简介本资源为面向工业视觉检测与机器学习初学者的齿轮缺陷识别专用数据集适用于目标检测模型训练与算法验证场景。数据集包含544张高清齿轮图像涵盖broken、hole、large_gear、small_gear、text1、text2共6类关键目标总计2093个精确标注框全部由labelImg人工绘制矩形框生成同步提供Pascal VOC格式.xml与YOLO格式.txt双标准标注文件便于主流框架如YOLOv5/v8、Faster R-CNN等直接加载使用。压缩包共1634个文件544张.jpg 544个.xml 546个.txt总大小163.74MB结构规整、无冗余路径开箱即用。目前已有389人下载学习配套博文详述标注规范、类别分布统计及典型样本分析可快速支撑课程设计、毕业课题或轻量级产线质检原型开发。1. 项目背景与数据集价值解析最近在整理一个关于齿轮检测的数据集名字叫“齿轮检测数据集VOCYOLO格式544张6类别.7z”。这个数据集虽然不大只有544张图片但麻雀虽小五脏俱全它包含了6个不同类别的齿轮目标并且已经预先转换成了VOC和YOLO两种主流的目标检测数据格式。对于刚入门计算机视觉特别是想动手实践目标检测的朋友来说这是一个非常不错的练手材料。我自己在带新人或者做算法原型验证时也常常会寻找这类小而精的数据集因为它能让你快速跑通整个流程从数据加载、模型训练到评估建立起完整的认知闭环而不会被海量数据的预处理和漫长的训练时间劝退。齿轮作为工业场景中最基础、最核心的零部件之一其检测与状态监测是智能制造、预测性维护等领域的关键技术。无论是生产线上对齿轮型号的自动分拣还是设备运行中对齿轮磨损、缺齿等故障的视觉检测都需要一个鲁棒性强的检测模型。这个数据集的价值就在于它提供了一个标准化的、可直接用于模型训练和验证的“靶场”。你不需要再花费大量时间去拍摄、标注图片可以直接聚焦于模型本身的学习、调优和部署。对于学生、研究者以及希望将AI技术落地到工业质检场景的工程师这个数据集都是一个很好的起点。2. 数据集内容深度拆解与格式详解拿到一个数据集第一步永远是“解压并看内容”。这个压缩包解压后其目录结构通常直接决定了你后续代码编写的便利性。一个组织良好的数据集能省去大量数据路径处理的麻烦。2.1 数据集目录结构剖析一个标准的VOCYOLO格式混合数据集其目录结构通常如下所示这是基于常见实践和该数据集标题的推断齿轮检测数据集/ ├── Annotations/ # VOC格式的标注文件.xml ├── JPEGImages/ # 所有原始图像文件.jpg/.png ├── ImageSets/ │ └── Main/ # 划分好的训练集、验证集、测试集列表文件.txt ├── labels/ # YOLO格式的标注文件.txt通常与JPEGImages一一对应 ├── train.txt # YOLO格式训练集图片路径列表 ├── val.txt # YOLO格式验证集图片路径列表 └── classes.txt # 类别名称列表文件为什么是这样的结构VOC格式源于PASCAL VOC竞赛是早期目标检测领域的事实标准。Annotations/下的每个XML文件详细描述了对应图片中所有目标的位置xmin, ymin, xmax, ymax和类别。这种格式信息丰富可读性强但解析起来相对繁琐。YOLO格式为了追求极致的训练速度YOLO系列采用了一种极其简洁的标注格式。每个图片对应一个同名的.txt文件其中每一行代表一个目标格式为class_id center_x center_y width height。这里的坐标是归一化后的即相对于图片宽高的比例值。这种格式去除了冗余信息使得数据加载非常高效。混合提供数据集同时提供两种格式极大地提升了其通用性。你可以直接用VOC格式的代码库如早期版本的Faster R-CNN、SSD进行训练也可以无缝接入YOLOv5/v7/v8/v9/v10等现代框架。ImageSets/Main/下的文件通常用于VOC格式的数据加载器而train.txt/val.txt则直接给YOLO使用里面是图片的绝对或相对路径。2.2 六类齿轮目标解读与标注质量检查根据标题“6类别”我们需要明确具体是哪六类。在工业齿轮检测中常见的类别划分可能包括完整齿轮无缺陷的标准齿轮。缺齿齿轮齿轮边缘有一个或多个齿缺失这是常见的疲劳损坏。磨损齿轮齿面发生磨损轮廓可能变钝。裂纹齿轮齿根或齿面出现细微裂纹。锈蚀齿轮齿轮表面发生锈蚀。异物附着齿轮齿轮上粘有油污、金属碎屑等异物。当然具体类别需要打开classes.txt或任意一个标注文件来确认。实操心得在开始训练前花15分钟用Python写个简单的脚本随机可视化几十张图片和其标注框是至关重要的一步。