简介本资源为托盘实例分割数据集面向物流自动化、工业机器人视觉集成及制造业质量检测等场景适合算法工程师与研究人员用于目标检测与实例分割模型的训练验证。数据共676张JPEG图片按训练、验证、测试集划分包含palletfront托盘正面与palletpocket托盘口袋两类关键部件的多边形标注格式为YOLO实例分割格式便于直接接入主流框架。压缩包内共有1354个文件主要包括676个jpg图像、676个txt标签文件另附yaml配置文件与docx说明文档整体包体约29.48MB结构清晰便于快速加载。目前已有62人学习浏览。该数据集的价值在于提供真实物流与工业场景下的精准实例分割标注帮助开发者构建能够精确识别和分割托盘部件的AI模型并进一步应用于堆叠、分类、库存管理及机器人抓取放置等自动化任务也可用于工业环境下实例分割算法的研究与性能提升。1. 托盘实例分割数据集从拿到 zip 到能训练模型的完整路径仓库里一排托盘堆叠在一起普通目标检测只能给出一堆互相打架的矩形框而实例分割能把每个托盘的边缘像描边一样单独勾出来直接数出“这一垛到底有几个”。托盘实例分割数据集_20251120_043045.zip从命名看就是一次带时间戳的数据集快照里面的核心资产不是训练好的权重而是图片和对应的轮廓标注。拿到这个包的人多半是想在 YOLO 这类分割框架上做托盘实例分割用来做托盘计数、AGV 调度或者货位占用判断。这篇笔记按落地顺序走一遍先把实例分割数据集的概念和格式理清再解压、检查、转换成训练目录然后跑一次分割训练最后把最容易翻车的几个坑单独列出来。2. 托盘实例分割数据集到底存的什么语义、格式与标注字段2.1 先分清实例分割、语义分割和目标检测很多做托盘项目的人一开始会把语义分割和实例分割混在一起实际差别非常直接。语义分割对图像里每个像素做类别判断把所有“托盘”像素归成一类输出是一张颜色掩膜同类物体之间不做区分。一台相机对着堆叠的三层托盘语义分割会输出一整块连通区域告诉你“这里有托盘”但没法告诉你“这里有三层”。目标检测退一步输出每个托盘的矩形框虽然有了“几个目标”的概念但框会包含托盘之间的空隙和背后的货架而且倾斜、错位的托盘在框里只有很小的面积占比。实例分割正好补上这两个缺口。它既对每个像素做语义分类又给每个同类目标分配独立的实例编号输出是 mask 轮廓、bbox 和类别。放在托盘场景里实例分割可以直接输出“第 1 个托盘的外轮廓坐标”“第 2 个托盘的外轮廓坐标”每个托盘即是一个实例。这也是这类名为“托盘实例分割数据集”的压缩包最常见的使用场景训练一个能数得清堆叠层数、能给出每个托盘轮廓的视觉模型。在 YOLO 系列里实例分割任务被实现为 segment 体系训练阶段多一条 mask 分支输出既包含检测框也包含二值掩膜。很多人误以为实例分割只是把语义分割的模型改个输出头实际差别在于标签格式和损失计算完全不同。语义分割的标签是一张和原图等大的 PNG 像素图实例分割的标签则是一组多边形坐标或者按实例编码的 RLE理解这个差异才能看懂数据集里面的内容。2.2 托盘数据集的“交付三格式”一个打包好的实例分割数据集市面上最常见的交付格式是三种COCO JSON、YOLO seg txt、以及 LabelMe JSON。文件名里的20251120_043045更像打包历史版本的时间戳不是标注格式标志真正决定你能不能直接训练的是压缩包内部结构。COCO JSON 是把所有图片路径、标注框、segmentation 多边形、类别映射放在一个 JSON 里适合作为中转格式很多开箱数据集的标注文件就叫instances.json。YOLO seg txt 是 Ultralytics 系列训练时实际读取的格式每张图片名对应一个同名.txt文件每行保存一个实例的类别 ID 和归一化多边形坐标。LabelMe JSON 是标注工具产生的原始格式通常每张图一个 JSON需要二次转换。还有少部分托盘数据集会用 PNG mask 做标签每个实例用不同颜色索引区分但这类格式在 YOLO 上不能直接训练也缺乏拓扑校验我一般不建议收这种。收到 zip 后第一件事不是解压训练而是打开文件列表确认它是哪种。格式优点常见问题COCO JSON信息完整、有 bbox/area/iscrowd生态工具多文件大、解析复杂YOLO seg txt训练直接读、每图独立、方便增量标注缺少校验字段异常不易发现LabelMe JSON标注工具原生可逆编辑需要转换漏点会生成畸形 mask2.3 COCO 标注里一个托盘到底记了什么如果 zip 里是 COCO 格式核心文件instances.json的结构和公开的 COCO2017 数据集结构一致。顶层通常有三个数组images、annotations、categories。images里记录每张图片的 id、宽、高和文件名categories里是id与类别名的映射托盘数据集这里一般只有一个pallet类annotations是真正要关心的部分。