企业官网建设流程全解析

简介：本资源是一套开箱即用的YOLOv5钢材表面缺陷检测完整方案，面向工业视觉初学者、智能制造方向学生及产线质检工程师，解决钢材生产中裂纹、划痕、凹坑等典型缺陷的自动化识别难题。压缩包共180个文件，含34个核心Python脚本（含训练/推理/QT界面逻辑）、29个YOLOv5配置yaml文件、32张标注样例JPG图像、5个预训练.pt权重与5个XML标注文件，并集成PyQt5开发的图形界面（含4个.ui设计文件），支持图片、视频及实时摄像头检测；另有PR曲线、loss曲线图、results.csv评估结果及TensorBoard日志文件，便于模型效果复现与分析。资源包大小为141.66MB，结构清晰，数据集已用LabelImg完成双格式（XML+TXT）标注，可直接用于迁移训练或教学演示。目前已有1750人学习下载，配套博文详细展示了数据集构成、界面操作流程与检测效果对比，是兼顾工程落地与课程实践的高实用性工业检测项目资源。 做钢材表面缺陷检测这件事，业内其实已经卷了不少年。传统视觉方案用灰度阈值、频域滤波、形态学处理，对钢带表面的那几类典型瑕疵能跑通，但一换产线、一换光源、钢材表面稍有点水渍氧化皮，规则就崩，维护成本极高。YOLOv5出来之后，很多做工业视觉的朋友开始把它当作缺陷检测的主力模型，原因很简单：在精度不掉的大前提下，部署成本低，推理速度快，社区资料还多。我这次整理的这套项目，就是用YOLOv5做钢材表面六类常见缺陷的检测，配合训练好的权重文件和数据集，再套一个Qt界面用于现场操作和结果展示，整套东西既可本地跑通，也可以挪到工控机上做产线级验证。

适合谁看？如果你是刚准备把深度学习检测模型落到工业场景的算法工程师、做机器视觉的售前售后工程师，或者在校学生需要快速搭建一套能跑通的全流程检测Demo，这篇内容就是给这类需求写的。下面会把数据集准备、模型训练、权重选型、界面整合这几个环节拆开讲清楚，每一步都给可直接照搬的参数和命令，也会把我在实际调试中踩过的坑一并说出来。

1. 项目整体设计与方案选型

1.1 为什么选YOLOv5而不是其他检测模型

钢材缺陷检测的场景相对特殊：被测表面纹理复杂、反光强烈、缺陷类型多且偶尔出现小目标缺陷，比如细小的夹杂和斑块。早期我用过Faster R-CNN做类似任务，精度上没问题，但推理速度在工业场景里撑不住，尤其是如果相机分辨率高、同时接多路相机，GPU资源一下就被占满。YOLOv5的anchor-based检测机制在速度和精度之间取得了很好的平衡，网络结构上对输入尺寸的适应性也好，可以把输入分辨率拉到640甚至1280来提升小目标召回，代价可控。

YOLOv5的另一个优势是工程生态成熟。数据增强、超参数进化、模型导出（ONNX、TensorRT）都做得非常顺手，对不擅长算法底层的视觉工程师来说，它是目前综合门槛最低、见效最快的方案。YOLOv8虽然更新，但如果你需要直接部署到厂里的老版本工控机，或者需要依赖一些较老的精简框架，YOLOv5反而更稳。和现在很多团队选择YOLOv8相比，YOLOv5的灵活性和可替换部件的社会资源存量依然值得坚持。

1.2 项目构成：三块拼图缺一不可

这套项目完整度高的原因在于三块拼图都有落地：

• 数据集：标注好的钢材表面缺陷数据，包含轧制氧化皮、斑块、开裂、点蚀表面、麻点、夹杂这六类常见缺陷，也就是业内熟悉的NEU-DET数据集对应的六类。如果你想自建数据，这套格式可以通用。
• 权重文件：基于上述数据训练出的YOLOv5权重，包括best.pt和last.pt。权重的作用不仅是给测试跑个结果，更重要的是作为基准线。有了它，你在自己的产线数据上做微调时就不用从头开始训练。
• Qt界面：用PyQt5或者PySide2写的一套桌面客户端，负责加载模型、选择图片/视频/相机源，实时显示检测结果并输出缺陷统计信息。

