简介面向煤矿输送带异物检测场景的标注数据集整体覆盖2220张图像场景提供Pascal VOC与YOLO两种格式的矩形框标注适用于目标检测模型的训练、评估与调优。压缩包共2000个文件主要由1999个xml标注文件和1个txt说明文件构成包体大小约111.26MB其中xml可配合labelImg进行人工复核YOLO格式txt可直接输入常见检测框架数据组织简洁仅包含jpg图像及对应的VOC与YOLO标注没有设置分割路径使用门槛较低。目前已有1400人浏览学习。数据集标注类别为bolt与bulk两类合计框数3003个其中螺栓848框、散料2155框覆盖输送带场景中的典型异物统一使用labelImg按矩形框规则标注框体定位准确。数据集适合作为煤矿输送带异物检测项目的基础训练数据也可用于算法对比、消融实验、数据增广测试与模型迭代验证实用价值明确。 搞矿区智能化的人应该都清楚输送带异物检测是个绕不开但又不好啃的场景。标题里这份“煤矿输送带异物检测数据集VOCYOLO格式2220张2类别.7z”说白了就是一套整理好的、能直接喂给YOLO系列模型的目标检测数据集。2220张图、两个类别带VOC和YOLO两种标注格式省去了从视频里抽帧、清洗、标注的漫长过程。适合正在做煤矿智能化、工业视觉、皮带运输异常检测的工程师或者刚想拿真实工业场景跑通目标检测链路的新手拿来练手。我拿到这种数据集第一件事从来不是急着训练而是先搞清楚里面到底拍了什么、标注标得规不规范、类别是怎么划分的。很多朋友一上来就pip install ultralytics然后开训结果mAP惨不忍睹回头怪数据集不好实际上是自己没把数据和格式吃透。这篇就按我自己的习惯从场景背景、格式解析、训练实操到踩坑排查完整走一遍把能帮你省时间的细节全部写出来。1. 为什么煤矿输送带异物检测是个刚需场景1.1 异物不捡损失有多痛煤矿井下和地面选煤厂里输送带承担着原煤、精煤、矸石的转运任务皮带速度通常在2到4米每秒连续运转一天下来过煤量很大。问题是煤流里经常混着不该有的东西。采掘工作面掉落的锚杆、锚索托盘、钢丝绳头、道钉、木板、大块矸石甚至检修时遗忘的工具这些异物一旦进入下一级设备轻则划伤皮带、卡堵溜煤嘴重则撕裂皮带、损坏破碎机直接导致停产。皮带的硫化接头要是被金属异物反复砸中还会埋下断带隐患。一条主运输皮带的更换成本动辄几十万停产损失更是没法算。人工巡检一直是主要手段但井下光线差、粉尘大、皮带通廊长一个人盯多路监控视频连续盯半小时注意力就会直线下降。这也是视觉检测在这个场景快速落地的根本原因——不需要接触设备只用摄像头加边缘计算盒子就能实现7×24小时不间断盯守发现异动立刻抓拍报警。1.2 两个类别到底怎么划分这份数据集是2类别这一点值得细说。我见过很多工业检测数据集类别定义粗一点就是“正常”和“异常”二分类细一点会把金属异物、非金属异物、大块煤分开标。2类别的设计通常是一类作为正常煤流目标另一类作为需要报警的异物目标。在实际部署时系统只需要输出“有没有异物、在哪个位置”不需要精确细分是锚杆还是木板这样既降低了标注成本也降低了模型的学习难度。这里有个关键点煤块和异物之间的边界非常模糊。大块矸石和煤在外观上都是深色块状物大块煤本身在某些场景里也会堵仓所以很多项目干脆把“大块煤/矸石”也归为需要关注的异常目标。这也意味着拿到这份数据集之后你要先看它的类别名和实际图片能不能对应上别想当然地认为“类别一就是正常类别二就是异常”一定要打开标注可视化确认一遍。2. 数据集格式解析VOC和YOLO两种形式怎么配合使用2.1 解压后的目录到底长什么样这份压缩包同时给了VOC和YOLO两种格式非常良心。先看VOC格式的标准结构这是早期目标检测最通用的格式之一解压后通常是这样的目录层次VOC_dataset/ ├── Annotations/ # 存放xml标注文件 │ ├── 000001.xml │ ├── 000002.xml │ └── ... ├── JPEGImages/ # 存放原始图像 │ ├── 000001.jpg │ ├── 000002.jpg │ └── ... └── ImageSets/ └── Main/ # 存放训练/验证集划分文件 ├── train.txt ├── val.txt └── test.txtYOLO格式这边的结构稍微不同它是把图片和标签分开两个大目录YOLO_dataset/ ├── images/ │ ├── train/ │ ├── val/ │ └── test/ └── labels/ ├── train/ ├── val/ └── test/YOLO格式下每张jpg对应一个同名的txt文件txt里每行代表一个检测框内容格式是“类别id 归一化中心x 归一化中心y 归一化宽度w 归一化高度h”全部是0到1之间的小数。