单个托盘实例的 annotation 大概长这样{ id: 1, image_id: 1, category_id: 1, bbox: [320, 180, 210, 140], area: 16800.5, iscrowd: 0, segmentation: [[320, 180, 510, 180, 530, 320, 300, 300]] }这里的segmentation是二维数组内层按x1, y1, x2, y2, ...交替存储一个封闭多边形的像素坐标不是从 0 到 1 的归一化值。bbox是[左上角 x, 左上角 y, 宽度, 高度]注意不是中心点表示。area最好用多边形真实面积有些转换工具偷懒填了 bbox 面积训练时对 mask 损失权重会有微小影响。iscrowd在托盘场景几乎应该全是 0如果有 1 表示该区域是人群或不可数目标YOLO seg 转换时会直接丢弃避免污染。我见过不少由 LabelMe 导出的 COCO 文件segmentation的外层字段结构会出现两条坐标链例如[[x1,y1,x2,y2,...,x1,y1]]结尾重复起点。转换脚本应在上游兼容这种闭合写法否则后续归一化时会多出一个点YOLO 训练不会报错但 mask 形状会有一道无谓的割线。2.4 YOLO seg txt 格式与归一化规则把 COCO JSON 转换成 YOLO seg txt 时每一张图片的标注会写进和图片同名的.txt文件。对托盘实例来说每一行格式是0 0.5123 0.2812 0.8125 0.2810 0.8301 0.4980 0.4700 0.4880第一个数字是类别 ID接下来所有坐标按x, y交替排列且全部除以图片宽度和高度做归一化。这里有个老生常谈的坑分母必须用图片实际像素尺寸而不是 COCO JSON 里images字段的宽高。如果拍照后有 EXIF 旋转或标注工具对宽高做了缩放JSON 里记录的分辨率和cv2.imread读出来的不一致转换出来的坐标全都会偏移。归一化后的坐标是浮点数但 YOLO 训练读取时会对 mask 做再缩放。坐标精度保留到 6 位小数通常够用保留更多不会显著提升效果保留太少会出现多边形锯齿。托盘这类规则矩形物体点数量一般在 8 到 20 个之间如果某个标注多边形有上百个点先怀疑是不是工具把 mask 边缘自动拟合成了密集折线这种文件后续训练会拖慢数据加载。训练前的数据检查脚本里可以顺手把单实例点数超过 100 的标注列出来人工复查。3. 从 zip 到训练目录解压检查、转 YOLO 格式、场景拆分3.1 解压前先看清单确认目录名和标注是否匹配收到托盘实例分割数据集_20251120_043045.zip这类文件我习惯先不解压用unzip -l看压缩包内部结构避免直接解压时把一堆零散图片撒得满磁盘都是。unzip -l 托盘实例分割数据集_20251120_043045.zip | head -50 mkdir -p /data/pallet_dataset unzip -q 托盘实例分割数据集_20251120_043045.zip -d /data/pallet_datasethead -50只看前 50 行足够判断顶层是images/和annotations/两个目录还是所有图片平铺在根目录。如果看到文件名有中文或空格建议解压后统一重命名因为训练脚本和后续 shell 命令都可能被空格坑到。解压到/data/pallet_dataset这类固定路径比直接在用户目录解压更利于 data.yaml 里的路径保持稳定。-q参数抑制解压输出不然几百张图片会把终端刷满。3.2 用 Python 做一次体检类别、数量、多边形合法性拿到目录后先写一个几行的 Python 脚本做检查不要急着训练。常见做法是直接加载 COCO JSON 并统计图片数、标注数、类别分布然后抽样画 mask 和原图对比。import json from collections import Counter with open(/data/pallet_dataset/annotations/instances.json, r, encodingutf-8) as f: coco json.load(f) cat_map {cat[id]: cat[name] for cat in coco[categories]} img_map {img[id]: img[file_name] for img in coco[images]} anns coco[annotations] print(图片数:, len(coco[images])) print(标注数:, len(anns)) print(类别分布:, Counter(cat_map[a[category_id]] for a in anns)) for a in anns[:20]: seg a[segmentation][0] if len(seg) 6: print(疑似错误标注:, a[id], img_map[a[image_id]])这段脚本的意义是把肉眼不好发现的结构性问题暴露出来。len(seg) 6意味着多边形少于三个点不可能构成有效轮廓这类标注进入训练集后网络会学到噪声。