这三块是一个典型的“算法+界面”闭环。很多项目训练好模型就放那儿了，实际现场操作员根本不会用命令行在线推理，必须给一个可视化界面，这也是为什么“YOLOv5钢材缺陷检测模型权重数据集Qt界面”这套组合会同时被大家搜索和关注。

2. 数据集准备与处理

2.1 选公开数据集还是自建数据集

钢材缺陷这块公开数据集中最有名的就是NEU-DET，由东北大学发布，包含1800张热轧带钢表面缺陷图片，每类缺陷各300张，尺寸统一为200x200。这个数据集包含的六类缺陷是：crazing（裂纹）、inclusion（夹杂）、patches（斑块）、pitted_surface（点蚀表面）、rolled-in_scale（轧制氧化皮）、scratches（划伤）。类别不多，但每类形态差异很大，尤其是crazing和pitted_surface，往往带光照和纹理干扰，很适合用来跑通训练流程。

实际生产环境中，NEU-DET的分辨率偏低，图片上的缺陷尺寸相对偏大，直接用它训练出的模型到现场不一定好用。建议把它作为算法基线和迁移学习的起点，如果条件允许，从现场采集真实钢材表面图片，标注格式对齐成YOLOv5要求的txt格式（类别编号 中心点x坐标 中心点y坐标 宽度 高度，均为归一化值），这样训练出的权重才贴合现场工况。另外热词里也提到了“钢铁缺陷数据集servtal”之类的变体，实际都是同一批公开数据在不同渠道的传播命名，判断数据好坏的方式主要是看标注质量，而不是看名称噱头。

做自建数据集时需要注意采集时的光源方向：打光角度变化会导致同一类缺陷在图像上的灰度梯度完全不同，模型很容易学到光源特征而非缺陷本身，这一点在钢材检测里特别重要。

2.2 标注格式转换与数据增强策略

如果你拿到的数据不是YOLO格式，可以用LabelImg或labelme导出的XML/JSON格式转换过来。这里我习惯写一段Python脚本批量处理，避免手动改标注的体力活。需要注意XML中坐标是左上角和右下角，转YOLO格式时要算中心点、宽度、高度，并且全部除以图片宽高做归一化，否则训练时会报错或者效果极差。

数据增强方面，YOLOv5自带马赛克（mosaic）增强和随机仿射变换，工业表面缺陷场景中我还习惯叠加以下操作：

• 轻度高斯模糊：模拟镜头轻微失焦或反光扩散。
• 随机亮度/对比度调整：模拟不同产线光照条件。
• 随机水平翻转：注意有些缺陷方向有物理意义（比如划伤方向），不要盲目翻转。
• Cutout / Random Erase：可以模拟表面氧化皮遮挡造成的不完整缺陷形态，提升模型鲁棒性。

但增强比例不宜过大，钢材缺陷本来就占图小，过度增强反而会让模型学到噪声。我在训练时通常只开YOLOv5默认增强，手动把hsv_h、hsv_s强度降一点，因为钢材表面色彩信息很少，饱和度扰动意义不大，反而可能让缺陷区域颜色失真。

2.3 数据划分与训练集/验证集的坑

数据集划分不是简单随便分一下，它在缺陷检测中相当影响最终性能评估。最常见的问题是真实验证时发现mAP很高，但现场一测就废，原因是训练时数据分布和验证集太相似。钢材图片如果来自同一批连铸板坯，前后帧的光照、纹理基本不变，模型记住场景而没记住缺陷。

我的做法是：按图片采集时间或者产线批次划分训练集和验证集，而不是随机打乱。保证验证集包含不同光线条件下拍摄的图片，而不是来自同一时段。这是我踩过多次坑后总结出来的经验——工业视觉项目里，验证集构建是否合理，直接决定你后续模型能不能在现场落地。如果样本量少，记得使用K折交叉验证来评估稳定性，避免某一折凑巧效果很差或很好。

YOLOv5的目录结构按标准格式放即可：

dataset/ ├── images/ │ ├── train/ │ └── val/ ├── labels/ │ ├── train/ │ └── val/

注意images和labels里对应文件的文件名必须一一对应，扩展名可以不同（.jpg/.png对应.txt），但主名必须一致。这种小细节一旦出错导致标注文件缺失，训练时loss会看上去正常，但实际大量图片没有参与监督计算。