比如一行“1 0.500 0.333 0.250 0.200”意思就是类别1的框中心点在图像横向50%、纵向33.3%的位置宽高分别占整张图的25%和20%。2.2 VOC和YOLO标注怎么互相转换两种格式各有用途。VOC格式有一个很重要的优势xml文件里保存的是像素坐标和绝对宽高人眼直接可读方便检查和修改。YOLO格式则是训练时的主流输入格式Ultralytics YOLO、YOLOv5等框架都默认吃这种txt标注。如果你要换格式一个转换脚本就能搞定。从VOC转YOLO的核心计算其实很简单x_center (xmin xmax) / 2 / image_widthy_center (ymin ymax) / 2 / image_heightwidth (xmax - xmin) / image_widthheight (ymax - ymin) / image_height很多朋友在这步犯迷糊是因为忘记除以图片宽高。xml里的坐标是像素值而yolo训练时读的是归一化坐标不归一化会导致框的位置跑偏训练出来的模型等于白训。我习惯拿到数据后先跑一段脚本做坐标合法性检查——类别id是否在范围内、cx和cy是否小于等于1、w和h是否大于0把脏数据一次性筛出来。2.3 拿到数据第一件事质量检查解压数据集之后别急着训练花10分钟做三件事能省下后面几小时的排查时间。第一检查图片和标注文件数量是否一一对应。VOC格式看Annotations和JPEGImages的文件数是否一致YOLO格式看images和labels里的文件数是否一致。数量对不上说明有漏标或多余文件。第二对类别做统计。写几行Python读一遍所有标签统计每个类别的目标个数。如果两类数量差距极大比如一类有4000个目标另一类只有600个训练时就要考虑类别不平衡问题优先调整损失权重或者做难例挖掘。第三可视化抽查。在一部分图上直接把标注框画出来看看框是不是贴合目标。我见过不少数据集标注框歪歪扭扭有的只框住了物体的一部分有的直接把煤流大面积框成一个目标。这种质量问题靠看指标很难发现必须肉眼检查几十张图。3. 基于这份数据集的YOLO训练完整实操3.1 数据划分与目录整理很多压缩包自带的ImageSets或者images、labels目录未必是平衡划分的拿到手后建议自己重新划分一次。普遍做法是按照大约8:1:1的比例拆成训练集、验证集、测试集而且划分时要保证类别分布相对均衡。我自己的做法是写一个简单的Python脚本完成划分。对于YOLO格式直接把图片和标签按相同规则移动或复制核心是文件名一一对应import os import random import shutil random.seed(42) image_root YOLO_dataset/images label_root YOLO_dataset/labels all_files [f.replace(.jpg, ) for f in os.listdir(image_root) if f.endswith(.jpg)] random.shuffle(all_files) train_ratio 0.8 val_ratio 0.1 train_files all_files[:int(len(all_files) * train_ratio)] val_files all_files[int(len(all_files) * train_ratio):int(len(all_files) * (train_ratio val_ratio))] test_files all_files[int(len(all_files) * (train_ratio val_ratio)):] def copy_files(files, subset): os.makedirs(fimages/{subset}, exist_okTrue) os.makedirs(flabels/{subset}, exist_okTrue) for f in files: shutil.copy(f{image_root}/{f}.jpg, fimages/{subset}/{f}.jpg) shutil.copy(f{label_root}/{f}.txt, flabels/{subset}/{f}.txt) copy_files(train_files, train) copy_files(val_files, val) copy_files(test_files, test)这里一个大坑是种子固定。