下行打印的annotations id可以帮助回原图定位问题标注。category 分布这里也能提示类别失衡如果托盘只有一类但另一个类别出现在历史数据中说明交付版本混入了不同批次的标注规则。如果脚本输出异常先修格式再谈训练否则后面所有指标都是假象。COCO JSON 校验这块我一般只看三点segmentation是否闭合、坐标是否越界、类别 ID 是否连续从 0 开始。YOLO 训练要求类别 ID 从 0 连续编号如果 JSON 里类别 ID 从 1 开始转换时得像class_id cat_id - 1这样规整。3.3 把 COCO JSON 转成 YOLO seg txt一个可复用脚本转换是训练前最关键的工序不要用网上抄来的随手脚本。下面这个脚本经过托盘项目反复使用兼容坐标闭合、越界和多边形点数过滤保存成coco_to_yolo_seg.py后可以直接套用。import json import os def convert(coco_path, out_dir, min_area50): with open(coco_path, r, encodingutf-8) as f: coco json.load(f) img_map {img[id]: img for img in coco[images]} ann_map {} for ann in coco[annotations]: img_id ann[image_id] ann_map.setdefault(img_id, []).append(ann) os.makedirs(out_dir, exist_okTrue) for img_id, anns in ann_map.items(): img img_map[img_id] base_name os.path.splitext(img[file_name])[0] w, h int(img[width]), int(img[height]) if w 0 or h 0: continue lines [] for ann in anns: if ann.get(iscrowd, 0): continue if ann[area] min_area: continue seg ann[segmentation][0] if len(seg) 6: continue points [] for i in range(0, len(seg), 2): x max(0.0, min(1.0, seg[i] / w)) y max(0.0, min(1.0, seg[i 1] / h)) points.append(f{x:.6f} {y:.6f}) class_id ann[category_id] lines.append(f{class_id} .join(points)) with open(os.path.join(out_dir, base_name .txt), w) as f: f.write(\n.join(lines)) convert(/data/pallet_dataset/annotations/instances.json, /data/pallet_dataset/labels_yolo, min_area50)脚本逻辑分四步。先建立image_id到图片信息的映射再建立image_id到标注列表的映射随后逐图生成标注行最后落盘。这里的关键参数是min_area它过滤掉太小的碎片标注。托盘在画面里即便是远景也不会只有几十个像素设 50 比较安全如果你要识别极小目标再调小。归一化时用了max(0.0, min(1.0, seg[i] / w))把越界坐标强制裁剪回 0 到 1 区间。这个操作对少量越界是安全的但如果一张图超过一半坐标都被裁剪说明原始标注坐标系和图片分辨率不匹配需要回头处理不能靠裁剪掩盖。转换完成后可以随机打开三个 txt 文件确认每行首列是类别号、坐标数量是偶数。3.4 按库位和场景拆分别随机打乱很多教程教你把所有图片随机划分成 train 和 val这在托盘数据集上会导致严重的数据泄漏。同一批托盘、同一角度的连续帧如果同时出现在训练集和验证集验证结果会虚高一旦换到真实仓库立即失效。我一般先按场景前缀拆分。托盘数据的命名常包含库位号或拍摄日期例如A0101_001.jpg这样的前缀。下面命令按前缀分组把每个前缀下的文件尽量只进一个集合。