3. 模型训练与权重调优

3.1 环境搭建与版本选择

如果是从“yolov5下载安装”这个关键词点进来的，可以直接去GitHub官方仓库拉最新release版本。建议不要用默认的master分支最新代码，而是选择v6.0或v7.0这种经过大量人验证的稳定版，因为最新代码可能依赖更新版本的依赖库，容易在安装环节卡住。克隆仓库后创建虚拟环境：

git clone https://github.com/ultralytics/yolov5.git cd yolov5 python -m venv venv source venv/bin/activate # Windows下为 venv\Scripts\activate pip install -r requirements.txt

如果你有NVIDIA GPU，再装对应版本的PyTorch，用CUDA 11.8对应torch 2.0.1一般不会出问题。如果只有CPU，也能训练，但速度会慢到怀疑人生。工业场景中推理机通常用GPU，训练机最好也是GPU，内存建议16G以上，显存8G起步。

依赖安装后先跑一个检测demo验证环境，用官方给的yolov5s.pt跑一下：

python detect.py --source data/images/bus.jpg --weights yolov5s.pt

能正常出结果框，再开始正式训练流程。

3.2 训练参数配置与计算过程

训练前需要准备一个数据配置文件。以NEU-DET为例，写一个钢材缺陷专用的yaml：

train: D:/steel_dataset/images/train val: D:/steel_dataset/images/val nc: 6 names: ['crazing', 'inclusion', 'patches', 'pitted_surface', 'rolled-in_scale', 'scratches']

训练命令我习惯写成这样：

python train.py --data steel.yaml --weights yolov5s.pt --img 640 --batch 16 --epochs 100 --device 0 --name steel_yolov5s

几个关键参数的选择逻辑：

• 输入分辨率img：NEU-DET原始图只有200x200，但训练时缩放至640并配合mosaic增强可以增强模型对多尺度特征的适应性。如果主要检测小缺陷，推荐训练分辨率640，推理时可以用640或1280。
• batch size：取决于GPU显存。以NVIDIA RTX 3060 12G为例，YOLOv5s在640分辨率下batch 16没问题。如果显存紧张，batch 8也可以，但收敛会稍慢。可以先用小batch跑几个epoch，观察显存占用再决定。
• epochs：对于NEU-DET这样1800张的小数据量，100轮已经足够看到收敛。自建数据规模大，建议200轮起，同时配合早停机制。
• weights：可以使用预训练权重yolov5s.pt做迁移学习，也可以基于自己之前训练好的best.pt继续训练。如果类别差异大，迁移学习对收敛速度的提升非常明显。

训练过程中你会看到很多训练指标输出，包括box_loss、cls_loss、obj_loss、mAP@0.5、mAP@0.5:0.95等。mAP@0.5达到0.8以上就是不错的结果，但对于钢材表面缺陷，目标是现场漏检率低，所以我会更关注recall和各类缺陷单类别的AP值，例如crazing通常最难检测，AP往往偏低，这跟缺陷边缘与背景纹理难区分有关。

3.3 权重选择与模型剪枝优化

训练结束后，在runs/train/steel_yolov5s/weights目录下会有best.pt和last.pt两个文件。best.pt根据验证集最优mAP保存，last.pt是最后一轮保存结果。默认用best.pt，但如果你的验证集划分合理，有时候last.pt在特定类别上的召回反而更好，可以都测试对比一下。

权重选好后，还要考虑部署阶段的模型瘦身。如果放在Qt界面里用，直接用PyTorch权重即可；如果要上产线，建议导出为ONNX或TensorRT格式，推理速度会有数量级提升。

导出ONNX非常简单：

python export.py --weights runs/train/steel_yolov5s/weights/best.pt --include onnx --opset 12

导出后可以用onnxruntime加载推理，比直接跑PyTorch推理要省内存，速度也更快。TensorRT则需要在目标工控机上安装对应版本的TensorRT，在这里不展开。另外有一个细节：如果导出后onnx推理结果与pt结果不一致，记得检查导出时的opset版本和输入分辨率是否一致。

