企业官网建设流程全解析

简介：面向目标检测学习者和岩石识别应用开发者，这份资源提供了一套可直接投入训练的YOLO格式岩石检测数据集，省去自行采集、清洗与标注的繁琐流程。数据按YOLOv5目录结构组织，图像统一为640×640的RGB大分辨率，并经过四图融合的马赛克增强，标注框完整，每张图包含多个目标，标注采用classes与x_centre、y_centre、w、h的相对坐标格式。数据集覆盖玄武岩、石灰岩、沉积岩等9个类别，划分为12501张训练图和1104张验证图，均配有对应txt标签，另附9类别文本文件。压缩包共2000个文件，以1999个txt标注与1个可视化py脚本为主，整体约637MB。其中show.py可随机读取一张图片绘制边界框并保存到当前目录，无需修改即可运行，便于快速核验标注质量。目前已有719人学习下载，适合需要现成数据开展岩石检测训练与验证的读者。

1. 岩石检测数据集怎么选：9 类岩石的 YOLO 落地为什么值得做

做地质勘探、矿山巡检或者岩芯编录的团队，几乎都会卡在同一个环节：现场拍回来的岩石图像堆成山，人工分类又慢又主观。9 种岩石检测这个方向之所以值得投入，是因为它把「岩石识别」从实验室的岩相学搬到了工程现场——你需要的不是一篇论文，而是一套能直接喂给 YOLO 训练的数据集，外加类别定义和可视化脚本，让模型跑起来之后能告诉你画面里到底是花岗岩还是玄武岩。这套方案适合三类人：一是做地质 AI 应用但缺标注数据的开发者，二是想把岩石分类自动化塞进巡检流程的工程师，三是拿它当 YOLO 训练练手项目、顺便理解多类别检测全流程的学生。核心痛点从来不是模型选 YOLOv8 还是 YOLOv11，而是数据集怎么划分、class 文件怎么写、可视化脚本怎么验证标注没跑偏。这三件事做对了，后面训练和部署才有意义。

2. 9 类岩石数据集的结构拆解与划分逻辑

2.1 为什么岩石检测的数据集不能随便按 8:2 切

岩石图像有个很坑的特性：同一类岩石在不同光照、不同风化程度下，纹理差异可能比两类岩石之间的差异还大。如果你直接按随机种子把全部图片打乱做 8:2 划分，很可能出现训练集里全是新鲜面的花岗岩，验证集里全是风化面的花岗岩，模型学到的不是岩石类别而是风化程度。常见做法是按「采集批次」或「露头位置」做分组划分，保证同一批次的图像要么全在训练集，要么全在验证集。具体操作上，我一般会先给每张图打一个 group_id，比如site_A_001，然后按 group 做 7:2:1 划分，而不是按单张图。

import os import random from collections import defaultdict # 假设图片按类别存放在 data/raw/类别名/ 下 # 先按采集批次分组，这里用文件名前缀模拟 group_id def split_by_group(raw_dir, train_ratio=0.7, val_ratio=0.2): groups = defaultdict(list) for cls_name in os.listdir(raw_dir): cls_dir = os.path.join(raw_dir, cls_name) if not os.path.isdir(cls_dir): continue for img_name in os.listdir(cls_dir): # 文件名格式: siteA_001.jpg -> group_id = siteA group_id = img_name.split('_')[0] groups[group_id].append((cls_name, img_name)) group_keys = list(groups.keys()) random.shuffle(group_keys) n_total = len(group_keys) n_train = int(n_total * train_ratio) n_val = int(n_total * val_ratio) train_groups = group_keys[:n_train] val_groups = group_keys[n_train:n_train + n_val] test_groups = group_keys[n_train + n_val:] return train_groups, val_groups, test_groups

这段代码的关键参数是train_ratio和val_ratio，岩石检测场景下我通常设 0.7 和 0.2，留 0.1 做测试。注意group_id的提取方式要根据你的实际命名规则改，如果文件名里没有批次信息，就得额外维护一个映射表。划分完之后一定要检查每个集合里 9 个类别的分布，如果某个类别在验证集里只有个位数样本，那这个划分就是失败的，需要重新调随机种子或者手动干预。

2.2 class 文件与 data.yaml 的对应关系

YOLO 训练时最容易被忽略的就是 class 文件和 data.yaml 的对应。9 种岩石的类别名必须和标注文件里的 class_id 严格一致，顺序错一个，整个训练结果就是玄学。常见做法是单独维护一个classes.txt，每行一个类别名，行号就是 class_id。然后 data.yaml 里的names列表直接从这个文件读，避免手写出错。

# 生成 data.yaml classes = ['granite', 'basalt', 'sandstone', 'limestone', 'shale', 'gneiss', 'marble', 'quartzite', 'slate'] with open('data.yaml', 'w') as f: f.write(f"path: ./dataset\n") f.write(f"train: images/train\n") f.write(f"val: images/val\n") f.write(f"test: images/test\n") f.write(f"nc: {len(classes)}\n") f.write(f"names: {classes}\n")

