企业官网建设流程全解析

简介：面向毕业设计、工业质检及目标检测入门场景的YOLOv5齿轮图像缺陷检测实战项目，提供从数据标注、模型训练到推理部署的完整闭环。压缩包共2000个文件，包含1400个txt标签文件、442张jpeg齿轮图像、51个Python脚本及50个yaml配置，另有Dockerfile、tutorial.ipynb等环境与教程辅助文件，整体大小约376MB。目前已有238人学习下载，适合需要快速搭建缺陷检测基线或完成课程设计的学生参考。项目附有可直接使用的数据集与预训练脚本，能帮助读者理解YOLOv5的训练流程、标签格式及部署细节，减少从零搭建环境的时间成本。

1. 为什么齿轮图像缺陷检测要选 YOLOV5

齿轮加工车间的质检工位上，崩角、划痕、裂纹和缺齿这些问题，很多时候还要靠人工在强光下逐个翻看。人工检得快容易漏，检得细又跟不上节拍，一条产线往往要安排两到三个人轮班盯。传统机器视觉方案用模板匹配或阈值分割处理规则缺陷还可以，一旦遇到光照变化、油污遮挡或者复杂齿面纹理，特征就不稳定了。

YOLOV5 作为单阶段目标检测器，把“找目标”和“分类别”统一成一个回归问题，在保证 mAP 不差的前提下，推理速度明显优于两阶段模型。对齿轮检测这种需要部署在产线工控机或边缘设备上的场景，速度直接决定能不能在节拍内完成判定。更重要的是，YOLOV5 的训练链路非常成熟，数据标注、训练、验证、导出 ONNX 的流程都有现成工具，工程师不需要从零搭建网络结构。

这篇文章面向的是视觉算法工程师、质检自动化集成商和刚接触缺陷检测的嵌入式开发者。我按照一个完整实战项目会走的路径来展开：先解决数据集从哪来、怎么整理成 YOLO 格式，再训练模型、调超参数，然后评估和部署推理，最后给出几个最容易让齿轮检测项目翻车的排查点。文章里给的命令和参数都是可复制的，你可以直接套到自己的齿轮图像上跑一遍。

2. 齿轮缺陷检测数据集获取与 YOLO 格式准备

2.1 开源数据集与自制采集怎么选

标题里说“包含完整数据集”，但真实项目里“完整”指的并不是图片多，而是图片、标注、类别划分和验证集都齐全。很多公开的轴承齿轮检测数据集，比如在开源数据集站点上搜“轴承 齿轮”缺陷，能找到带缺陷掩膜或边界框的图片集，但类别命名和标注格式各不相同，有的只有裂纹，有的把划痕和磨损混在一起。拿到手后第一步不是直接训练，而是统一类别清单。

我一般会先做一次数据体检：把每个类别的样本数统计出来，看类别是否平衡；再随机抽 10 张图叠加边界框，确认标注框和齿轮缺陷的真实位置吻合。如果数据集里图片分辨率差异很大，或者有大量重复帧，需要先过滤。齿轮缺陷里最常见的类别是崩角、划痕、裂纹、缺齿和毛刺，工业现场还会出现黑色氧化皮和磕碰伤，这要结合你们的质检标准重新定义。

自制采集时，不要只在实验室均匀光照下拍，最好覆盖产线上实际会出现的背光、强反光和油污状态。数据集完整性的另一个隐含要求是“训练集/验证集/测试集按同一分布切分”，不能把同一个齿轮的连续多帧同时放进训练集和验证集，否则验证指标会虚高。切分前先用文件名排序并做去重，保留序列间的间隔。

2.2 用 LabelImg 标注并导出 YOLO txt 格式

标注工具我用得最多的是 LabelImg，它支持 YOLO 格式直接导出。启动后选择 Open Dir 打开齿轮图片目录，Change Save Dir 设置标注保存目录，然后在 Edit 菜单里把标注格式切到 YOLO。框住一个缺陷后输入类别名，保存后每张图片对应的同名 txt 文件里就会生成一行数据，格式是class x_center y_center width height，四个坐标值都是归一化到 0~1 的浮点数。

# 安装并启动 labelimg pip install labelimg labelimg

上面的命令只做了一件事：通过 pip 安装 labelimg 工具包，然后启动图形界面。启动后注意右下角要选择 PascalVOC 或 YOLO 格式，如果选了 PascalVOC 导出的是 xml，后面还要再转一步。为了省事，我在标注前会先创建一个classes.txt，文件里每一行写一个类别名，顺序必须和后续训练用的 data.yaml 一致。

label = 0, score = 0.xx 的类别索引到底对应什么，YOLOV5 在训练时会自动读取 data.yaml 里的类别名，和标注文件里的数字索引一一对应。.

