简介这份资源面向机器学习初学者与需要完成毕设、课设的学生聚焦危险物品识别中的充电宝检测任务重点解决数据集中带电芯与不带电芯充电宝样本严重不均衡约1:10500:5000带来的模型类别偏好问题。包内共50个文件以26个Python脚本为核心涵盖数据处理、SSD模型构建、训练与评估流程另含6个txt标签与配置说明、5个pkl权重文件、4个png与2个jpg效果图、3个sh运行脚本及md、docx、ipynb等文档压缩包约14.61MB。资源提供完整代码与数据集读者可据此复现训练集划分、模型训练及测试集mAP计算的全过程并参考检测示例图与实验报告理解样本不均衡条件下的调优思路。目前已有263人学习适合作为目标检测入门与课程实践的参考案例。1. 充电宝识别到底难在哪从「危险物品」三个字说起地铁安检口、机场托运通道、大型场馆入口每天都有大量行李需要判断里面有没有充电宝。人工盯屏幕看 X 光图一小时下来眼睛就花了漏检和误检都躲不掉。基于机器学习的危险物品识别落到充电宝这个具体目标上本质是一个小目标、高相似度、样本不均衡的检测问题。它要解决的不是「有没有电子产品」而是「这个轮廓、这块密度、这组纹理是不是充电宝」。适合谁做做安防视觉的算法工程师、想拿一个真实场景练手目标检测的学生、以及需要给现有安检系统加一路自动告警的集成方。这一篇不讲空泛概念只讲怎么把充电宝识别从数据集做到能跑起来的推理服务参数怎么设、坑在哪、值不值得投入。充电宝在 X 光图里的典型特征是长方体或圆柱形外壳、内部电芯呈规则排列、密度中等偏上、边缘有金属极耳的高亮区域。难点在于它和手机、移动硬盘、充电器、甚至一盒口香糖的成像高度相似。纯靠颜色阈值或者模板匹配换个品牌、换个摆放角度就翻车。机器学习尤其是目标检测这条路是目前从业者普遍认可的方案。下面按「数据怎么来 → 模型怎么选 → 训练怎么调 → 部署怎么落 → 坑怎么避」的顺序拆开讲。2. 数据集构建与标注充电宝样本从哪来、怎么标才不白干2.1 充电宝识别的数据来源与采集边界做危险物品识别第一道坎不是模型是数据。公开数据集里专门标充电宝的几乎没有常见做法是自己采集加合成。采集渠道一般有三类一是和安检设备厂商合作拿到脱敏后的 X 光原图二是用便携式 X 光模拟设备在实验室拍实物三是用渲染工具合成伪 X 光图。我一般会优先争取第一类因为真实设备的成像参数管电压、管电流、探测器响应决定了图像灰度分布合成图再像也有域差异。采集时要刻意覆盖边界条件充电宝平放、竖放、斜放、叠放单独过检和塞在背包夹层里过检不同容量10000mAh 到 30000mAh对应不同电芯数量不同外壳材质塑料、金属、硅胶。每个维度至少留 50 张否则模型学到的只是「某个特定摆放姿势」。这里有个血泪经验如果采集时全是单独过检的干净图上线后遇到塞在衣服堆里的充电宝召回率会掉一大截。注意涉及真实安检图像时务必确认数据脱敏和授权流程人脸、证件、行李牌信息必须清除。2.2 标注规范充电宝的框该怎么画标注用 LabelImg 或 CVAT 都行导出 YOLO 格式或 COCO 格式。关键是框的边界定义要统一。充电宝在 X 光图里有时只露出一个角有时和充电线缠在一起。我的规范是只框充电宝本体不框充电线被遮挡超过 50% 的不标只露一个角且无法判断是充电宝的标为「困难样本」单独存一份不混进主训练集。下面是一个把 LabelImg 的 XML 转成 YOLO txt 的脚本实际项目里经常需要批量处理import xml.etree.ElementTree as ET import os # 类别映射充电宝固定为 0 CLASS_MAP {powerbank: 0} def convert(xml_dir, out_dir, img_w, img_h): for xml_file in os.listdir(xml_dir): if not xml_file.endswith(.xml): continue tree ET.parse(os.path.join(xml_dir, xml_file)) root tree.getroot() lines [] for obj in root.findall(object): name obj.find(name).text if name not in CLASS_MAP: continue bbox obj.find(bndbox) xmin float(bbox.find(xmin).text) ymin float(bbox.find(ymin).text) xmax float(bbox.find(xmax).text) ymax float(bbox.find(ymax).text) # YOLO 格式中心点 x,y 和宽高全部归一化到 0-1 cx (xmin xmax) / 2.0 / img_w cy (ymin ymax) / 2.0 / img_h w (xmax - xmin) / img_w h (ymax - ymin) / img_h lines.append(f{CLASS_MAP[name]} {cx:.6f} {cy:.6f} {w:.6f} {h:.6f}) out_path os.path.join(out_dir, xml_file.replace(.xml, .txt)) with open(out_path, w) as f: f.write(\n.join(lines)) convert(./annotations, ./labels, 640, 640)逻辑说明脚本遍历 XML只保留充电宝类别把绝对坐标转成 YOLO 需要的归一化中心点格式。