这类数据集的类别分布天然不均衡比如 rolled-in_scale 和 patches 样本多且特征明显模型学得很好把 mAP 拉高了而 crazing 这类纹理缺陷和背景太像模型几乎不预测。mAP 是各类别平均少数类的烂成绩被多数类盖住了。解决别只看 mAP单独打印每个类别的 precision、recall。YOLOv8 训练完成后可以用model.val()再评估一次输出里带每个类的指标发现哪类掉队就针对它补样本或者做离线增强。5.2 小尺寸缺陷训练时丢失推理框总是漏小点现象麻点和细裂纹在原图上肉眼可见但标注框面积小训练后模型只能检出大块的夹杂和斑块小的全部漏掉。原因小目标缺陷经过多次下采样后特征图上的信息所剩无几。YOLOv8n 的检测头本身就偏少小目标能力弱加上imgsz640训练时小框被进一步压缩。解决优先把imgsz调到 480 或保持 320 对比一轮缺陷分辨率不变但网络分辨率降低小目标在比例上变大其次检查标注框面积把面积占整图比例小于 0.5% 的框挑出来看是否标错。最后才考虑用更高版本的模型头比如换用 P2 检测层但训练成本会涨。5.3 CPU 训练跑不完patience 先把训练掐了现象设置了epochs200结果跑到 30 多轮训练就自动结束best.pt 对应的验证指标并不好。原因CPU 训练每个 epoch 非常慢早期阶段指标上升缓慢patience20默认值在模型还没有充分收敛时就判定“没有提升”于是提前结束。解决patience初始设大一点比如patience50或者干脆patience0不启用早停跑完固定轮数再人工判断。先把epochs设为 40把一套完整训练跑通确认数据和配置没有问题再拉长到 100 以上。5.4 标注文件有框但训练时报 “No labels found”现象数据和 yaml 路径都检查过dataset/labels下也有 txt 文件但训练一开始就报No labels found in dataset/train/images。原因最常见的是data.yaml里train和val的路径写了绝对路径而path字段又同时生效导致双重拼接找不到目录另一个常见原因是图片是 png但标注 txt 文件名写成了 jpg 的同名后缀图片和标注文件对不上。解决data.yaml里的path写项目根目录train和val写相对路径不要混用再做一次同名校验遍历训练图片检查每张图的同名 txt 是否存在缺哪个补哪个。路径问题用这几步能挡住绝大多数。5.5 模型推理时 GPU 显存暴涨甚至卡死现象训练完成后写了个推理脚本循环跑批量图片一开始正常跑了几百张后程序崩溃。原因推理循环里每一张图都调用了model.predict()内部反复重新创建预处理和推理上下文显存和 CPU 内存都在持续累积或者是推理脚本里加载了权重后没有释放旧图的数据图片列表在内存里越堆越大。解决推理时用model()而不是每个循环新建YOLO对象batch 方式传入图片显存不足时加model.to(cpu)强制切 CPU或者减小batch。推理循环末尾显式del img并隔一段时间清一次临时列表。6. 把模型用起来推理脚本与产线验证技巧训练完拿到best.pt接下来要做的是用真实场景数据验证而不是只看验证集数字。写一个最小推理脚本把图片目录批量跑一遍输出结果图和信息from ultralytics import YOLO model YOLO(runs/steel/exp01/weights/best.pt) # 批量推理conf 阈值控制误检与漏检的平衡 results model.predict( sourcedataset/real_samples, conf0.25, saveTrue, projectruns/inference, namereal_check ) for i, r in enumerate(results): names r.names boxes r.boxes print(f图{i}: 检测到 {len(boxes)} 个目标) for box in boxes: cls_id int(box.cls[0]) conf float(box.conf[0]) print(f {names[cls_id]}: 置信度 {conf:.2f})逻辑说明results是一个列表逐张图片返回检测结果。saveTrue会在输出目录生成带框的可视化图直接看漏检和误检。names从类别映射取值避免手写 id 对应关系防止类别顺序写错。参数说明conf0.25是置信度阈值工业场景宁可误检也不要漏检时往下调到 0.1 或 0.15之后再靠类别和位置过滤反过来误检太多就往上调。这一步对钢材表面这类“漏检要担责”的场景很关键生产环境里的阈值和离线评估用的阈值通常不一样。一个我自己的习惯训练收敛后先从原始数据里抽 50 张完全没参与训练的不同批次图片单独跑一次推理统计每类缺陷的检出数再人工核对漏检和误检的原因。如果漏检集中在小缺陷上就先回到 5.2 里的处理方式而不是急着上注意力机制改造。钢材表面缺陷检测这类项目最不值得花时间的地方就是改网络结构最大的收益永远在数据质量和阈值调优。希望这篇能帮你从 zip 里那一堆代码中快速理清脉络把训练到部署的关键路径走通。本文还有配套的精品资源点击获取