常见的一个坑是：标注框把整张图都框住，或者框有一部分在图像外面。YOLOV5 训练时会报 “all labels empty” 或者坐标出界的警告，但没有强制报错。保险起见，标注完成后用下面这段 Python 脚本扫一遍所有 txt，把坐标小于 0 或大于 1 的文件列出来。

import os label_dir = "labels" for name in os.listdir(label_dir): if not name.endswith(".txt"): continue with open(os.path.join(label_dir, name)) as f: lines = f.readlines() for line in lines: parts = line.strip().split() if len(parts) == 5: x, y, w, h = map(float, parts[1:]) if not (0 < x < 1 and 0 < y < 1 and 0 < w < 1 and 0 < h < 1): print(f"越界标注: {name}: {line.strip()}")

这段代码遍历标注目录下的所有 txt，读取每一行并根据第五个字段之前的四个坐标判断是否在 0 到 1 范围内。只要有一个值超出边界，就会打印出对应文件名和原始行。齿轮缺陷的边界框通常都比较小，如果坐标出现 1.0 或 0.0，大概率是标注时鼠标拖出了图像边缘，手动修正后再训练，能省掉很多排查时间。

2.3 数据划分与目录结构

标注完成后，目录结构我建议按 YOLOV5 默认习惯组织，这样不用改代码路径。

gear_defect/ ├── images/ │ ├── train/ │ ├── val/ │ └── test/ ├── labels/ │ ├── train/ │ ├── val/ │ └── test/ └── data.yaml

每个训练图片必须有一个同名的 txt 文件放在 labels 对应目录里，否则 YOLOV5 训练时会把没有标签的图片当作背景样本，导致漏检增多。划分比例我用 8:1:1，即 80% 训练、10% 验证、10% 测试。如果齿轮缺陷样本只有几百张，我会把验证集固定留出 100 张左右，而不是机械地按比例切。

下面是一个干净的划分脚本片段。

import random from pathlib import Path img_paths = list(Path("images_all").glob("*.jpg")) random.shuffle(img_paths) train, val, test = img_paths[:800], img_paths[800:900], img_paths[900:1000] for split, paths in [("train", train), ("val", val), ("test", test)]: for p in paths: # 复制图片到 images 对应目录 # 同时复制同名 txt 到 labels 对应目录 print(split, p.name)

注意脚本里我只是演示划分逻辑，实际使用时要把复制文件的代码补全。关键是先 shuffle 再切片，避免文件按日期排序导致同一个批次全部落在训练集。复制完成后，在data.yaml里指定图片目录和类别名，这个文件的内容在第 3 章会给出。

表格里列出齿轮缺陷检测常用的类别定义：

3. 用 YOLOV5 训练齿轮缺陷检测模型：环境与超参数

3.1 环境配置与代码准备

YOLOV5 对 Ubuntu 和 Windows 都支持，我一般建议用 Ubuntu 20.04 配合 Python 3.8 和 PyTorch 1.10 以上的组合。先拉取官方代码库，创建虚拟环境并安装依赖。

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

这四行命令分别完成了：从官方仓库克隆 YOLOV5 源码到当前目录、进入代码目录、创建并激活虚拟环境、安装 requirements.txt 里列出的所有依赖包。requirements 里包含 torch、torchvision、opencv-python 等基础库，GPU 版本需要在安装 torch 前单独指定 CUDA 版本，比如pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118。如果机器没有 GPU，也可以跑 CPU 训练，但齿轮图像分辨率高的话速度会很慢，建议至少用 6GB 显存的显卡。

环境配置里最容易出问题的是 PyTorch 和 CUDA 版本不匹配。装完后用python -c "import torch; print(torch.cuda.is_available())"检查一次，输出 True 再继续。否则训练时会落到 CPU，迭代速度慢很多但不容易发现。