参数上img_w和img_h必须和实际图像尺寸一致如果图像被预处理过比如统一 resize 到 640这里要填 resize 后的尺寸否则框会整体偏移。常见误用是直接填 640 但原图是 1920结果训练时框全挤在左上角。2.3 样本不均衡与困难样本挖掘充电宝在整张 X 光图里占比通常不到 5%负样本手机、钥匙、充电器却很多。直接训练模型会倾向于全预测背景。常见做法是正负样本比例控制在 1:3 以内负样本里刻意加入「像充电宝但不是」的困难负样本比如移动电源形状的充电器、叠放的电池。每轮训练后把误检置信度在 0.3 到 0.6 之间的图挑出来人工复核后加进下一轮训练集这叫困难样本挖掘通常两三轮就能把误检压下去。3. 模型选型与训练YOLO 系还是两阶段参数怎么定3.1 为什么充电宝识别优先选 YOLO 系危险物品识别对实时性有要求安检线传送带不会停下来等模型。两阶段检测器Faster R-CNN 这类精度稳但速度慢单张 1080p 图在普通 GPU 上要 100ms 以上。YOLO 系单阶段检测器在速度和精度之间平衡得更好YOLOv5/v8 的 n 或 s 版本在 1080p 输入下能做到 20ms 以内足够覆盖多路视频流。充电宝属于中等尺寸目标不需要极端的特征金字塔深度YOLO 的 P3/P4 层就够用。选型时看三个指标mAP0.5 要能到 0.85 以上召回率优先于精确率漏检比误检危险单帧推理时间要小于传送带通过时间的 1/3。如果现有产线只有 CPU那就得考虑 YOLOv5n 加 TensorRT 或者 ONNX Runtime 量化这个后面部署章会讲。3.2 训练配置学习率、锚框和增强策略以 YOLOv5 为例配置文件里几个关键参数直接决定成败。下面是一份我常用的data/powerbank.yamlpath: ./dataset train: images/train val: images/val nc: 1 names: [powerbank]训练命令python train.py --img 640 --batch 16 --epochs 150 \ --data data/powerbank.yaml --weights yolov5s.pt \ --hyp data/hyp.powerbank.yaml --cache参数说明--img 640是输入尺寸充电宝在图中占比小的话可以提到 800但显存和速度要权衡--batch 16在 8G 显存上比较稳显存够可以到 32--epochs 150配合早停通常 80 到 120 轮收敛--cache把图像缓存到内存小数据集能明显加速。hyp.powerbank.yaml里我一般把mosaic设为 0.5不要 1.0X 光图拼接后密度分布会失真hsv_h调到 0.01X 光图颜色信息弱色相增强意义不大degrees设 10 以内安检图基本水平大角度旋转不符合实际。锚框方面用kmeans在自有数据集上重新聚类一遍比默认 COCO 锚框的召回率高 3 到 5 个点。命令是python utils/autoanchor.py --data data/powerbank.yaml跑完把输出的锚框填回配置。3.3 训练过程监控与早停判断训练时盯三个曲线train/box_loss要稳定下降metrics/mAP_0.5要上升val/box_loss如果连续 20 轮不降反升就是过拟合该停了。充电宝数据集通常不大过拟合来得快。我的习惯是每 10 轮存一次权重最后在验证集上挑 mAP 最高的而不是拿最后一轮的。另外如果mAP_0.5卡在 0.6 左右上不去先别调模型回去查标注——十有八九是框画歪了或者漏标。4. 推理部署与性能优化从权重文件到能用的服务4.1 导出 ONNX 与 TensorRT 加速训练完的.pt权重不能直接上产线得转成推理引擎。ONNX 是通用中间格式TensorRT 在 N 卡上最快。导出命令python export.py --weights runs/train/exp/weights/best.pt \ --include onnx --img 640 --batch 1 --simplify--simplify会做图优化去掉冗余算子。导出后可以用onnxruntime验证输出是否和 PyTorch 一致。如果产线是 N 卡继续转 TensorRTtrtexec --onnxbest.onnx --saveEnginebest.engine \ --fp16 --workspace2048--fp16半精度推理速度能提 30% 到 50%精度掉不到 1 个点充电宝识别完全能接受。