cd /data/pallet_dataset python3 - EOF import glob, os, random files glob.glob(images/*.jpg) groups {} for fp in files: prefix os.path.basename(fp).split(_)[0] groups.setdefault(prefix, []).append(fp) keys list(groups.keys()) random.shuffle(keys) split int(len(keys) * 0.8) train_keys set(keys[:split]) val_keys set(keys[split:]) os.makedirs(images/train, exist_okTrue) os.makedirs(images/val, exist_okTrue) for fp in files: prefix os.path.basename(fp).split(_)[0] dest images/train if prefix in train_keys else images/val os.makedirs(flabels/{dest.split(/)[1]}, exist_okTrue) base os.path.basename(fp) os.rename(fp, os.path.join(dest, base)) lb os.path.join(labels, base.replace(.jpg, .txt)) if os.path.exists(lb): os.rename(lb, os.path.join(labels, dest.split(/)[1], base.replace(.jpg, .txt))) EOF这段脚本按首段文件名分组把 80% 的前缀进 train20% 进 val。注意移动图片的同时要移动同名 txt。更严谨的做法还要检查一个前缀下的图片数量如果某个前缀只有一两张又刚好被分进 val验证集会缺失那个场景这种情况就把它强制并入 train。拆分完成后生成pallet.yamlpath: /data/pallet_dataset train: images/train val: images/val names: 0: palletpath要写成数据集根目录的绝对路径train和val是相对根目录的子目录。如果训练机和数据存储不在同一台机器把path改成相对路径会踩大坑后面避坑章节会展开。到这里数据集才真正具备了进入 YOLO 训练管线的条件。4. 用 YOLO 实例分割训练托盘模型命令、参数与评估4.1 选哪个模型从 YOLOv8-seg 开始实例分割模型可选的不少Mask R-CNN 在论文里强但工程部署重而现在做托盘项目最顺手的还是 YOLO 的 segment 系列。它的训练接口统一输出格式直接还自带 mask 可视化和评估指标所以这里就用 Ultralytics YOLOv8-seg 作为基线。模型大小可以从yolov8s-seg.pt起步如果显卡显存够托盘特征又明显m或l也不是不能上但第一次实验我建议用s把链路跑通。托盘本身是刚性物体形状规则、颜色统一不是难识别的目标难点只在堆叠遮挡和相似纹理因此大模型带来的收益往往没有想象中大。优先保证数据质量和 imgsz比直接换x模型更划算。4.2 训练命令与最少必须调的参数进入数据集根目录后跑下面这条命令是标准做法。cd /data/pallet_dataset yolo tasksegment modetrain \ modelyolov8s-seg.pt \ datapallet.yaml \ imgsz640 \ epochs150 \ batch16 \ device0 \ projectruns/pallet \ nameseg_v1tasksegment告诉框架走实例分割分支modelyolov8s-seg.pt表示加载 COCO 预训练权重而不是从随机初始化开始对托盘这种单一类别目标预训练权重能显著加快收敛。data指向刚才生成的 yaml。imgsz640是训练时的输入边长实际会做等比缩放再 padding但不代表原始图片分辨率不重要。epochs150是上限训练开了早停的话一般到 80 到 120 轮就会停。batch16要看显存8GB 显存跑s模型 640 输入批量降到 8 更稳否则会 OOM。project和name决定训练日志和权重的落盘目录方便后续同时跑多版对比实验。训练时输出到终端的每一行都包含当前 epoch 的 loss。新手容易踩的一个坑是只盯box_loss和cls_loss这两个值下降不意味着分割效果好。要重点看seg_loss它才反映 mask 分支是否收敛。如果seg_loss一直徘徊在 2.0 不下大概率是标签有问题而不是训练轮数不够。训练前还有一个值得调的参数叫overlap_mask。它控制训练时是否让重叠实例的 mask 共享像素。托盘堆叠场景经常出现两个实例的 mask 在边缘重叠建议显式设为False让每个实例单独计算损失避免梯度互相干扰。命令加在参数尾部即可yolo tasksegment modetrain \ modelyolov8s-seg.pt \ datapallet.yaml \ imgsz640 \ epochs150 \ batch16 \ overlap_maskFalse4.3 训练日志要看 mask mAP不是只看框 mAP训练结束会在runs/pallet/seg_v1下生成一堆结果。