YOLOv5超参数（hyp.scratch.yaml）中影响最大的是lr0（初始学习率）、mosaic（马赛克增强概率）、fliplr（水平翻转概率）。工业场景中，我建议把fliplr设为0.3以下，因为水平翻转对划伤这类长条状缺陷的方向性有干扰，模型可能学到缺陷必须朝某一方向才算正样本，实际现场方向是任意的，所以翻转比例要谨慎。

4. Qt界面集成与部署

4.1 界面功能设计与线程模型

Qt界面在整个项目里解决的是“让非算法人员用起来”的问题。界面功能设计上，我的划分是：

• 左侧：功能控制区域，包括选择模型权重文件、选择图片/视频/相机源、开始/停止检测、阈值滑块。
• 中间：图像显示区域，原始图像和检测结果图像切换显示。
• 右侧：检测结果列表，包括缺陷类别、置信度、数量统计。
• 底部：检测耗时和FPS显示。

从技术角度，最关键的是要让推理不出现在主线程中。如果在Qt的主线程（GUI线程）里跑YOLOv5推理，界面会卡住，拖动窗口都成问题，别说实时显示了。我通常的做法是使用QThread把推理流程放进单独的线程，通过信号槽机制把推理结果传回主线程更新界面。在PyQt5里定义推理线程类：

class DetectThread(QThread): result_ready = pyqtSignal(list, str) # 检测结果，显示图像路径 def __init__(self): super().__init__() self.model = None self.source = "" def load_model(self, weights_path): self.model = torch.hub.load('ultralytics/yolov5', 'custom', path=weights_path, force_reload=True) def run(self): # 加载图片+推理+发送信号 results = self.model(self.source) self.result_ready.emit(results.pandas().xyxy[0].values, self.source)

这里用了torch.hub.load加载模型，优点是代码简单，无需自己在代码里拼模型结构和权重路径；缺点是每次加载都要联网或缓存，离线环境需要预先下载好hubconf，否则会卡在加载阶段。

4.2 界面布局与显示逻辑

界面布局我推荐用QHBoxLayout和QVBoxLayout组合，而不是用Qt Designer拖出来的固定尺寸控件。因为现场工控机的屏幕分辨率不固定，布局管理器可以自适应窗口大小。使用QGraphicsView或QLabel显示图片，注意QLabel显示大图时要用scaled来缩放，否则会把控件撑爆。

图像显示的逻辑也有讲究：YOLOv5推理返回的结果是已标注完的图片（NumPy数组），直接用QPixmap转成QImage显示即可。但要注意，cv2读入的图像是BGR通道，需要转换成RGB再在Qt里显示；用matplotlib显示时还要注意没有GUI后端时会崩溃，建议直接用cv2.imencode转png字节流再显示。

另外，阈值滑块联动检测置信度时，我习惯用滑块控制self.conf阈值，每帧推理结果中置信度低于阈值的框直接滤掉。这个设计对现场调参很有用：不同光线条件下缺陷置信度波动，操作员可以根据实际情况实时调整阈值，不用重启程序、不用改代码。但注意过滤逻辑需要放在后处理中，避免重新设定模型参数。

4.3 相机接入与网络IP设置

很多用户搜索“qt 界面ip设置”或“qt 界面linux ip设置”，说明界面不只是本机文件检测，还要接入工业相机或局域网视频流。工业相机常见通过RTSP协议接入，比如海康、大华相机，或者远程工控机上的RTSP流。Qt中可以调用cv2.VideoCapture来读取：

cap = cv2.VideoCapture("rtsp://192.168.1.100:554/Streaming/Channels/101")

需要注意RTSP流读取和显示不能放在GUI线程里，建议单独开一个采集线程，读帧后存入队列，推理线程从队列中取帧进行检测。两个线程之间用threading.Queue或QQueue来传递数据，队列长度控制在3帧左右，超出丢帧，保证实时性。

关于IP设置，最常见的问题是相机与电脑不在同一网段，导致cv2.VideoCapture一直返回失败。排查步骤是先ping相机的IP，确认网络连通性，然后在Qt界面中提供一个设置IP的输入框，把子网掩码、网关都做成可配置项。如果你在Linux工控机上，还需要注意ens33/eth0等网卡名称是否正确，网卡未启用时系统配置了IP也不生效，可以使用nmcli或ifconfig排查。建议界面上额外加一个网络状态显示模块，读取当前主机的IP配置，方便现场判断问题出在相机还是网络层。