这能帮你快速发现潜在问题例如标注框是否准确框是否紧紧包裹住齿轮有没有框到大量背景或只框住一部分类别标签是否正确有没有把“磨损”错误标成“缺齿”小目标漏标对于图像中非常小的齿轮是否被忽略了遮挡处理对于部分遮挡的齿轮标注规范是怎样的这些检查能避免你花了几天时间训练出一个“垃圾进垃圾出”的模型。我常用的检查脚本核心部分如下import os import cv2 import random import xml.etree.ElementTree as ET # 用于解析VOC # 或者 from PIL import Image def visualize_annotation(img_path, anno_path, formatvoc): img cv2.imread(img_path) h, w, _ img.shape if format voc: tree ET.parse(anno_path) root tree.getroot() for obj in root.findall(object): cls_name obj.find(name).text bbox obj.find(bndbox) x1 int(bbox.find(xmin).text) y1 int(bbox.find(ymin).text) x2 int(bbox.find(xmax).text) y2 int(bbox.find(ymax).text) cv2.rectangle(img, (x1, y1), (x2, y2), (0, 255, 0), 2) cv2.putText(img, cls_name, (x1, y1-10), cv2.FONT_HERSHEY_SIMPLEX, 0.9, (0,255,0), 2) elif format yolo: with open(anno_path, r) as f: lines f.readlines() for line in lines: cls_id, cx, cy, nw, nh map(float, line.strip().split()) # 转换回像素坐标 x1 int((cx - nw/2) * w) y1 int((cy - nh/2) * h) x2 int((cx nw/2) * w) y2 int((cy nh/2) * h) cv2.rectangle(img, (x1, y1), (x2, y2), (255, 0, 0), 2) cv2.putText(img, str(int(cls_id)), (x1, y1-10), cv2.FONT_HERSHEY_SIMPLEX, 0.9, (255,0,0), 2) cv2.imshow(Check, img) cv2.waitKey(0) cv2.destroyAllWindows() # 随机选择几张图片进行检查 jpg_list os.listdir(JPEGImages)[:10] for jpg in random.sample(jpg_list, 5): img_p os.path.join(JPEGImages, jpg) # 假设检查VOC格式 anno_p os.path.join(Annotations, jpg.replace(.jpg, .xml)) visualize_annotation(img_p, anno_p, voc)3. 基于YOLOv8的模型训练全流程实战有了高质量的数据集下一步就是选择模型框架进行训练。这里我选择YOLOv8因为它不仅性能强大而且API极其友好对新手和快速验证都非常友好。下面我将以这个齿轮数据集为例手把手走完训练流程。3.1 环境配置与数据准备首先你需要一个Python环境建议3.8以上并安装Ultralytics库。pip install ultralytics接下来为YOLOv8准备数据配置文件。这是最关键的一步。我们需要创建一个gear_detection.yaml文件放在数据集根目录或某个配置目录下。文件内容如下# gear_detection.yaml path: /path/to/your/齿轮检测数据集 # 数据集的根目录绝对路径 train: train.txt # 训练集列表文件相对于path的路径 val: val.txt # 验证集列表文件相对于path的路径 # 类别数量 nc: 6 # 类别名称列表必须与classes.txt中的顺序完全一致 names: [gear_intact, gear_missing_tooth, gear_worn, gear_cracked, gear_rusty, gear_with_debris]关键点解析path: 必须使用绝对路径避免因工作目录变化导致的找不到文件错误。