3.2 编写 data.yaml 并启动训练

进入项目目录后，需要手动创建一个data.yaml指向你的齿轮数据集。

train: /home/user/gear_defect/images/train val: /home/user/gear_defect/images/val nc: 4 names: ['chipped_teeth', 'scratch', 'crack', 'burr']

train 和 val 两个字段是图片目录的绝对路径，YOLOV5 会自动到同级的 labels 目录下寻找对应的标签文件。nc 是类别总数，names 是类别名列表，顺序必须和标注文件里的数字索引一致。很多项目坚持“数据完整”但训练时报错，原因就是 labels 里的类别索引在 names 里找不到对应项。

训练命令我推荐先跑一个快速实验：

python train.py --data data.yaml --weights yolov5s.pt --img 640 --batch 16 --epochs 100 --name gear_exp1

这里--weights yolov5s.pt表示使用 YOLOV5s 预训练权重做迁移学习，--img 640把训练图片统一缩放到 640x640，--batch 16是每批训练样本数，--epochs 100是训练轮数，--name gear_exp1指定输出目录名，训练曲线和权重会保存在runs/train/gear_exp1下。第一次训练不建议直接换大模型，先用 small 版本跑通流程，确认损失能下降再升级到 medium 或 large。

齿轮缺陷里像划痕和裂纹这种细长目标，直接缩放到 640 可能丢失细节。如果原图分辨率是 2048x1536，我会把--img 1280或--img 1536作为第二组对比实验，同时调小 batch 防止显存溢出。即使 YOLOV5 有自适应锚框，大的输入尺寸对细小缺陷的召回率提升依然明显。

3.3 超参数与锚框调整

YOLOV5 默认的锚框是基于 COCO 目标分布设计的，齿轮缺陷是小目标居多，直接用默认锚框也能训练，但收敛速度会受影响。训练前可以用--analyze参数检查数据集的锚框聚类结果，也可以在训练脚本里开启--autoanchor。我实际项目中会把超参文件data/hyps/hyp.scratch-low.yaml里和损失权重相关的项单独调。

下表是我在齿轮缺陷检测上常用的初始超参数：

设置--hyp可以指定自定义超参数文件。如果发现训练 loss 震荡大，先把 lr0 降到 0.005，再把 fl_gamma 提高到 1.5，背景占比过高时这一项对召回率影响很大。同类别样本太少时，还可以在超参文件里增加hsv_h、hsv_s这些颜色增强，模拟车间里不同的光照和油污效果。

训练日志里重点关注 val/box_loss 和 val/cls_loss 这两条曲线，如果训练损失一直下降但验证损失在某个 epoch 开始上升，可以提前停止并保存之前的最优权重。

4. 模型评估、推理与导出

4.1 验证集指标与混淆矩阵怎么看

训练完成后，YOLOV5 会在runs/train/gear_exp1下生成 weights 和验证结果。用val.py单独在测试集上评估一次，确认模型的泛化能力。

python val.py --data data.yaml --weights runs/train/gear_exp1/weights/best.pt --img 1280 --batch 8

执行后会打印出 mAP@0.5、mAP@0.5:0.95、Precision、Recall 四个指标，并画出归一化混淆矩阵。齿轮缺陷里最需要关注的不是整体 mAP，而是裂纹这一类在低 IoU 下的 Recall 值。如果有大量裂纹没被召回，问题往往出在输入尺寸或锚框，而不是分类头。

混淆矩阵图片上，如果某个类别被大量预测成背景，说明该类别样本太少或被遮挡严重。我一般会回到标注环节，把漏检的图片单独提出来，看它们的缺陷尺寸占比。齿轮齿面边缘的崩角通常很小，在 640 尺寸下可能只有 5 个像素，这种目标即使训练收敛，推理时也容易丢。

4.2 用训练好的模型做图像和视频推理

推理命令和训练类似，但不需要标签文件，直接跑 detect.py 就可以。

python detect.py --weights runs/train/gear_exp1/weights/best.pt --source /path/to/test_images --img 1280 --conf 0.25 --iou 0.45