random.seed(42)保证了每次运行脚本划分结果一致方便复现实验。有些朋友脚本跑一次和跑一次结果不一样就是因为没固定随机种子。另外划分最好在YOLO格式上进行因为最终训练直接读YOLO格式少了来回转换的麻烦。3.2 配置YOLO训练yaml文件训练之前需要准备好一个数据配置文件Ultralytics YOLO系列都基于yaml来指定数据路径和类别名称。典型的内容是path: /data/coal_belt_dataset # 数据集根的绝对路径或相对路径 train: images/train # 训练集图片目录 val: images/val # 验证集图片目录 test: images/test # 测试集图片目录 nc: 2 # 类别数量 names: [normal_coal, foreign_object] # 类别名称顺序要和标注txt里的id一致很多人搜yolov8训练自己的数据集、yolo目标检测yaml配置文件核心落点其实就在这里。names的顺序必须和标签文件里的类别id一一对应如果标签里0代表异物、1代表煤块而yaml里names写反了模型训练不会报错但推理结果全乱套。我建议在任何新数据集上训练前先随机打开一个label txt看一眼第一列数字再回头核对names。还有一个细节如果是第一次用YOLOv8需要先安装ultralytics这个包pip install ultralytics有NVIDIA显卡并配好CUDA环境的话训练会快很多。如果用的显卡显存较小比如6G以下建议直接选yolov8n或yolov8s这种轻量级模型不然训练过程中容易出现显存溢出。AMD显卡能不能跑YOLO也是近期热门问题Ultralytics本身支持DirectML和ROCm的路线但配置起来门槛比NVIDIA高不少工业场景里图省心还是优先N卡。3.3 开始训练与参数调整配置好yaml之后命令行启动训练yolo train modelyolov8s.pt datacoal_belt_dataset.yaml epochs150 imgsz640 batch16 device0这条命令的意思是基于yolov8s预训练权重开始微调训练150轮输入图片尺寸640×640批大小16使用第0号GPU。预训练权重会自动从官方仓库下载如果下载慢可以先手动把.pt文件放到本地目录再指定路径。训练过程中要盯几个指标。loss曲线应该是平滑下降趋势train和val的loss不会背离太远。每轮结束后会输出mAP50和mAP50-95这两个是评估检测精度的核心指标。mAP50表示预测框和真实框的IoU阈值在0.5时的平均精度工业场景通常重点看mAP50因为皮带异物检测更关心“有没有和大概在哪”对框的精确贴合度要求没有自动驾驶那么苛刻。我自己在类似数据集上训练的经验是如果从零训练150轮是个比较稳妥的起点如果使用预训练权重微调前50轮就能看到mAP明显上升100轮后涨得就比较慢了。这时候强行继续训反而容易过拟合可以在验证集指标最高点保存权重Ultralytics默认会自动保留best.pt直接用这个权重做推理就行。训练完成后用测试集做一次真实评估yolo predict modelruns/detect/train/weights/best.pt source/data/coal_belt_dataset/images/test saveTrue记住验证集指标好看不代表现场能用。工业场景里测试集必须选模型没见过的、不同时段、不同光照条件下的图片否则评估结果很难反映真实部署效果。4. 训练中的常见问题与避坑经验4.1 类别不平衡与误检问题皮带异物检测这个场景最大的坑是类别不平衡。正常煤流目标几乎出现在每一帧图像里而异物是小概率事件这会导致模型偏向于把框都预测成正常目标异物漏检率偏高。我在实际训练中发现单纯增加总轮数解决不了不平衡问题。更有效的做法有三个方向第一是数据增强时对异物类别做过采样比如每张包含异物的图在同一个epoch里多喂几次第二是在损失函数里调整类别权重提高异物类的loss占比第三是收集更多困难样本做微调把现场误检漏检的图片单独挑出来补标签再增量训练一轮。