train/val: 这里直接指向数据集自带的train.txt和val.txt。你需要确认这两个文件是否存在并且里面的路径是正确的通常是相对于path的图片路径如JPEGImages/001.jpg。names: 这里的类别名称必须与标注文件中的类别ID0,1,2,3,4,5一一对应。你需要根据数据集实际的classes.txt来修改这个列表。注意如果数据集没有提供现成的train.txt/val.txt你需要自己划分。一个常见的做法是按8:1:1或7:2:1的比例随机划分图片名列表并写入文件。切记划分要在ImageSets/Main/VOC用和根目录YOLO用都做或者写个脚本同步。3.2 模型选择与训练命令YOLOv8提供了不同尺寸的预训练模型从轻量级的YOLOv8n到超大规模的YOLOv8x。对于544张图的小数据集我的建议是首选YOLOv8s或YOLOv8m它们在精度和速度之间有较好的平衡。直接用最大的YOLOv8x很容易在小数据集上过拟合。强烈建议使用预训练权重通过modelyolov8s.pt指定。这能利用在COCO等大型数据集上学到的通用特征如边缘、纹理极大地加速收敛并提升最终精度这在数据量有限时是决定性的。训练命令如下yolo taskdetect modetrain modelyolov8s.pt data/path/to/gear_detection.yaml epochs100 imgsz640 batch16 workers4参数详解与调优经验epochs100: 对于小数据集100-150个epoch通常足够。可以观察验证集损失曲线当损失不再明显下降时即可早停。imgsz640: 输入图像尺寸。更大的尺寸如1280可能提升对小目标的检测能力但会显著增加显存消耗和训练时间。对于齿轮检测如果图片中齿轮占比较大640是够用的。你可以尝试640和1280看看mAP的提升是否值得时间成本。batch16: 批次大小。这取决于你的GPU显存。在RTX 3080 (10GB)上imgsz640时batch16通常可行。如果出现CUDA out of memory错误就降低batch或imgsz。workers4: 数据加载的进程数。设置为CPU核心数左右可以加快数据读取速度。patience10: 可以添加此参数表示如果验证集指标在10个epoch内没有提升则自动停止训练防止过拟合。一个我常用的、包含更多优化选项的命令yolo detect train datagear_detection.yaml modelyolov8m.pt epochs150 imgsz640 batch16 workers8 patience20 lr00.01 lrf0.01 optimizerAdamW cos_lrTrue ampTrue projectgear_detection nameexp1optimizerAdamW: 相比默认的SGDAdamW在小数据集上有时收敛更快、更稳定。cos_lrTrue: 使用余弦退火学习率调度有助于模型跳出局部最优。ampTrue: 自动混合精度训练能节省显存并加速训练。project/name: 指定输出目录便于管理多次实验。3.3 训练过程监控与结果分析训练开始后Ultralytics会在project/name目录如gear_detection/exp1下生成大量有用的结果和日志。1. 实时监控训练会在终端打印每个epoch的损失和指标。更重要的是它会自动启动一个本地Web服务器默认http://localhost:8080你可以打开浏览器查看实时更新的图表包括损失曲线关注train/box_loss,train/cls_loss,val/box_loss,val/cls_loss。理想情况是训练损失稳步下降验证损失同步下降后趋于平稳。如果验证损失很早就开始上升而训练损失持续下降这是典型的过拟合信号。性能指标主要是metrics/mAP50-95和metrics/mAP50。mAP50是IoU阈值为0.5时的平均精度mAP50-95是IoU阈值从0.5到0.95步长0.05的平均值后者更严格更能反映模型定位的精确度。2. 结果解读训练结束后在exp目录下的results.csv和args.yaml保存了所有参数和最终指标。weights/目录下保存了最佳模型best.pt和最后一个模型last.pt。关键检查点混淆矩阵(confusion_matrix.png)查看模型最容易混淆哪些类别。例如“磨损齿轮”和“锈蚀齿轮”在视觉上可能相似导致相互误检。这能指导你后续是否需要补充更多区分性强的数据或者进行数据增强。PR曲线(PR_curve.png)展示了不同置信度阈值下的精度-召回率关系。曲线下的面积越大越好。你可以根据实际应用场景是宁可漏检也不能错检还是尽量抓全允许一些误报来选择合适的置信度阈值conf参数默认是0.25。