--workspace是显存上限2048MB 够用。4.2 推理服务封装与后处理部署时用 FastAPI 或 Flask 包一层 HTTP 服务输入图像输出框和置信度。后处理里 NMS 的iou_thres设 0.45conf_thres设 0.25。充电宝场景我一般把conf_thres压到 0.2宁可多报几个让复核人员看也别漏。下面是一个 ONNX Runtime 推理的核心片段import onnxruntime as ort import numpy as np import cv2 sess ort.InferenceSession(best.onnx, providers[CUDAExecutionProvider]) input_name sess.get_inputs()[0].name def infer(img_path): img cv2.imread(img_path) img cv2.resize(img, (640, 640)) img img[:, :, ::-1].transpose(2, 0, 1) # BGR-RGB, HWC-CHW img np.expand_dims(img, 0).astype(np.float32) / 255.0 outputs sess.run(None, {input_name: img}) # outputs[0] 形状 [1, 25200, 6]前 4 是框第 5 是置信度第 6 是类别 return outputs[0]逻辑说明预处理必须和训练时一致包括通道顺序、归一化方式。常见翻车点是训练用了 RGB 推理用了 BGR结果模型完全瞎。参数上providers指定 CUDA 就用 GPU没有就换CPUExecutionProvider但速度会慢 5 到 10 倍。4.3 多路视频流下的吞吐调优安检线通常有多路摄像头单模型实例扛不住就起多个进程或者用批处理。批处理把多帧拼成一个 batch 送进模型GPU 利用率能上去但延迟会增加。我的经验是 batch 设 4 到 8延迟增加 10ms 左右吞吐翻倍。另外图像预处理resize、归一化很吃 CPU用cv2.setNumThreads控制线程数别让预处理成了瓶颈。5. 避坑与排查充电宝识别上线后最容易翻车的五件事5.1 现象模型在测试集上 mAP 很高上线后漏检严重原因测试集和产线数据分布不一致。测试集可能是实验室拍的干净图产线图有噪声、有传送带运动模糊、有不同设备的灰度差异。解决上线前用产线真实图做一次验证如果差距大把产线图加进训练集重新微调至少 200 张。5.2 现象充电宝和手机频繁混淆原因两者在 X 光图里密度和形状接近模型学到的特征区分度不够。解决在负样本里大量加入手机图尤其是和充电宝同角度、同尺寸的手机同时检查标注确认没有把手机误标成充电宝。如果还不行考虑加一个分类头做二次判别。5.3 现象推理速度忽快忽慢偶尔卡顿原因预处理用了多线程但没限制和推理抢 CPU或者显存碎片化。解决固定预处理线程数用cv2.setNumThreads(1)推理服务启动时预热几次让 TensorRT 完成显存分配。5.4 现象小尺寸充电宝10000mAh 以下召回率明显低原因小目标在深层特征图上像素太少特征被稀释。解决提高输入分辨率到 800 或 960在模型里加 P2 层特征训练时对小目标做过采样。代价是速度下降要权衡。5.5 现象换了新品牌充电宝就检不出原因模型过拟合到了训练集里品牌的特定纹理。解决训练时加强颜色抖动、随机遮挡、混合样本采集阶段刻意覆盖多品牌。如果实在覆盖不了保留一个人工复核环节兜底。6. 进阶技巧用置信度校准和滑动窗口把召回率再提一截模型输出的是置信度但 0.5 不一定等于 50% 概率。充电宝识别里漏检代价远大于误检所以要做置信度校准把阈值压到实际可接受的水平。具体做法在验证集上画 P-R 曲线找到召回率 0.95 对应的置信度阈值通常比默认 0.25 还低。然后在这个阈值下统计误检率如果误检太多就加一个轻量级分类网络做二次过滤。另一个技巧是滑动窗口。充电宝在整图里小直接 resize 到 640 会丢细节。把原图切成有重叠的 640 小块每块单独推理再合并框。重叠率设 0.2能明显提升小目标召回。代价是推理次数变多适合离线复核场景实时线要谨慎。验证方法上我习惯做一个「对抗测试集」专门收集那些模型容易错的图——充电宝和手机叠放、充电宝只露一角、低对比度图。每次模型更新先跑这个测试集mAP 不掉才允许上线。这个习惯帮我挡过好几次「训练指标好看但上线就废」的翻车。最后说个我自己的教训早期做充电宝识别我花了两周调模型结构mAP 只涨了 1 个点后来回去重新标了 300 张困难样本mAP 直接涨了 8 个点。数据质量永远比模型结构重要这个方向值不值得做如果你的场景有稳定的数据来源和复核兜底投入产出比很高如果数据全靠合成、没有真实图建议先解决数据再谈模型。希望帮到你。本文还有配套的精品资源点击获取