简介：这套基于YOLOv5的钢材表面缺陷检测资源，面向工业视觉质检人员与深度学习开发者，专注于解决钢材表面裂纹、凹坑、氧化皮、划痕等缺陷的自动识别与定位问题，适用于产线质检、材料科学实验等场景。压缩包共包含2000个文件，大小约501.32MB，主要文件类型包括JPG钢材图像样本、TXT与XML格式的缺陷标注、YAML模型配置、Python训练与推理脚本、预训练权重及可视化辅助文件等，兼顾数据、代码与说明文档，目录结构清晰。目前已有2497人学习下载，内容完整且实践性强。通过学习，读者可以了解YOLOv5中CSPNet骨干网络、SPP-Block、特征金字塔及Mish激活函数等关键模块的实际应用，并借助配套的数据增强与多尺度训练策略，快速构建一套可运行的钢材缺陷检测方案，为实际工业部署提供直接参考。
1. 钢材表面缺陷检测为什么绕不开yolov5
钢材表面缺陷检测，是那种看起来谁都能做、做起来谁都想摔键盘的视觉任务。钢板在产线上跑起来之后，人工眼睛盯不过三十分钟；传统图像处理对划伤和麻点还能凑合，碰上裂纹和氧化皮压入这种“背景长得很像缺陷”的情况，规则阈值调到哪里都像玄学。而yolov5+钢材表面缺陷数据集这个组合，恰好把这类任务推进到可以落地：yolov5检测管线成熟、超参数资料多、部署链路短；钢材表面缺陷数据集虽然样本量不算大，但类别定义清晰、标注完整，适合先拿它验证模型和产线方案的匹配度。这套方案适合三类人：想快速验证质检自动化可行性的工程师、准备给产线部署目标检测模型的团队、刚接触yolov5但手里正好有一批钢板图片的开发者。先说一个反直觉结论：这套流程真正花时间的不是训练，而是把数据整理成yolov5吃得了的格式，目录和标签错一个字符，后面全白干。
2. 钢材表面缺陷数据集长什么样：先从六类缺陷读起
我拿到这类钢材数据集后的第一件事，不是急着开训，而是把六类缺陷从头到尾看一遍。别嫌这一步土，后面所有玄学问题，一半都出在没看清数据上。常见的钢材表面缺陷公共数据集是灰度图，单张尺寸不大，每张图里缺陷的数量、大小、对比度差别非常大。如果直接把整包数据丢给yolov5训练，你会在后续排错时完全搞不懂它为什么漏检——因为问题很可能不在模型，而在你根本没注意到某一类缺陷的形态特征。
2.1 六类缺陷的类别分布与标注格式
钢材表面缺陷数据集一般包含六个类别：裂纹、夹杂、麻点（斑块）、点蚀表面、氧化皮压入、划伤。它们对应的英文标签在转换时必须原样保留，尤其是带下划线的pitted_surface和rolled-in_scale，错一个字符就会导致类别错位，这是做这套方案最容易踩的第一个坑。
| class_id | 类别名 | 视觉特征 | 易混类别 |
|---|---|---|---|
| 0 | crazing | 细密网状裂纹，纹理和背景接近 | rolled-in_scale |
| 1 | inclusion | 颗粒状夹杂，灰度比背景亮或暗 | patches |
| 2 | patches | 大块灰斑，边缘模糊 | inclusion |
| 3 | pitted_surface | 小而深的点状凹坑 | patches |
| 4 | rolled-in_scale | 压入的氧化皮，形状不规则 | crazing |
| 5 | scratches | 长条形划伤，方向较一致 | inclusion |
这些类别的共性问题是：类间相似度高于类内差异。crazing和rolled-in_scale在很多样本里人眼都难以一眼区分，patches和pitted_surface更是经常同时出现在一张图上。标注格式一般是VOC风格，也就是 XML 文件，每个缺陷目标用一个bndbox给出左上角和右下角的绝对像素坐标。这个绝对值坐标是后面转换成 yolo 标签的关键，不能直接把xmin和xmax原样写进 txt，必须归一化。
2.2 数据划分：按类别均衡切分，别让验证集“开天窗”
划分数据集时不能只做纯随机，要保证每一类缺陷在train、val、test里的比例大致相同。钢材表面缺陷数据里各类总数虽然接近，但纯随机划分很容易让某一类里较特殊的样本全跑进val，导致训练时见过的形态和验证时完全不一致，mAP 低得莫名其妙。我一般用固定随机种子，按类别分层抽样，保证每个子集里六类都有。