标签分布图查看训练集和验证集标注框的尺寸和位置分布是否均匀。如果小目标归一化宽高0.01特别多你可能需要关注模型的小目标检测能力甚至考虑使用专门针对小目标改进的模型变体。4. 模型验证、导出与部署推理训练出模型只是第一步验证其泛化能力并将其用起来才是最终目的。4.1 模型验证与性能评估使用验证集评估最佳模型yolo taskdetect modeval modelgear_detection/exp1/weights/best.pt datagear_detection.yaml这个命令会输出详细的评估表格包括每个类别的精确度、召回率、mAP等。重点关注你最关心的类别。比如如果你的核心需求是检测“缺齿齿轮”可能意味着严重故障那么即使其他类别指标一般只要这个类别的召回率Recall很高模型就有实用价值。4.2 模型导出为部署格式YOLOv8训练出的.pt文件是PyTorch格式要部署到不同平台需要转换。1. 导出为ONNX格式推荐ONNX是一种开放的模型交换格式可以被TensorRT, OpenVINO, ONNX Runtime等多种推理引擎支持。yolo export modelgear_detection/exp1/weights/best.pt formatonnx imgsz640 simplifyTruesimplifyTrue: 应用ONNX Simplifier优化计算图有时能减少节点并提升推理速度。导出后你会得到一个best.onnx文件。你可以用Netron工具打开它可视化模型结构检查输入输出节点名称。2. 导出为TensorRT引擎追求极致速度如果你在NVIDIA GPU上部署TensorRT能提供最大的加速。yolo export modelgear_detection/exp1/weights/best.pt formatengine device0注意这需要你的环境已安装TensorRT。导出的.engine文件是硬件相关的在另一台不同型号的GPU上可能无法直接使用。4.3 使用Python进行推理这里给出一个使用导出的ONNX模型进行推理的完整示例import cv2 import numpy as np import onnxruntime as ort class GearDetector: def __init__(self, onnx_path, conf_thres0.25, iou_thres0.45): self.conf_threshold conf_thres self.iou_threshold iou_thres # 初始化ONNX Runtime会话 self.session ort.InferenceSession(onnx_path) # 获取模型输入信息 self.model_inputs self.session.get_inputs() self.input_shape self.model_inputs[0].shape # 例如 (1, 3, 640, 640) self.input_height, self.input_width self.input_shape[2], self.input_shape[3] # 类别名称必须与训练时一致 self.class_names [gear_intact, gear_missing_tooth, gear_worn, gear_cracked, gear_rusty, gear_with_debris] def preprocess(self, image): 将输入图像预处理为模型需要的格式 # 调整大小并保持长宽比填充 h, w image.shape[:2] scale min(self.input_height / h, self.input_width / w) new_h, new_w int(h * scale), int(w * scale) resized_img cv2.resize(image, (new_w, new_h)) # 创建画布并填充 canvas np.full((self.input_height, self.input_width, 3), 114, dtypenp.uint8) canvas[:new_h, :new_w, :] resized_img # 转换通道和类型 (HWC - CHW, BGR - RGB, uint8 - float32, 归一化) img_data canvas.transpose((2, 0, 1))[::-1] # BGR to RGB img_data img_data.astype(np.float32) / 255.0 img_data