简介本资源为YOLO谢韦尔钢材缺陷检测数据集面向从事工业质检、目标检测算法学习与竞赛实践的学生及开发者帮助解决钢材表面缺陷识别任务中数据获取与格式转换的难题。压缩包共2000个文件约12.38MB包含1000张真实场景高质量图片以及vocxml、cocojson和yolotxt三种格式标签另附yaml配置文件、划分脚本与教程页面可直接接入YOLO系列模型训练。资源还提供训练集、验证集、测试集划分脚本支持按需重新划分数据并附YOLO环境搭建与训练案例教程覆盖Windows与Linux双平台。目前已有587人学习下载适合希望快速复现钢材缺陷检测流程、对比多格式标签差异或搭建自身数据管线的读者参考使用。1. 钢材缺陷检测数据集怎么选谢韦尔这批 1000 张图能省掉多少标注成本做过工业质检落地的都知道钢材表面缺陷检测最贵的从来不是显卡是标注。热轧板坯上的裂纹、夹杂、斑块、麻点、氧化铁皮压入这几类缺陷在产线相机下灰度差异极小让新人标一批数据返工率能到三成。谢韦尔Severstal钢铁缺陷数据集在 Kaggle 上原本是竞赛用的四类缺陷、带 RLE 掩码但那是分割任务直接拿来训 YOLO 检测并不顺手。这份资源做的事很实在把谢韦尔场景的 1000 张真实产线图片重新用 labelImg 按检测框标了一遍同时导出 VOC 的 xml、COCO 的 json、YOLO 的 txt 三套标签还配了划分脚本和 Linux/Windows 两套环境搭建与训练教程。它解决的是「我手上没有工业缺陷数据、又不想从零标一千张图」这个具体问题适合做 YOLO 入门实战的学生、要快速验证缺陷检测方案可行性的算法工程师以及需要一份带完整标签格式对照的从业者。1000 张不算多但作为跑通流程、验证数据增强策略和损失函数收敛的起点够用了。2. 三种标签格式的差异与转换逻辑为什么同一批图要存三份2.1 VOC、COCO、YOLO 三种格式到底差在哪很多人拿到数据集第一反应是「三份标签是不是冗余」其实不是。VOC 的 xml 是每张图一个文件框用xmin/ymin/xmax/ymax绝对像素坐标存可读性最好labelImg 默认就吐这个COCO 的 json 是整份数据集一个文件框用[x, y, width, height]绝对坐标还带category_id、image_id、annotations三层结构pycocotools 评估和很多预训练权重加载都认它YOLO 的 txt 是每张图一个文件每行class_id cx cy w h全部归一化到 0~1训练时直接读不用再解析。三份并存的价值在于你想换检测框架、想用 COCO 预训练权重做迁移、想拿 VOC 格式去跑 mmdetection都不用重新转。常见做法是拿 YOLO 格式直接训需要评估时用脚本转回 COCO。这里有个容易翻车的点YOLO 的cx cy是框中心点归一化坐标不是左上角。我见过有人把 VOC 的xmin/ymin直接除以宽高当cx cy写进去训出来的框整体偏移半个身位loss 死活降不下去。转换时务必按cx (xmin xmax) / 2 / W、w (xmax - xmin) / W来算。2.2 用脚本在三种格式间互转资源里给的是成品标签但实际做项目时你标完新图还是得自己转。下面这段是我常用的 VOC 转 YOLO逻辑和资源里的划分脚本一致可以直接抄import os import xml.etree.ElementTree as ET # 类别映射必须和 data.yaml 里的 names 顺序完全一致 CLASSES [crack, inclusion, patch, pitted_surface] def voc_to_yolo(xml_dir, out_dir, img_w, img_h): os.makedirs(out_dir, exist_okTrue) 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() # 图片真实尺寸优先从 xml 的 size 读别硬编码 size root.find(size) w int(size.find(width).text) h int(size.find(height).text) lines [] for obj in root.iter(object): cls_name obj.find(name).text if cls_name not in CLASSES: continue cls_id CLASSES.index(cls_name) 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) # 归一化中心点与宽高 cx (xmin xmax) / 2.0 / w cy (ymin ymax) / 2.0 / h bw (xmax - xmin) / w bh (ymax - ymin) / h lines.append(f{cls_id} {cx:.6f} {cy:.6f} {bw:.6f} {bh:.6f}) with open(os.path.join(out_dir, xml_file.replace(.xml, .txt)), w) as f: f.write(\n.join(lines))逻辑说明先建类别映射表CLASSES的顺序决定class_id一旦和训练配置里的names对不上模型会把裂纹认成斑块。尺寸从 xml 的size节点读不要用固定值因为产线相机分辨率可能变。坐标归一化保留 6 位小数够用且不丢精度。参数上xml_dir是 VOC 标签目录out_dir是输出 txt 目录两个路径别写反。2.3 划分脚本怎么用才不出错资源里带了三个划分脚本训练集验证集测试集三分、训练集验证集二分、以及生成 ImageSets 下 txt 的脚本。三分脚本会把图片和对应标签一起复制到新文件夹这点很关键——很多人只复制图片不复制标签训练时找不到 label 直接报No labels found。运行前先确认图片和标签文件名主干一致比如img_001.jpg对img_001.txt不一致的脚本会跳过跳过的数量会在终端打印别忽略这个数字。划分比例一般 7:2:1 或 8:1:1工业缺陷样本少的时候测试集别低于 10%否则评估指标抖动大。train_list.txt是给某些框架读文件列表用的格式是每行一个图片绝对路径路径里别带中文和空格Windows 下尤其容易因为空格截断。3. 环境搭建与训练Linux 和 Windows 两条路怎么走3.1 Linux 下从零到能跑训练资源里的 Linux 教程基于 Ubuntu我按自己的习惯补一下关键步骤。