另一个常见问题是误检。粉尘、水雾、光影变化、皮带接头都容易让模型产生误报。皮带接头在图像里是一条横向的深色条纹非常容易和异物框混淆。处理办法是在训练数据里专门加入大量含皮带接头的负样本并明确标注为“背景”。有些项目还会在算法后处理里加规则过滤比如异物框出现在固定区域的置信度阈值单独调高。4.2 指标高但现场不好用怎么排查很多朋友在测试集上mAP有0.85以上一到现场就各种漏报第一反应是模型不行其实可能是数据分布和现场差异太大。排查时我会按顺序检查几个环节。先看图像风格是否一致。训练数据如果是井下红外相机拍的现场测试用的是可见光相机图像特征差异巨大模型基本等于没见过这种数据。再检查标注框是否尺度过小。皮带相机视角广远处异物在图像里可能只有十几个像素小目标检测能力会成为瓶颈可以试试把输入分辨率从640提到960或者用SAHI这类切图推理工具把大图切成小块分别检测再合并结果。还有一个经常被忽略的问题是标注噪声。如果训练集里有很多框没有完全贴合目标或者漏标了某些异物模型学到的特征就会被带偏。这种情况下的处理方式不是盲目加数据而是把训练样本里loss最高的图片挑出来一张张看看看是目标本身太难还是标注标错了。Ultralytics训练日志里会保留每张图的损失信息人工分析一轮往往比闷头调参更有效。我自己实测下来还有一个很笨但有效的方法在训练集里故意混入一小部分明显困难的正样本比如油污覆盖的锚杆、半埋在煤里的铁丝、强反光下的金属托盘。模型第一次见到这类图确实会掉点但经过几十轮训练后它对复杂背景下的细长金属物体鲁棒性会明显提升。这一步做完现场识别率基本就能稳住了。如果你手里的检测目标大多是小尺寸金属异物换用P2层特征融合的YOLO变体能明显改善小目标召回率。实在不行就降低置信度阈值跑一轮全量图片把所有置信度在0.15到0.35之间的框全导出来人工看一遍。你会发现大量漏检其实是模型“有反应但不敢报”这种情况只需要针对难例微调根本不用重训整个数据池。4.3 训练时显存不足怎么办皮带异物检测的图片分辨率通常不低原图可能是1080p甚至更高。很多朋友直接把imgsz设成1280结果显存直接爆掉这是新手最容易踩的坑。显存不足时不要一上来就换小模型先减小batch size比如从16减到8再不行改为4。如果batch size已经很小还不够那就降低输入分辨率。imgsz从1280降到960往往就能解决大部分问题。另外一个思路是开启梯度累积。Ultralytics的默认训练脚本没有直接暴露这个参数但你可以通过修改batch同时配合数据加载时的缓存策略来优化显存占用。对于6G显存的卡我建议用yolov8n加imgsz640加batch8组合训练速度可控精度也够用。注意如果训练过程在某个epoch号附近反复卡死或者loss突然变成nan先检查是不是学习率过大。工业数据集样本量不大初始学习率0.01可能过快改成0.001再试一次常常能解决。5. 数据集的后续价值再训练与闭环迭代5.1 在真实产线上验证与难例回采数据集的价值不在于训练完一个模型就算完它应该成为整个算法闭环的起点。我在部署这类检测系统时会把模型先接到实际产线的视频流上跑一段时间低置信度输出的影子模式把报警结果记录下来但先不直接干预生产。运行一周后把模型漏报和误报的典型片段全部截图保存人工标注后并入原始数据集形成“新数据回采—增量标注—增量训练—再次评估”的闭环。这个循环越早启动模型对现场环境的适应越快。很多项目花两三个月才把现场误报率降到可接受范围核心原因就是没有把数据回采机制跑起来。工业视觉项目比拼的往往不是模型结构而是谁的数据迭代机制更高效。5.2 我实操中养成的几个习惯最后分享几个我在类似项目里反复用到的习惯。数据集的目录结构一定要保留原始版本任何转换脚本、划分脚本、训练配置都和数据集放在同一级目录方便回溯。训练的评估结果不能只记mAP要把recall和precision同时记录皮带异物场景里recall就是漏检率这个指标比mAP更重要。每次训练结束把yaml文件、数据划分脚本、标注统计结果一起存档下次复现实验就不用重新反推。还有一个容易被忽视的点数据集的7z压缩包本身就是资产解压后不要改动原始压缩包每次预处理都从压缩包重新解压到干净目录。这样即使中途操作失误把文件夹改坏了也能随时回到初始状态不至于因为数据污染导致训练结果没法解释。本文还有配套的精品资源点击获取 煤矿输送带异物检测数据集解析与YOLO训练实战