np.expand_dims(img_data, axis0) # 添加批次维度 return img_data, (scale, (new_w, new_h), (h, w)) def postprocess(self, outputs, preprocess_info, orig_img): 将模型输出解析为检测框 scale, (new_w, new_h), (orig_h, orig_w) preprocess_info predictions outputs[0] # 假设输出是单张图片的预测 # YOLOv8 ONNX输出格式通常是 (1, 84, 8400)其中844(xywh)80(class probs) # 对于我们的6类模型可能是 (1, 10, 8400)其中1046 boxes [] scores [] class_ids [] # 这里需要根据你模型的实际输出维度进行调整 # 假设输出形状为 [1, 10, 8400] if len(predictions.shape) 3 and predictions.shape[0] 1: predictions predictions[0] # 去掉批次维度 - [10, 8400] # 分离边界框和类别分数 bbox_data predictions[:4, :] # [4, 8400] scores_data predictions[4:, :] # [6, 8400] # 找到每个锚点得分最高的类别 max_scores np.max(scores_data, axis0) max_class_ids np.argmax(scores_data, axis0) # 应用置信度阈值筛选 keep max_scores self.conf_threshold bbox_data bbox_data[:, keep] max_scores max_scores[keep] max_class_ids max_class_ids[keep] if bbox_data.shape[1] 0: # 将中心点格式的bbox转换回角点格式并映射回原始图像尺寸 # 注意YOLO输出是归一化的中心点坐标和宽高 bbox_data bbox_data.T # 转置为 [n, 4] for i in range(bbox_data.shape[0]): cx, cy, w, h bbox_data[i] # 1. 将归一化坐标转换到预处理后画布的像素坐标 x1 int((cx - w/2) * self.input_width) y1 int((cy - h/2) * self.input_height) x2 int((cx w/2) * self.input_width) y2 int((cy h/2) * self.input_height) # 2. 去除填充部分映射回原始图像中的坐标 x1 max(0, int((x1 - (self.input_width - new_w) // 2) / scale)) y1 max(0, int((y1 - (self.input_height - new_h) // 2) / scale)) x2 min(orig_w, int((x2 - (self.input_width - new_w) // 2) / scale)) y2 min(orig_h, int((y2 - (self.input_height - new_h) // 2) / scale)) if x2 x1 and y2 y1: # 确保是有效框 boxes.append([x1, y1, x2, y2]) scores.append(max_scores[i]) class_ids.append(max_class_ids[i]) # 应用非极大值抑制 (NMS) if boxes: boxes np.array(boxes) scores np.array(scores) class_ids np.array(class_ids) indices cv2.dnn.NMSBoxes(boxes.tolist(), scores.tolist(), self.conf_threshold, self.iou_threshold) if len(indices) 0: indices indices.flatten() boxes boxes[indices] scores scores[indices] class_ids class_ids[indices] return boxes, scores, class_ids def draw_detections(self, image, boxes, scores, class_ids): 