打开results.png里面有七个曲线其中metrics/mAP50(B)和metrics/mAP50-95(B)是检测框的 mAPmetrics/mAP50(M)和metrics/mAP50-95(M)才是 mask 的 mAP。这两个 M 系列指标直接决定模型能不能满足托盘计数需求。托盘这种规则物体bbox 很容易达到 0.95 以上mask mAP 反而是真实水平。如果 M 系列比 B 系列低超过 15 个点多数情况下说明 mask 边缘还不够贴合要么是标注多边形太粗糙要么是 imgsz 不够。此时不要盲目加 epoch先可视化预测找到 mask 崩坏的具体位置。推理验证用下面命令yolo tasksegment modepredict \ modelruns/pallet/seg_v1/weights/best.pt \ source/data/pallet_dataset/samples \ device0 \ save_txtTrue \ save_confTrue \ conf0.5这里save_txtTrue会保存每个检测到的实例的类别、置信度和多边形坐标conf0.5是置信度阈值。托盘项目部署时阈值设 0.5 左右比较合理太低会出现大量误检太高会漏掉远处小托盘。预测结果中_seg.txt文件的第一行是类别 ID、第二列是置信度后面是按输入图尺寸归一化的 mask 坐标这套东西可以直接接到后台计数程序里不需要再解析 mask 图像。4.4 验证时的第三个参数图像分辨率很多人在训练和推理时只用一个imgsz但实际部署场景里摄像头出图可能是 200 万像素或 500 万像素如果推理时直接按原始分辨率跑显存占用会爆炸。常见做法是训练用 640推理也保持 640让模型适应下采样后的特征。托盘不是微小目标640 已经能数清楚堆叠层数。如果托盘在画面里只占很小区域比如几十米外的库位那 640 不够。这时优先做切图推理把原图裁成多个 640 的 patch 分别预测而不是推高全局分辨率。全局提高分辨率会把远处小目标和近处大目标放在同一个尺度模型对尺度变化的压力更大反而不稳。5. 托盘实例分割训练最常见的 5 个坑现象、原因、对策5.1 mask 跑到画面外训练图出现大面积黑边现象转换格式后做可视化发现不少托盘 mask 一半在图像外侧或者训练时的增强图出现不规则黑边模型推理在图像边缘区域频繁漏检。最初以为模型问题反复调参都没改善后来直接打开 label 文件对比原图才知道是坐标已经越界。原因COCO JSON 里segmentation的坐标是像素值但 JSON 中images字段记录的宽高和实际图片解码后的尺寸不一致。常见来源有两个一是标注工具加了 EXIF 旋转二是工具预处理阶段做了缩略图写进 JSON 的宽高是缩小后的值而训练读的是原图。坐标分母用错整个 mask 全盘偏移。解决转换脚本不要用 JSON 里的img[width]和img[height]统一用 Python 读取图片实际尺寸cv2.imread后的shape[1]和shape[0]为准。转换前对全部图片抽样检查如果发现有一张宽高不匹配先修正数据集再进训练。这个坑最容易悄无声息地吃掉精度因为它不报错只看 val 图才能发现。5.2 相邻托盘贴太近推理输出连体 mask现象单独拍一个托盘识别正常两三个托盘紧挨着摆放时模型把它们预测成一个连通的大 mask计数直接少了一个。检查训练数据标注上两个托盘其实是分开的两个多边形但中间只隔了一条细缝隙。原因实例分割模型的 mask 分支在特征图上做上采样相邻实例的边缘距离小于几个像素时特征图上的两个实例天然会粘连。加上 Mosaic 增强会把不同图片的托盘拼在一起边缘互相切分后更加模糊。类别只有一个时网络对“区分不同实例”的压力本来就小出现连体 mask 是常见表现。解决标注时在两个托盘相邻处留出至少两个像素宽的背景间隔不要为了贴合边缘让多边形贴到零距离。训练阶段适当降低mosaic的启用权重或者关闭让它为 0减少目标边缘被拉伸的概率。推理阶段也可以把nms的 IoU 阈值稍微调低让相邻 mask 更难被合并。5.3 mask mAP 远低于 box mAP小托盘全部报废现象训练结果里metrics/mAP50(B)到 0.93但metrics/mAP50(M)只有 0.6 左右。可视化后发现远处 30 到 50 像素大小的托盘几乎检测不到近处大托盘却很好。原因检测框对目标中心响应敏感即使目标只有十几个像素也能给出候选框mask 分支需要在特征图上恢复精确边缘小目标在 32 倍下采样后只剩一个点掩膜自然丢失。托盘项目里相机安装高度一高远景托盘就会触发这个问题。解决把imgsz从 640 提到 960小目标特征会多保留一层不行就对原图切 patch 训练和推理。我后来在类似场景选择切图方案把 200 万像素源图裁成四份 640 patch推理后再把坐标拼回原图坐标系mask AP 提升超过 10 个点。对应成本是多一道拼图逻辑但效果稳定。5.4 训练不报错但推理出来所有标签都是同一个类现象模型训练过程完全正常loss 下降可视化图片上 mask 也贴合但预测输出的类别全部是同一类。