简介面向煤矿输送带异物检测场景的标注数据集整体覆盖2220张图像场景提供Pascal VOC与YOLO两种格式的矩形框标注适用于目标检测模型的训练、评估与调优。压缩包共2000个文件主要由1999个xml标注文件和1个txt说明文件构成包体大小约111.26MB其中xml可配合labelImg进行人工复核YOLO格式txt可直接输入常见检测框架数据组织简洁仅包含jpg图像及对应的VOC与YOLO标注没有设置分割路径使用门槛较低。目前已有1400人浏览学习。数据集标注类别为bolt与bulk两类合计框数3003个其中螺栓848框、散料2155框覆盖输送带场景中的典型异物统一使用labelImg按矩形框规则标注框体定位准确。数据集适合作为煤矿输送带异物检测项目的基础训练数据也可用于算法对比、消融实验、数据增广测试与模型迭代验证实用价值明确。 搞矿区智能化的人应该都清楚输送带异物检测是个绕不开但又不好啃的场景。标题里这份“煤矿输送带异物检测数据集VOCYOLO格式2220张2类别.7z”说白了就是一套整理好的、能直接喂给YOLO系列模型的目标检测数据集。2220张图、两个类别带VOC和YOLO两种标注格式省去了从视频里抽帧、清洗、标注的漫长过程。适合正在做煤矿智能化、工业视觉、皮带运输异常检测的工程师或者刚想拿真实工业场景跑通目标检测链路的新手拿来练手。我拿到这种数据集第一件事从来不是急着训练而是先搞清楚里面到底拍了什么、标注标得规不规范、类别是怎么划分的。很多朋友一上来就pip install ultralytics然后开训结果mAP惨不忍睹回头怪数据集不好实际上是自己没把数据和格式吃透。这篇就按我自己的习惯从场景背景、格式解析、训练实操到踩坑排查完整走一遍把能帮你省时间的细节全部写出来。1. 为什么煤矿输送带异物检测是个刚需场景1.1 异物不捡损失有多痛煤矿井下和地面选煤厂里输送带承担着原煤、精煤、矸石的转运任务皮带速度通常在2到4米每秒连续运转一天下来过煤量很大。问题是煤流里经常混着不该有的东西。采掘工作面掉落的锚杆、锚索托盘、钢丝绳头、道钉、木板、大块矸石甚至检修时遗忘的工具这些异物一旦进入下一级设备轻则划伤皮带、卡堵溜煤嘴重则撕裂皮带、损坏破碎机直接导致停产。皮带的硫化接头要是被金属异物反复砸中还会埋下断带隐患。一条主运输皮带的更换成本动辄几十万停产损失更是没法算。人工巡检一直是主要手段但井下光线差、粉尘大、皮带通廊长一个人盯多路监控视频连续盯半小时注意力就会直线下降。这也是视觉检测在这个场景快速落地的根本原因——不需要接触设备只用摄像头加边缘计算盒子就能实现7×24小时不间断盯守发现异动立刻抓拍报警。1.2 两个类别到底怎么划分这份数据集是2类别这一点值得细说。我见过很多工业检测数据集类别定义粗一点就是“正常”和“异常”二分类细一点会把金属异物、非金属异物、大块煤分开标。2类别的设计通常是一类作为正常煤流目标另一类作为需要报警的异物目标。在实际部署时系统只需要输出“有没有异物、在哪个位置”不需要精确细分是锚杆还是木板这样既降低了标注成本也降低了模型的学习难度。这里有个关键点煤块和异物之间的边界非常模糊。大块矸石和煤在外观上都是深色块状物大块煤本身在某些场景里也会堵仓所以很多项目干脆把“大块煤/矸石”也归为需要关注的异常目标。这也意味着拿到这份数据集之后你要先看它的类别名和实际图片能不能对应上别想当然地认为“类别一就是正常类别二就是异常”一定要打开标注可视化确认一遍。2. 数据集格式解析VOC和YOLO两种形式怎么配合使用2.1 解压后的目录到底长什么样这份压缩包同时给了VOC和YOLO两种格式非常良心。先看VOC格式的标准结构这是早期目标检测最通用的格式之一解压后通常是这样的目录层次VOC_dataset/ ├── Annotations/ # 存放xml标注文件 │ ├── 000001.xml │ ├── 000002.xml │ └── ... ├── JPEGImages/ # 存放原始图像 │ ├── 000001.jpg │ ├── 000002.jpg │ └── ... └── ImageSets/ └── Main/ # 存放训练/验证集划分文件 ├── train.txt ├── val.txt └── test.txtYOLO格式这边的结构稍微不同它是把图片和标签分开两个大目录YOLO_dataset/ ├── images/ │ ├── train/ │ ├── val/ │ └── test/ └── labels/ ├── train/ ├── val/ └── test/YOLO格式下每张jpg对应一个同名的txt文件txt里每行代表一个检测框内容格式是“类别id 归一化中心x 归一化中心y 归一化宽度w 归一化高度h”全部是0到1之间的小数。