在图像上绘制检测结果 for box, score, class_id in zip(boxes, scores, class_ids): x1, y1, x2, y2 box label f{self.class_names[class_id]}: {score:.2f} color (0, 255, 0) # 绿色框 cv2.rectangle(image, (x1, y1), (x2, y2), color, 2) cv2.putText(image, label, (x1, y1 - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, color, 2) return image def detect(self, image_path): 主检测函数 orig_img cv2.imread(image_path) if orig_img is None: print(f无法读取图像: {image_path}) return None # 预处理 input_tensor, preprocess_info self.preprocess(orig_img) # 推理 outputs self.session.run(None, {self.model_inputs[0].name: input_tensor}) # 后处理 boxes, scores, class_ids self.postprocess(outputs, preprocess_info, orig_img) # 绘制结果 result_img self.draw_detections(orig_img.copy(), boxes, scores, class_ids) return result_img, boxes, scores, class_ids # 使用示例 if __name__ __main__: detector GearDetector(best.onnx, conf_thres0.5) # 提高置信度阈值减少误报 result_img, boxes, scores, class_ids detector.detect(test_gear.jpg) if result_img is not None: cv2.imshow(Detection Result, result_img) cv2.waitKey(0) cv2.destroyAllWindows() print(f检测到 {len(boxes)} 个目标) for i, (box, score, cls_id) in enumerate(zip(boxes, scores, class_ids)): print(f目标{i1}: 类别[{detector.class_names[cls_id]}], 置信度{score:.3f}, 位置{box})这段代码的几点关键说明和避坑经验预处理对齐YOLOv8的预处理是RGB通道顺序、像素值归一化到[0,1]并且是去均值除方差还是直接除以255需要与训练时保持一致。上述代码使用了除以255的简单方式这是YOLOv8默认的。最稳妥的方法是查看训练时生成的args.yaml文件中的预处理参数。后处理解析ONNX模型的输出格式可能因YOLOv8版本和导出参数而异。上述代码是一种通用解析逻辑。强烈建议你打印一下outputs的形状例如print([o.shape for o in outputs])然后根据实际形状调整postprocess函数中的索引。常见的输出形状是[1, 84, 8400]COCO 80类或[1, 10, 8400]本例6类。坐标映射这是最容易出错的地方。模型是在经过填充的正方形图像上预测的你需要将预测框精确地映射回原始图像的坐标。上述代码中的两步映射先到画布坐标再去填充、缩放是标准做法。NMS参数conf_thres和iou_thres需要根据你的验证结果进行调整。如果验证集上召回率很高但测试时漏检多可以适当降低conf_thres。如果误检多可以提高conf_thres或iou_thres。5. 数据增强策略与小数据集优化技巧544张图片对于深度学习来说确实是个小数据集。直接训练很容易过拟合即模型在训练集上表现很好但在没见过的图片上表现糟糕。为了提升模型的泛化能力数据增强是必不可少的。YOLOv8在训练时已经内置了丰富的数据增强Mosaic, MixUp, 随机翻转、色彩抖动等但对于这种特定的工业数据集我们还可以做一些针对性的增强。5.1 针对性离线数据增强除了在线增强在训练前对数据集进行一轮离线增强可以进一步扩充数据多样性。针对齿轮图像的特点可以考虑模拟光照变化工业现场光照可能不均。