5. 常见问题与排查技巧实录

5.1 训练阶段：loss异常、数据加载慢、显存溢出

训练时最常见的一个坑是loss直接nan。多数原因是学习率设置过大，可以将lr0从0.01降到0.001。如果数据集中存在空标注文件（图片没有对应标签），也会导致计算loss时出现nan，建议训练前写脚本扫描label目录，确保每张图片都有标注且类别编号在0到nc-1之间。

数据加载慢的问题多半是磁盘IO瓶颈。如果数据集放在机械硬盘上，训练时读取图片会成为性能瓶颈。YOLOv5自带cache-images参数，可以把数据集缓存到内存，训练速度提升非常明显，前提是内存足够。另外图片过大的场景建议先压缩图片尺寸再训练，不需要直接拿原图5000x3000去喂给模型。

显存溢出（CUDA out of memory）时，可以逐步降低batch大小到8、4，或者打开--cacheImages后释放部分内存。但在训练阶段，最好不要一上来就降低分辨率，因为分辨率影响检测性能，优先考虑batch和优化器设置。

5.2 推理阶段：结果与训练不一致、延迟高、乱码

很多人在Qt界面里集成模型后，发现同一张图检测结果和训练时验证结果差别很大。这一般是预处理不一致导致的，比如训练时走了letterbox（保留长宽比加灰边）预处理，而界面推理时没有做同样的letterbox，直接resize成方形，导致目标变形，检测性能明显退化。YOLOv5的detect.py会自动做letterbox，但自己写推理代码时很容易忽略这个细节，我用PyTorch的torchvision加载图片时也遇到过。强烈建议在Qt中直接调用YOLOv5提供的推理封装，而不是自己拼预处理流程。

推理延迟高，通常是模型过重或设备太弱。可以尝试改用yolov5s或yolov5n的权重，或者在导出ONNX后开启fp16精度，速度会有明显提升。CPU推理时建议使用OpenVINO导出的IR模型，在Intel平台上速度提升显著。如果要保持重量级的检测精度，考虑提升推理线程优先级，并把界面刷新控制在15-30帧，不必每帧都刷新UI，检测结果可以按固定频率更新显示。

关于中文显示乱码，这个问题在工业现场很常见。YOLOv5训练时类别名用的是英文，Qt界面上如果需要显示中文类别名，注意不要直接从模型读取名称，而是在界面映射表中自己处理中文名称。Qt的QLabel默认字体不支持中文时，有可能显示成方框，你需要在程序启动时设置：

from PyQt5.QtGui import QFont QFont("Microsoft YaHei", 10)

5.3 权重和文件路径的坑

最容易被忽视的一个坑是路径中有中文或空格：权重文件路径、数据集路径如果有中文，训练阶段PyTorch能正常读，但导出ONNX或Qt加载时经常报错。网上很多“模型加载失败”的案例，最后都是路径问题。建议项目根目录纯英文、无空格。

另一个坑是在Qt中加载权重时，直接使用绝对路径，但不做文件类型校验。用户手滑选了.pt文件类型之外的模型或者文件不完整，会导致加载时直接崩溃。所以在打开文件选择框时过滤后缀，并在加载前检查文件大小的合理性，至少不应为0字节。

从我的实际经验来看，把best.pt放到一个统一的models目录下，并带上日期和mAP信息命名，例如steel_yolov5s_0912_089.pt，对于多版本模型比对非常有帮助。工业现场的工程师通常记不住哪个权重是哪个版本，文件名写清楚比什么都强。

写在最后的实操心得

整套流程走通之后，最让我有感触的一点是：YOLOv5本身并不是难点，真正的工程难点在于数据质量、前后处理一致性和界面线程稳定性。这些内容不是读论文能学会的，而是需要在现场一台相机一台相机排查、一个一个bug解决中积累起来的。如果你准备从头搭这个项目，我建议先把训练这一环跑稳，拿到一个满意的权重后再写Qt界面。把界面写完了再回头调模型，调试成本会高很多。另外，如果要部署到现场，尽量把模型导出成ONNX或者TensorRT，推理速度和资源占用都会好得多。希望这篇内容能帮你跳过一些我自己当年踩了又踩的坑。

本文还有配套的精品资源，点击获取