先确认显卡驱动和 CUDA 版本匹配nvidia-smi右上角显示的 CUDA 版本是驱动支持上限不是已安装版本别搞混。然后建虚拟环境别在系统 Python 里装conda create -n yolo_defect python3.9 -y conda activate yolo_defect # 按显卡驱动支持的 CUDA 版本选 torch这里以 cu118 为例 pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118 pip install ultralytics opencv-python pycocotools逻辑说明Python 3.9 是 YOLO 系列兼容性最稳的版本之一3.11 以上有些依赖轮子还没跟上。--index-url指定 PyTorch 官方源避免装到 CPU 版。装完用python -c import torch; print(torch.cuda.is_available())验证返回True才算通。如果返回False九成是 CUDA 版本和 torch 版本不匹配回退重装。3.2 Windows 下的坑集中在路径和编码Windows 教程的流程和 Linux 差不多但有两个高频翻车点。一是路径反斜杠YOLO 配置文件里写path: D:\dataset有时解析异常统一改成正斜杠D:/dataset更稳。二是中文路径conda 环境、数据集目录、输出目录任何一层带中文都可能让 dataloader 报编码错全用英文。另外 Windows 下num_workers设大了容易卡死建议先设 0 或 2 跑通再往上加。3.3 训练配置怎么改才适配这批数据资源里的训练教程是「根据案例修改训练自己的数据集」核心就是改data.yaml。这批数据四类缺陷配置大概长这样path: ./severstal_yolo train: images/train val: images/val test: images/test nc: 4 names: [crack, inclusion, patch, pitted_surface]参数说明nc是类别数必须和 names 长度一致names顺序必须和标签里的class_id对应错一个全乱。训练命令用yolo detect train datadata.yaml modelyolov8n.pt epochs100 imgsz640 batch16imgsz设 640 是速度和精度的平衡点缺陷目标小的话可以试 1024但显存要够。batch根据显存调8G 显存跑 640 大概能到 16。学习率默认 0.01样本少的时候可以降到 0.001 防过拟合。提示训练前先用yolo detect train ... epochs1跑一轮确认数据能正常加载、类别数对得上再开长训练。直接上 100 轮数据有问题的话白等几小时。4. 避坑与排查这批数据训练时最容易踩的五个坑4.1 训练 loss 不降框全糊在一起现象训练几十轮后 box_loss 在 2.0 附近震荡不降验证时框位置明显偏移。原因标签坐标没归一化或者归一化时用了错误的宽高比如用了缩放后的尺寸。解决抽查几个 txt 文件确认所有值都在 0~1 之间且cx cy是中心点。用2.2的脚本重新转一遍转换时尺寸从原图读。4.2 报 No labels found in cache现象训练启动就报这个错或者提示某张图没有对应标签。原因图片和标签文件名主干不一致或者划分脚本只复制了图片没复制标签。解决写个脚本比对两个目录的文件名集合差集就是问题文件。划分时确保图片和标签成对复制。4.3 类别索引错位裂纹被识别成斑块现象模型能检出框但类别标签系统性错误。原因data.yaml里names顺序和标签生成时的CLASSES顺序不一致。解决两边顺序严格对齐改完清掉labels.cache重新训练缓存不清改了也不生效。4.4 显存溢出 CUDA out of memory现象训练中途报显存不足。原因batch或imgsz设太大或者num_workers过高导致内存泄漏。解决先把batch减半还不行就降imgsz到 416。Windows 下把num_workers设 0 试试。4.5 验证集指标虚高实际推理一塌糊涂现象mAP 看着不错但拿新图推理漏检严重。原因划分时没打乱训练集和验证集图片来自同一批次、光照条件高度相似模型过拟合了。解决划分前先 shuffle或者按拍摄批次分层划分。工业场景尤其要注意不同批次的钢材表面反光差异很大。5. 从 1000 张到产线可用数据增强与验证的进阶技巧1000 张图训出来的模型直接上产线大概率不够看。我的习惯是在训练配置里开足增强YOLO 自带的mosaic、mixup、hsv_h、hsv_s、hsv_v这几个参数对钢材缺陷特别有用——产线光照变化大HSV 抖动能让模型对亮度不敏感。degrees旋转别开太大钢材缺陷有方向性转 180 度可能把裂纹转成不存在的形态一般 10 度以内。flipud和fliplr可以开缺陷没有严格上下左右语义。验证阶段别只看 mAP工业质检更关心漏检率和误检率。写个推理脚本批量跑测试集统计每类的召回和精确率from ultralytics import YOLO import os model YOLO(runs/detect/train/weights/best.pt) test_dir ./severstal_yolo/images/test results model.predict(sourcetest_dir, conf0.25, iou0.5, save_txtTrue) # conf 阈值按产线要求调宁可误检不可漏检就调低 print(f共处理 {len(results)} 张图)参数说明conf0.25是置信度阈值产线要求高召回就降到 0.1要求低误报就升到 0.5。iou0.5是 NMS 的 IoU 阈值重叠目标多的时候调低。save_txtTrue会把预测结果存成 YOLO 格式方便和真值对比算指标。还有一个容易被忽略的点这批数据是静态图片但产线是视频流。图片训的模型直接跑视频帧间抖动会导致框闪烁。常见做法是加跟踪算法做时序平滑或者对连续几帧的检测结果做投票。这个资源没带跟踪部分属于要自己补的环节。从那以后我每次拿到新数据集都强制先跑一遍「单轮训练 抽查标签 验证集可视化」这三步确认数据管道没问题再开长训练。工业缺陷检测这行数据质量比模型结构重要得多1000 张标得准的图胜过 10000 张糊弄的。希望帮到你。本文还有配套的精品资源点击获取