可以应用随机亮度、对比度调整甚至模拟部分阴影。模拟轻微运动模糊相机或齿轮轻微抖动可能导致模糊。添加噪声模拟传感器噪声如高斯噪声、椒盐噪声。背景替换与合成将齿轮目标抠出来可以使用标注框大致裁剪粘贴到不同的背景如金属台面、传送带、其他复杂机械背景上生成新的训练图片。这是一种非常有效的扩充方式尤其是当原始数据集背景比较单一时。仿射变换除了随机的旋转、缩放、剪切可以模拟相机视角的轻微变化。你可以使用Albumentations或imgaug库来方便地实现这些增强。一个原则是增强应尽可能模拟真实场景中可能遇到的变化而不是引入不现实的畸变。5.2 利用预训练模型与迁移学习这是应对小数据集最有效的手段我们在3.2节已经使用了。这里再强调其核心逻辑预训练模型在ImageNet或COCO上训练的底层卷积网络已经学会了提取通用特征如边缘、角点、纹理、形状的能力。我们的任务就是让模型微调这些特征使其更适应“齿轮”这个特定领域。相比于从随机初始化权重开始训练这需要少得多的数据就能达到很好的效果。5.3 模型微调与正则化技巧即使使用了预训练模型在小数据集上仍然需要小心过拟合。冻结骨干网络在训练初期可以先将特征提取网络Backbone的权重冻结只训练检测头Head。训练几十个epoch后再解冻全部网络进行微调。这能防止在初始阶段就破坏掉预训练好的通用特征。YOLOv8可以通过修改模型YAML文件或代码实现但命令行接口可能不直接支持。一种变通方法是先以极低学习率训练全部参数再恢复正常学习率。更强的正则化增加权重衰减在优化器中设置更大的weight_decay值如5e-4惩罚大的权重使模型更简单。使用DropOut尽管YOLO本身结构紧凑但在检测头全连接层如果存在后添加DropOut有时有帮助。这需要修改模型结构。早停我们已经提到了patience参数这是防止过拟合最简单的工具。标签平滑在计算分类损失时使用标签平滑可以减轻模型对训练标签的过度自信提升泛化能力。YOLOv8的部分版本支持该参数。5.4 类别不平衡处理检查你的数据集6个类别的样本数量很可能是不均衡的。比如“完整齿轮”可能最多“裂纹齿轮”非常少。模型会倾向于多预测样本多的类别。应对策略在数据层面对样本少的类别进行过采样重复使用其图像或者对样本多的类别进行欠采样。在损失函数层面使用Focal Loss。YOLOv8默认的损失函数可能已经包含了处理类别不平衡的机制如Varifocal Loss但了解其原理很重要。Focal Loss通过降低易分类样本的权重让模型更关注难分的、稀有的样本。你可以在YOLO的源码中查找是否可以使用Focal Loss或者尝试寻找实现了Focal Loss的改进版本。6. 项目总结与进阶思考通过这个“齿轮检测数据集”我们完整地走通了一个目标检测项目的标准流程从数据集理解、格式解析到环境搭建、模型训练、监控评估再到模型导出和推理部署。对于初学者这个流程是通用的可以迁移到任何其他目标检测任务上无论是检测零件、车辆、人脸还是细胞。这个数据集虽然解决了“从0到1”的问题但要实现“从1到100”的工业级应用还有很长的路要走。基于此我们可以做一些更有挑战性和实用性的扩展缺陷分割检测框只能告诉你齿轮有问题但不知道具体是哪个齿缺了裂纹有多长。这就需要将任务升级为实例分割。YOLOv8本身就支持分割模型yolov8n-seg.pt。你需要将标注格式从VOC/YOLO的边界框转换为多边形或掩码格式如COCO的segmentation格式。这能提供更精确的缺陷信息。视频流实时检测生产线上的检测往往是基于视频流的。你需要将上述单张图片推理代码嵌入到一个视频读取循环中并考虑使用跟踪算法如ByteTrack, BoT-SORT来为连续帧中的同一个齿轮分配唯一ID从而统计数量、分析缺陷变化趋势。部署到边缘设备工厂车间可能没有强大的GPU服务器。你需要将模型量化如INT8量化并部署到Jetson系列、华为Atlas、瑞芯微RK3588等边缘计算设备上。这涉及到针对特定硬件平台的模型转换和性能优化。构建完整系统一个完整的工业视觉检测系统不止有AI模型。还包括触发与采集如何与PLC通信在齿轮到达拍照位时触发相机图像预处理如何保证打光稳定如何做畸变校正结果处理与反馈检测到缺陷后如何控制机械臂将其剔除如何将检测结果图片、数据、统计报表上传到MES系统这个544张图的数据集就像一把钥匙为你打开了工业视觉检测这扇大门。真正的挑战和乐趣在于如何将这把钥匙用在解决一个个具体的、复杂的实际问题中。在实际操作中我最大的体会是数据质量永远比模型结构更重要。花时间清洗、分析、增强你的数据其回报远大于无休止地尝试更复杂的模型。先从一个小而干净的数据集和一个稳定的基线模型如YOLOv8s开始快速迭代验证想法才是最高效的路径。本文还有配套的精品资源点击获取