这里nc必须等于 9，names的顺序就是 class_id 0 到 8 的顺序。如果你后面用可视化脚本画框，框的颜色和标签文字都依赖这个顺序。我见过有人把names写成字典格式{0: 'granite', ...}，YOLOv5 能读，但 YOLOv8 会报错，所以统一用列表最稳。另外path建议用相对路径，方便整个数据集打包迁移。

2.3 标注格式转换：从 LabelImg 到 YOLO txt

岩石检测的标注通常用 LabelImg 或 CVAT 做，导出的是 PASCAL VOC 的 XML 或者 COCO JSON。YOLO 需要的是每张图一个 txt，每行class_id x_center y_center width height，全部归一化到 0-1。转换脚本网上一搜一大把，但岩石图像有个坑：很多标注工具默认坐标是左上角原点，而 YOLO 要求的是中心点坐标，转换时如果忘了减半宽高，框会整体偏移。

import xml.etree.ElementTree as ET import os def voc_to_yolo(xml_path, img_w, img_h, classes): tree = ET.parse(xml_path) root = tree.getroot() lines = [] for obj in root.findall('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) x_center = (xmin + xmax) / 2.0 / img_w y_center = (ymin + ymax) / 2.0 / img_h width = (xmax - xmin) / img_w height = (ymax - ymin) / img_h lines.append(f"{cls_id} {x_center:.6f} {y_center:.6f} {width:.6f} {height:.6f}") return lines

img_w和img_h必须从对应图片读取，不能硬编码。岩石图像分辨率差异大，有的 4000x3000，有的 640x480，硬编码会导致小图的框完全错位。转换完之后建议随机抽 20 张用可视化脚本画出来看一眼，确认框的位置和标签都对。

3. 数据可视化脚本：怎么在训练前发现标注翻车

3.1 用 OpenCV 画框并检查类别分布

可视化脚本的核心作用不是好看，而是让你在花几小时训练之前，用几秒钟发现「框偏了」「类别标错了」「某类样本全是废图」这些问题。我一般会写一个脚本，同时输出三样东西：带框的图像、每个类别的样本数统计、以及框的宽高分布直方图。

import cv2 import os import matplotlib.pyplot as plt from collections import Counter def visualize_yolo(img_dir, label_dir, classes, output_dir, sample_n=20): os.makedirs(output_dir, exist_ok=True) class_counter = Counter() all_widths, all_heights = [], [] img_files = [f for f in os.listdir(img_dir) if f.endswith(('.jpg', '.png'))] for img_name in img_files[:sample_n]: img_path = os.path.join(img_dir, img_name) label_path = os.path.join(label_dir, img_name.rsplit('.', 1)[0] + '.txt') img = cv2.imread(img_path) h, w = img.shape[:2] if not os.path.exists(label_path): print(f"缺失标注: {img_name}") continue with open(label_path) as f: for line in f: parts = line.strip().split() cls_id = int(parts[0]) xc, yc, bw, bh = map(float, parts[1:]) class_counter[classes[cls_id]] += 1 all_widths.append(bw) all_heights.append(bh) x1 = int((xc - bw/2) * w) y1 = int((yc - bh/2) * h) x2 = int((xc + bw/2) * w) y2 = int((yc + bh/2) * h) cv2.rectangle(img, (x1, y1), (x2, y2), (0, 255, 0), 2) cv2.putText(img, classes[cls_id], (x1, y1-5), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 255, 0), 2) cv2.imwrite(os.path.join(output_dir, img_name), img) print("类别分布:", dict(class_counter)) return class_counter, all_widths, all_heights

sample_n控制抽样的数量，我一般设 20 到 30，太多看不过来。class_counter能直接告诉你哪类样本少得可怜，比如 slate 只有 15 个框，那训练时这一类基本学不动。all_widths和all_heights可以画直方图，如果发现大量框的宽高接近 1.0，说明标注时把整张图框进去了，这种脏数据必须删。

3.2 用直方图判断锚框是否需要重新聚类

YOLO 的默认锚框是基于 COCO 数据集聚类的，岩石检测的框长宽比和 COCO 差别很大——岩石通常是块状，宽高比接近 1:1，而 COCO 里有很多细长物体。如果你直接拿默认锚框训练，召回率会偏低。可视化脚本输出的宽高分布就是给你做 K-means 聚类用的。

import numpy as np from sklearn.cluster import KMeans def cluster_anchors(widths, heights, n_clusters=9): data = np.array(list(zip(widths, heights))) kmeans = KMeans(n_clusters=n_clusters, random_state=42).fit(data) anchors = kmeans.cluster_centers_ # 按面积排序 areas = anchors[:, 0] * anchors[:, 1] anchors = anchors[np.argsort(areas)] print("推荐锚框 (width, height):") for a in anchors: print(f" {a[0]:.4f} {a[1]:.4f}") return anchors

n_clusters设 9 是因为 YOLO 默认就是 9 个锚框，分 3 个尺度各 3 个。聚类完之后把结果填到模型的 anchor 配置里，通常能提升 2 到 5 个点的 mAP。注意这里用的是归一化后的宽高，如果你用的是 YOLOv8，它已经改成 anchor-free 了，这一步可以跳过，但宽高分布仍然值得看，能帮你判断数据里有没有异常框。