如果数据集只有一个托盘类别看不出明显异常而一旦混入第二类错乱立刻暴露。原因YOLO seg 的 label 文件第一列是从 0 开始的类别 ID转换脚本从 COCO 的category_id直接写入而 COCO 数据集里category_id从 1 开始导致类别偏移一位。更隐蔽的情况是 txt 文件第一列误写成了其他字段模型把“类别 ID”当成坐标之一训练最终全乱。解决转换脚本里显式做class_id ann[category_id]同时检查数据集的 categories 是否从 0 开始。如果原始标注里category_id只有一个托盘可以把转换脚本里 class 写死为 0排除一切意外。训练前随机打印三个 txt 文件的第一行确认首列只有一个 0 且后面坐标数量正确再去跑训练。这一步十秒钟能省掉一整天的排查。5.5 换了机器后 data.yaml 路径失效模型白练现象在带 GPU 的服务器上训练完把runs/pallet和数据集拷到另一台机器做推理modepredict提示数据集路径不存在或者直接加载不到 yaml。原因data.yaml 里path写的是第一台机器的绝对路径/data/pallet_dataset拷贝后根目录变了而 Ultralytics 读取时会优先用 yaml 里的 path 拼接 train 和 val 路径。如果用相对路径如path: ../pallet_dataset换到不同目录层级也会失效。解决data.yaml 里的路径在训练完成后就不再需要推理时只用modelbest.pt不需要 yaml。如果训练和推理在一套环境固定根目录是最省事的。我现在的习惯是训练前把 data.yaml 路径和数据集目录结构一起写进 README所有同事拿到压缩包先按 README 重建目录结构再跑命令这样不会因为换人换机器导致历史实验不可复现。数据集文件名里带20251120_043045的好处就在这里版本可追溯环境可复现才谈得上继续迭代。6. 进阶用 mask 做托盘计数、姿态估计和半自动回标6.1 从 mask 到托盘数量、中心点和旋转角度实例分割训练完成后最大的价值不只是画图好看而是可以直接从 mask 数出托盘数量、算出中心坐标和姿态。常见做法是提取每个实例的轮廓点再用 OpenCV 做几何计算。下面是一个配合save_txtTrue推理结果的后处理片段。import cv2 import numpy as np def tray_stats(points, img_w, img_h): pts np.array(points, dtypenp.float32) pts[:, 0] * img_w pts[:, 1] * img_h cnt pts.astype(np.int32).reshape(-1, 1, 2) area cv2.contourArea(cnt) if area 2000: return None rect cv2.minAreaRect(cnt) (cx, cy), (w, h), angle rect return {center: (round(cx, 1), round(cy, 1)), size: (round(w, 1), round(h, 1)), angle: round(angle, 2), area: int(area)}cv2.minAreaRect返回的外接旋转矩形很适合托盘这种长方体目标w与h的比值可以初判托盘朝向angle用来对齐 AGV 取货姿态。area过滤把面积小于 2000 像素的碎片 mask 丢掉这类 mask 通常来自远处的误检。实际部署时我会把每个托盘实例的结果组装成 JSON推给调度系统做下一步决策。这套后处理逻辑是实例分割模型真正“落地”的一步有了中心点和角度托盘计数、位置引导、货位占用判断才能变成具体业务能力。如果检测型号有误差再通过卡尔曼滤波对连续帧的中心点做平滑托盘姿态输出会更稳定。6.2 半自动回标用训练结果补数据集第二次迭代更省力托盘实例分割数据集每迭代一次都会面临标注成本。与其从头手动描多边形我现在的习惯是先跑一次模型把置信度低于 0.6 的预测结果转成 LabelMe JSON然后让标注员在这些预标注基础上修正。预标注把 80% 的点位摆好人工只需拖动边缘点标注时间能压缩一半以上。这个技巧特别适合托盘这种形状可预测的目标。第一版模型可能只有 0.8 的 mask AP但它的误检大多集中在边缘偏移轮廓的大方向是正确的。把这类结果导入标注工具人工修正后补进训练集第二轮模型通常能涨两到三个点的 mask mAP。我最后养成的一个习惯是每个版本的数据集打包命名都保留时间戳就像托盘实例分割数据集_20251120_043045.zip这样训练前写一行命令记录数据版本和模型版本出了问题能快速回退。最后一版迭代里即使模型短期效果不够我也能靠数据版本管理和半自动回标快速追回来而不是推倒重来。希望这篇笔记能帮你在托盘实例分割数据集上少踩几个坑。本文还有配套的精品资源点击获取