比如一行“1 0.500 0.333 0.250 0.200”意思就是类别1的框中心点在图像横向50%、纵向33.3%的位置宽高分别占整张图的25%和20%。2.2 VOC和YOLO标注怎么互相转换两种格式各有用途。VOC格式有一个很重要的优势xml文件里保存的是像素坐标和绝对宽高人眼直接可读方便检查和修改。YOLO格式则是训练时的主流输入格式Ultralytics YOLO、YOLOv5等框架都默认吃这种txt标注。如果你要换格式一个转换脚本就能搞定。从VOC转YOLO的核心计算其实很简单x_center (xmin xmax) / 2 / image_widthy_center (ymin ymax) / 2 / image_heightwidth (xmax - xmin) / image_widthheight (ymax - ymin) / image_height很多朋友在这步犯迷糊是因为忘记除以图片宽高。xml里的坐标是像素值而yolo训练时读的是归一化坐标不归一化会导致框的位置跑偏训练出来的模型等于白训。我习惯拿到数据后先跑一段脚本做坐标合法性检查——类别id是否在范围内、cx和cy是否小于等于1、w和h是否大于0把脏数据一次性筛出来。2.3 拿到数据第一件事质量检查解压数据集之后别急着训练花10分钟做三件事能省下后面几小时的排查时间。第一检查图片和标注文件数量是否一一对应。VOC格式看Annotations和JPEGImages的文件数是否一致YOLO格式看images和labels里的文件数是否一致。数量对不上说明有漏标或多余文件。第二对类别做统计。写几行Python读一遍所有标签统计每个类别的目标个数。如果两类数量差距极大比如一类有4000个目标另一类只有600个训练时就要考虑类别不平衡问题优先调整损失权重或者做难例挖掘。第三可视化抽查。在一部分图上直接把标注框画出来看看框是不是贴合目标。我见过不少数据集标注框歪歪扭扭有的只框住了物体的一部分有的直接把煤流大面积框成一个目标。这种质量问题靠看指标很难发现必须肉眼检查几十张图。3. 基于这份数据集的YOLO训练完整实操3.1 数据划分与目录整理很多压缩包自带的ImageSets或者images、labels目录未必是平衡划分的拿到手后建议自己重新划分一次。普遍做法是按照大约8:1:1的比例拆成训练集、验证集、测试集而且划分时要保证类别分布相对均衡。我自己的做法是写一个简单的Python脚本完成划分。对于YOLO格式直接把图片和标签按相同规则移动或复制核心是文件名一一对应import os import random import shutil random.seed(42) image_root YOLO_dataset/images label_root YOLO_dataset/labels all_files [f.replace(.jpg, ) for f in os.listdir(image_root) if f.endswith(.jpg)] random.shuffle(all_files) train_ratio 0.8 val_ratio 0.1 train_files all_files[:int(len(all_files) * train_ratio)] val_files all_files[int(len(all_files) * train_ratio):int(len(all_files) * (train_ratio val_ratio))] test_files all_files[int(len(all_files) * (train_ratio val_ratio)):] def copy_files(files, subset): os.makedirs(fimages/{subset}, exist_okTrue) os.makedirs(flabels/{subset}, exist_okTrue) for f in files: shutil.copy(f{image_root}/{f}.jpg, fimages/{subset}/{f}.jpg) shutil.copy(f{label_root}/{f}.txt, flabels/{subset}/{f}.txt) copy_files(train_files, train) copy_files(val_files, val) copy_files(test_files, test)这里一个大坑是种子固定。