3.3 可视化脚本的批量运行与结果归档

实际项目里不可能一张张手动跑，我一般会把可视化脚本包成一个命令行工具，支持按类别抽样、按划分集合抽样，输出结果按vis/train/、vis/val/分目录存。这样每次数据集更新后重新跑一遍，对比新旧可视化结果，就能快速定位是哪个环节引入了脏数据。

python visualize.py \ --img_dir dataset/images/train \ --label_dir dataset/labels/train \ --classes classes.txt \ --output_dir vis/train \ --sample_n 30

参数--sample_n建议训练集抽 30、验证集抽 15，因为验证集通常小。输出目录里除了画框图，我还会存一个stats.json，记录类别分布和宽高统计，方便后面用脚本对比不同版本的数据集。这个习惯帮我省过好几次返工——有一次发现新加的 200 张玄武岩图片里，有 40 张的标注框全部偏移了 10 个像素，就是靠对比 stats.json 里的宽高分布异常发现的。

4. 避坑与排查：岩石检测数据集最常见的 5 个翻车现场

4.1 现象：训练 loss 正常下降但 mAP 一直为 0

原因通常是 class 文件和 data.yaml 的类别顺序不一致。比如 classes.txt 里 granite 是第 0 类，但 data.yaml 的 names 列表里 granite 写在了第 3 位，模型学到的「0」对应的是 slate，验证时自然全错。解决方法是写一个校验脚本，读 classes.txt 和 data.yaml，逐行对比顺序是否完全一致，不一致就报错退出。

4.2 现象：可视化时框的位置整体偏移

这是坐标转换时忘了归一化或者用错了图像尺寸。LabelImg 导出的 XML 里坐标是绝对像素值，转换时如果用了错误的 img_w/img_h（比如用了统一尺寸而不是每张图的实际尺寸），框就会偏。解决方法是转换脚本里强制从图片文件读取实际宽高，并且转换后随机抽 10 张画出来肉眼确认。

4.3 现象：某一类岩石的检测效果特别差

先别急着改模型，去可视化脚本的类别统计里看这一类有多少个标注框。如果少于 100 个，大概率是样本不足。岩石检测里 shale 和 slate 容易混淆，如果这两类的样本数差距大，模型会偏向多的那类。解决办法是针对性补充少样本类的图像，或者用 copy-paste 增强把少样本类扩到 200 个框以上。

4.4 现象：验证集 loss 震荡严重

检查划分时有没有把同一张图的不同增强版本分到训练集和验证集。岩石图像经常做旋转、翻转增强，如果增强后的图和原图分到了不同集合，验证集就泄漏了。解决方法是增强只在训练时在线做，磁盘上只存原图，划分也按原图划分。

4.5 现象：训练到一半 BN 层崩溃，loss 变 NaN

这是 YOLO 训练中常见的数值不稳定问题，岩石图像如果存在大量纯色背景（比如实验室拍的岩芯），batch 内方差过小会导致 BN 层出问题。解决办法是调小学习率到 0.001 以下，或者把 batch size 调到 16 以上增加样本多样性。如果还不行，在 data.yaml 里加rect: True做矩形训练，减少 padding 带来的无效像素。

5. 从 9 类岩石数据集到可复现训练：我的参数习惯与验证套路

数据集准备好之后，训练本身反而简单了。我一般用 YOLOv8n 或 YOLOv8s 起步，因为岩石检测的纹理特征比较明显，不需要太大的模型。输入尺寸设 640，batch size 根据显存来，V100 上跑 32 没问题，消费级卡就降到 16 或 8。学习率用默认的 0.01 配合余弦退火，但如果发现 loss 震荡就降到 0.001。训练轮数先跑 100 轮看曲线，如果验证集 mAP 在第 60 轮之后还在涨，就加到 200 轮。

验证阶段我有个习惯：除了看 mAP50 和 mAP50-95，一定会把验证集的预测结果用可视化脚本画出来，和真实标注并排对比。重点看两类错误——把花岗岩预测成片麻岩（类间混淆），以及框只框住了岩石的一部分（定位不准）。前者说明需要补充混淆类别的样本，后者说明锚框或输入尺寸需要调整。这个对比图我一般会存成val_compare/目录，每次调参后重新生成，肉眼扫一遍比看数字快得多。

最后说一个我踩过的坑：不要用测试集调参。测试集只在最终确定模型后跑一次，用来报告最终指标。如果你用测试集反复调学习率、调数据增强，那测试集就变成了验证集，报出来的指标没有意义。我一般会把测试集单独锁在一个目录里，训练脚本里根本不引用它，直到最后评估才打开。这个习惯看起来简单，但能帮你避免很多自欺欺人的「涨点」。希望帮到你。

本文还有配套的精品资源，点击获取