import os import random import shutil random.seed(2024) data_root = "NEU-DET" # 原始数据目录 out_root = "steel_data" # 输出目录 split_ratio = {"train": 0.8, "val": 0.1, "test": 0.1} # 先按图片名收集，names.txt 里的每一行应该是图片文件名（不含扩展名） with open(os.path.join(data_root, "names.txt"), "r") as f: names = [line.strip() for line in f if line.strip()] random.shuffle(names) n = len(names) n_train = int(n * split_ratio["train"]) n_val = int(n * split_ratio["val"]) for phase, name_list in [ ("train", names[:n_train]), ("val", names[n_train:n_train + n_val]), ("test", names[n_train + n_val:]), ]: img_dir = os.path.join(out_root, "images", phase) xml_dir = os.path.join(out_root, "annotations", phase) os.makedirs(img_dir, exist_ok=True) os.makedirs(xml_dir, exist_ok=True) for name in name_list: # 假设原始图片是 .jpg，标注是 .xml，按实际扩展名改 shutil.copy(os.path.join(data_root, "images", name + ".jpg"), os.path.join(img_dir, name + ".jpg")) shutil.copy(os.path.join(data_root, "annotations", name + ".xml"), os.path.join(xml_dir, name + ".xml"))这段逻辑的核心是按比例分层拆分，并把图片和标注同步拷贝，保证同一个样本不会跨train和val出现。random.seed(2024)是固定随机种子，换机器重跑也得到同样划分，后面排查数据泄漏时有据可查。split_ratio里 test 占 0.1，是因为这类数据集本身不大，test 留足一个类别的代表性样本数量即可。注意原数据的扩展名不一定是.jpg，有的是.bmp或.png，脚本里按实际扩展名改。
提示：划分完成后检查每类在三个子集里的数量，如果某一类在
val里不足 10 张，建议调整随机种子重跑一次，避免验证时统计噪声过大。
3. 把VOC标注转成yolov5的txt：转换脚本与目录结构
yolov5训练自己的数据集时，读取的标签文件不是 XML，而是每个图片对应的同名.txt文件。每行开头是类别 id，后面跟着归一化后的中心点 x、中心点 y、宽、高，共四个浮点数。转换这件事听起来容易，但坐标来源、边界钳制、空标签处理三处做不好，训练阶段就会给你演一出“loss很低但什么都检测不出来”的戏。
3.1 为什么yolov5只认txt标签
在 yolo 系列的设计里，训练脚本不会去解析 XML 或 JSON，它只认与图片同名的 txt。这样做的好处是读取速度快、格式统一；缺点是标注格式转换成了绕不开的预处理步骤。如果环境还没配好，先把 yolov5 源码拉下来，装好 requirements，跑通官方detect.py确认环境没问题，再继续下面的转换。这一步不顺，后面再着急也是空转。
转换时最稳妥的信息来源是 XML 里的<size>节点，它记录了图片原始宽高。不要从图片文件名去猜尺寸，有些数据集里的图片被二次压缩过，文件名和实际尺寸对不上，一旦猜错，所有归一化坐标全部偏移。
3.2 转换脚本：读XML、归一化、写txt
下面这个脚本是我在钢材缺陷数据上常用的转换方式，直接照着改路径就能跑。
import xml.etree.ElementTree as ET import os class_map = { "crazing": 0, "inclusion": 1, "patches": 2, "pitted_surface": 3, "rolled-in_scale": 4, "scratches": 5, } def convert_xml(xml_path, out_txt_path): tree = ET.parse(xml_path) root = tree.getroot() # 宽高一定从 xml 里读，不要从文件名猜 size = root.find("size") width = int(size.find("width").text) height = int(size.find("height").text) lines = [] for obj in root.iter("object"): name = obj.find("name").text if name not in class_map: print(f"skip unknown class: {name}") continue bndbox = obj.find("bndbox") xmin = float(bndbox.find("xmin").text) ymin = float(bndbox.find("ymin").text) xmax = float(bndbox.find("xmax").text) ymax = float(bndbox.find("ymax").text) # 防止标注越界或出现负宽高 xmin = max(0.0, xmin) xmax = min(width, xmax) ymin = max(0.0, ymin) ymax = min(height, ymax) cx = ((xmin + xmax) / 2.0) / width cy = ((ymin + ymax) / 2.0) / height bw = (xmax - xmin) / width bh = (ymax - ymin) / height if bw <= 0 or bh <= 0: continue lines.append(f"{class_map[name]} {cx:.6f} {cy:.6f} {bw:.6f} {bh:.6f}") with open(out_txt_path, "w", encoding="utf-8") as f: f.write("\n".join(lines)) # 批量转换 xml_dir = "steel_data/annotations/train" label_dir = "steel_data/labels/train" os.makedirs(label_dir, exist_ok=True) for xml_name in os.listdir(xml_dir): if not xml_name.endswith(".xml"): continue stem = xml_name[:-4] convert_xml( os.path.join(xml_dir, xml_name), os.path.join(label_dir, stem + ".txt") )这段逻辑里有三个地方值得说明。第一，宽高从 XML 的<size>读取，并把 xmin/xmax/ymin/ymax 先钳到图片边界内，避免标注本身的越界错误被原样带入训练。第二，归一化后的值是 0 到 1 之间的浮点数，写入时保留 6 位小数，精度完全够用；类名不在class_map里的目标直接跳过并打印，不能静默忽略，不然你会漏掉一整类缺陷。第三，宽高为 0 的框直接丢弃，这类坏标注通常会触发后续训练的 NaN 或 loss 异常。参数上，xml_dir和label_dir是必改的两个路径，class_map在你自己扩充类别时再增加映射。
3.3 写data.yaml，并把目录结构检查一遍
转换完成后，在steel_data目录下建data.yaml，这是 yolov5 训练时的数据入口。
train: steel_data/images/train val: steel_data/images/val test: steel_data/images/test nc: 6 names: 0: crazing 1: inclusion 2: patches 3: pitted_surface 4: rolled-in_scale 5: scratchestrain和val指向图片目录，yolov5 会自动去同级目录下找labels。注意路径用相对路径时，命令必须在steel_data的上一级目录执行，否则 yolo 会找不到文件。names列表的索引必须和上一节class_map里的 id 一一对应，这是整个流程里最容易出“类别错位”的地方。
检查目录时我一般跑下面这行命令：
find steel_data/labels -name "*.txt" -empty -print | head这条命令找出所有空标签文件。空标签在训练里会被当成无目标的背景图，如果转换脚本出错，大量图片的 txt 都是空文件，模型训练初期就会明显异常。同时还要核对图片和标签是否同名同数，这一步放在后面的避坑清单里细说。