random.seed(42)保证了每次运行脚本划分结果一致方便复现实验。有些朋友脚本跑一次和跑一次结果不一样就是因为没固定随机种子。另外划分最好在YOLO格式上进行因为最终训练直接读YOLO格式少了来回转换的麻烦。3.2 配置YOLO训练yaml文件训练之前需要准备好一个数据配置文件Ultralytics YOLO系列都基于yaml来指定数据路径和类别名称。典型的内容是path: /data/coal_belt_dataset # 数据集根的绝对路径或相对路径 train: images/train # 训练集图片目录 val: images/val # 验证集图片目录 test: images/test # 测试集图片目录 nc: 2 # 类别数量 names: [normal_coal, foreign_object] # 类别名称顺序要和标注txt里的id一致很多人搜yolov8训练自己的数据集、yolo目标检测yaml配置文件核心落点其实就在这里。names的顺序必须和标签文件里的类别id一一对应如果标签里0代表异物、1代表煤块而yaml里names写反了模型训练不会报错但推理结果全乱套。我建议在任何新数据集上训练前先随机打开一个label txt看一眼第一列数字再回头核对names。还有一个细节如果是第一次用YOLOv8需要先安装ultralytics这个包pip install ultralytics有NVIDIA显卡并配好CUDA环境的话训练会快很多。如果用的显卡显存较小比如6G以下建议直接选yolov8n或yolov8s这种轻量级模型不然训练过程中容易出现显存溢出。AMD显卡能不能跑YOLO也是近期热门问题Ultralytics本身支持DirectML和ROCm的路线但配置起来门槛比NVIDIA高不少工业场景里图省心还是优先N卡。3.3 开始训练与参数调整配置好yaml之后命令行启动训练yolo train modelyolov8s.pt datacoal_belt_dataset.yaml epochs150 imgsz640 batch16 device0这条命令的意思是基于yolov8s预训练权重开始微调训练150轮输入图片尺寸640×640批大小16使用第0号GPU。预训练权重会自动从官方仓库下载如果下载慢可以先手动把.pt文件放到本地目录再指定路径。训练过程中要盯几个指标。loss曲线应该是平滑下降趋势train和val的loss不会背离太远。每轮结束后会输出mAP50和mAP50-95这两个是评估检测精度的核心指标。mAP50表示预测框和真实框的IoU阈值在0.5时的平均精度工业场景通常重点看mAP50因为皮带异物检测更关心“有没有和大概在哪”对框的精确贴合度要求没有自动驾驶那么苛刻。我自己在类似数据集上训练的经验是如果从零训练150轮是个比较稳妥的起点如果使用预训练权重微调前50轮就能看到mAP明显上升100轮后涨得就比较慢了。这时候强行继续训反而容易过拟合可以在验证集指标最高点保存权重Ultralytics默认会自动保留best.pt直接用这个权重做推理就行。训练完成后用测试集做一次真实评估yolo predict modelruns/detect/train/weights/best.pt source/data/coal_belt_dataset/images/test saveTrue记住验证集指标好看不代表现场能用。工业场景里测试集必须选模型没见过的、不同时段、不同光照条件下的图片否则评估结果很难反映真实部署效果。4. 训练中的常见问题与避坑经验4.1 类别不平衡与误检问题皮带异物检测这个场景最大的坑是类别不平衡。正常煤流目标几乎出现在每一帧图像里而异物是小概率事件这会导致模型偏向于把框都预测成正常目标异物漏检率偏高。我在实际训练中发现单纯增加总轮数解决不了不平衡问题。更有效的做法有三个方向第一是数据增强时对异物类别做过采样比如每张包含异物的图在同一个epoch里多喂几次第二是在损失函数里调整类别权重提高异物类的loss占比第三是收集更多困难样本做微调把现场误检漏检的图片单独挑出来补标签再增量训练一轮。