--source可以指向一张图片、一个目录或一段视频。--conf 0.25是置信度阈值，低于这个值的检测框会被过滤，--iou 0.45是 NMS 的 IoU 阈值，用来合并重叠框。齿轮检测中如果过度遮挡导致重叠框多，把 iou 提高到 0.6 可以减少误删。推理结果会保存到runs/detect/exp，每张图会在原图上画了边界框和类别名。

对视频流做在线检测时，建议把--source改成视频设备编号，比如 0，同时开启--view-img实时显示检测画面。如果推理帧率达不到产线要求，优先降低输入尺寸，比如从 1280 降到 960，再考虑是否换更轻的模型。齿轮缺陷虽然小，但很多产线机构会先引导相机到指定位置停稳再拍照，静态检测对推理时间的要求并不苛刻。

4.3 导出 ONNX/TensorRT 并部署到边缘设备

项目落地时往往需要把模型从 PyTorch 导出成 ONNX，再转成 TensorRT 引擎部署到 Jetson Nano 或工控机。

python export.py --weights runs/train/gear_exp1/weights/best.pt --include onnx --opset 12

导出后得到best.onnx，可以用 ONNX Runtime 或 TensorRT 加载。如果部署设备是 Jetson Nano，推荐直接导出 TensorRT 引擎，YOLOV5 官方代码支持--include engine，但需要在 Jetson 上先安装对应版本的 TensorRT。ONNX 导出的关键参数是--opset，太高的算子版本在旧版 TensorRT 上可能不支持，12 是兼容性比较好的选择。

导出的 ONNX 模型在推理前最好用onnxruntime跑一遍同一个输入，和 PyTorch 的输出对比一下差异。齿轮缺陷检测对边界框坐标精度要求没那么严格，一般中心点偏差在 2 个像素内就可以接受。

5. 齿轮缺陷检测项目里 5 个容易被忽略的排查点

5.1 细小裂纹漏检：先做切片检测

裂纹在 640 缩放下只有几个像素，直接检测很难。常见的做法是把原图切成 4 个或 9 个 tiles，每个 tile 单独送进模型，最后把检测框坐标映射回原图。YOLOV5 的 detect.py 本身不支持切图，需要写一个小脚本把图片切块并合并结果。切块会带来重复检测，对同一个位置的不同 tile 用 NMS 合并一次即可。

5.2 标注框越界导致训练不收敛

第二点在第 2 章提过，这里再强调一次。YOLOV5 对越界标注只是警告，不会中断训练。但越界框会影响 anchor 匹配和目标损失计算，让 mAP 在某个值上卡住。用我前面提供的扫描脚本跑一遍，把所有越界 txt 修正或删掉，再重新训练，往往能直接提升 3 到 5 个点。

5.3 类别不平衡集中在毛刺

很多齿轮数据集里，毛刺样本可能是裂纹的 10 倍。YOLOV5 的 cls loss 默认对每个类别等权，样本多的类别会压制样本少的类别。解决方式有两种：一是用采样策略让每个 epoch 里每个类别出现的次数接近，二是把fl_gamma调高，让模型更关注难分的裂纹样本。

5.4 推理时光照和油污干扰

训练集如果全是干净光照，推理时遇到反光就会误检。我一般会在训练阶段把图像保存到train/之前加一层随机亮度增强，或者在超参里调大hsv_v。最终部署时，在相机镜头前加偏光片能显著减少金属表面的反光，这也是成本最低的优化。

5.5 验证集里出现了训练集同一齿轮的不同帧

齿轮缺陷项目的数据集经常来自视频抽帧，同一个齿轮的连续帧很相似。如果切分时没有按文件名前缀分组，验证集会变相变成训练集的一部分，看到的 mAP 会比实际高很多。推荐按齿轮 ID 或批次号分组切分，而不是按单帧随机切。调试时在数据目录里放一个sample_check.py，遍历验证集文件名并检查原始序列分组，能快速发现这类泄露问题。

最后一个实用技巧是打开验证集预测结果图，把置信度阈值从 0.25 调到 0.5，观察漏检目标在 0.5 附近的数量。如果大量漏检目标集中在 0.3 到 0.5 之间，说明模型定位正确但分类置信度不足，优先优化输入尺寸和焦点损失参数，而不是简单降低阈值兜底。

本文还有配套的精品资源，点击获取