另一个常见问题是误检。粉尘、水雾、光影变化、皮带接头都容易让模型产生误报。皮带接头在图像里是一条横向的深色条纹非常容易和异物框混淆。处理办法是在训练数据里专门加入大量含皮带接头的负样本并明确标注为“背景”。有些项目还会在算法后处理里加规则过滤比如异物框出现在固定区域的置信度阈值单独调高。4.2 指标高但现场不好用怎么排查很多朋友在测试集上mAP有0.85以上一到现场就各种漏报第一反应是模型不行其实可能是数据分布和现场差异太大。排查时我会按顺序检查几个环节。先看图像风格是否一致。训练数据如果是井下红外相机拍的现场测试用的是可见光相机图像特征差异巨大模型基本等于没见过这种数据。再检查标注框是否尺度过小。皮带相机视角广远处异物在图像里可能只有十几个像素小目标检测能力会成为瓶颈可以试试把输入分辨率从640提到960或者用SAHI这类切图推理工具把大图切成小块分别检测再合并结果。还有一个经常被忽略的问题是标注噪声。如果训练集里有很多框没有完全贴合目标或者漏标了某些异物模型学到的特征就会被带偏。这种情况下的处理方式不是盲目加数据而是把训练样本里loss最高的图片挑出来一张张看看看是目标本身太难还是标注标错了。Ultralytics训练日志里会保留每张图的损失信息人工分析一轮往往比闷头调参更有效。我自己实测下来还有一个很笨但有效的方法在训练集里故意混入一小部分明显困难的正样本比如油污覆盖的锚杆、半埋在煤里的铁丝、强反光下的金属托盘。模型第一次见到这类图确实会掉点但经过几十轮训练后它对复杂背景下的细长金属物体鲁棒性会明显提升。这一步做完现场识别率基本就能稳住了。如果你手里的检测目标大多是小尺寸金属异物换用P2层特征融合的YOLO变体能明显改善小目标召回率。实在不行就降低置信度阈值跑一轮全量图片把所有置信度在0.15到0.35之间的框全导出来人工看一遍。你会发现大量漏检其实是模型“有反应但不敢报”这种情况只需要针对难例微调根本不用重训整个数据池。4.3 训练时显存不足怎么办皮带异物检测的图片分辨率通常不低原图可能是1080p甚至更高。很多朋友直接把imgsz设成1280结果显存直接爆掉这是新手最容易踩的坑。显存不足时不要一上来就换小模型先减小batch size比如从16减到8再不行改为4。如果batch size已经很小还不够那就降低输入分辨率。imgsz从1280降到960往往就能解决大部分问题。另外一个思路是开启梯度累积。Ultralytics的默认训练脚本没有直接暴露这个参数但你可以通过修改batch同时配合数据加载时的缓存策略来优化显存占用。对于6G显存的卡我建议用yolov8n加imgsz640加batch8组合训练速度可控精度也够用。注意如果训练过程在某个epoch号附近反复卡死或者loss突然变成nan先检查是不是学习率过大。工业数据集样本量不大初始学习率0.01可能过快改成0.001再试一次常常能解决。5. 数据集的后续价值再训练与闭环迭代5.1 在真实产线上验证与难例回采数据集的价值不在于训练完一个模型就算完它应该成为整个算法闭环的起点。我在部署这类检测系统时会把模型先接到实际产线的视频流上跑一段时间低置信度输出的影子模式把报警结果记录下来但先不直接干预生产。运行一周后把模型漏报和误报的典型片段全部截图保存人工标注后并入原始数据集形成“新数据回采—增量标注—增量训练—再次评估”的闭环。这个循环越早启动模型对现场环境的适应越快。很多项目花两三个月才把现场误报率降到可接受范围核心原因就是没有把数据回采机制跑起来。工业视觉项目比拼的往往不是模型结构而是谁的数据迭代机制更高效。5.2 我实操中养成的几个习惯最后分享几个我在类似项目里反复用到的习惯。数据集的目录结构一定要保留原始版本任何转换脚本、划分脚本、训练配置都和数据集放在同一级目录方便回溯。训练的评估结果不能只记mAP要把recall和precision同时记录皮带异物场景里recall就是漏检率这个指标比mAP更重要。每次训练结束把yaml文件、数据划分脚本、标注统计结果一起存档下次复现实验就不用重新反推。还有一个容易被忽视的点数据集的7z压缩包本身就是资产解压后不要改动原始压缩包每次预处理都从压缩包重新解压到干净目录。这样即使中途操作失误把文件夹改坏了也能随时回到初始状态不至于因为数据污染导致训练结果没法解释。本文还有配套的精品资源点击获取