4. 用yolov5训练钢材缺陷模型：超参数、anchors与loss判断
数据准备好之后才进入训练阶段。钢材表面缺陷数据集的图像普遍不大，原始图通常只有 200×200 左右的分辨率，这和公开 COCO 数据里的自然图像差异很大。所以训练配置不能照搬网络上的默认参数，需要针对小尺寸图像和细密纹理做调整。
4.1 模型选型与训练命令：为什么用yolov5s而不是l
yolov5 的目标检测模型按规模从大到小有 n、s、m、l、x，钢材表面缺陷数据量不大，类别数只有 6，我用yolov5s作为主力。s 模型特征提取能力足够记住六类纹理差异，显存占用和推理速度也更适合后面迁移到边缘设备；换成 l 或 x 在小数据上反而更容易过拟合，训练时间翻倍，mAP 还不一定更高。
python train.py \ --data steel_data/data.yaml \ --weights yolov5s.pt \ --img 384 \ --batch 16 \ --epochs 120 \ --patience 20 \ --project runs/steel这里最关键的是--img 384。原始图只有 200×200，直接上 640 会把图片拉伸放大三倍，缺陷形态被过度插值，模型学到的全是被平滑过的假纹理；384 相当于放大约两倍，细节保留得足够，显存占用也更友好。--batch 16在 8GB 显存上可以稳定跑，显存再小就降到 8，但梯度噪声会变大，建议同步把学习率调低。--patience 20表示连续 20 个 epoch 验证集指标不提升就提前停止，钢材缺陷数据训练到 60 个 epoch 左右往往会收敛，没必要傻跑满 120。
4.2 yolov5超参数怎么设：lr0、mosaic、fliplr的边界
yolov5超参数里，改动对结果影响最直接的是学习率、数据增强和类别损失权重。我常用的起步超参数如下表，你可以根据第一次训练的结果再做微调。
| 参数 | 推荐值 | 理由 |
|---|---|---|
| lr0 | 0.001 | 小数据集下默认0.01容易震荡，第一轮先压低求稳 |
| lrf | 0.1 | 让学习率在后期衰减到初始值的1/10 |
| mosaic | 1.0 | 四图拼接能增强小目标上下文，但对200×200图作用有限 |
| fliplr | 0.5 | 钢材缺陷左右翻转后仍是真实样本，可以用 |
| scale | 0.5 | 缩放幅度太大容易把缺陷缩成模糊小点，0.5足够 |
| copy_paste | 0.1 | 钢材缺陷边缘复杂，粘贴后轮廓容易失真，开太低 |
lr0是这组参数里最值得花时间的。钢材缺陷数据量小，学习率太高时前几个 epoch 损失就会跳到 nan，或者收敛到局部极小点后 mAP 停在低位。我一般第一轮用 0.001 跑通，确认 loss 曲线平滑后再试着提到 0.005，看训练是否更快收敛。mosaic对多目标自然图像帮助很大，但原始图本身只有 200×200，拼接之后单个缺陷被进一步缩小，所以保持默认即可，不要为了增强而增强。
4.3 anchors与输入尺寸：小缺陷漏检的关键
yolov5 在训练时会根据数据集标注自动做 kmeans 聚类，重新计算 anchors。流程上你不需要手动指定 anchors，但你需要注意如果是小像素缺陷占比高，默认 640 尺寸下算出来的 anchors 整体偏大，小目标的召回率会明显偏低。
我的做法是先把训练尺寸固定到 384，让聚类算法自动生成一套适配这个尺寸的 anchors；跑完第一个完整训练后再看各类 mAP，如果pitted_surface和patches这类小区域缺陷的召回率低于 0.5，我会手动把锚框尺寸列表中偏小的三组数值再缩小一档，重新训练。这个操作不能盲目做，每次只改一档，观察一次完整训练的验证集指标再决定是否继续。
4.4 训练时怎么判断模型没跑偏
训练日志里同时有train/box_loss、train/obj_loss、train/cls_loss和对应的val_*指标。钢材缺陷场景里我最看重val/obj_loss，它反映模型对“有没有目标”的判断能力。正常曲线上 obj_loss 应当稳步下降并最终稳定在一个低位；如果 train loss 一直在降，val loss 在某个 epoch 后反而上升，说明模型开始死记训练样本，此时早停触发比硬着头皮多跑几个 epoch 有用。
训练结束后重点看两个指标：mAP@0.5和各类的 precision/recall。mAP@0.5在钢材缺陷数据上达到 0.8 以上算是模型可用的起点；如果某个类别召回率低，先不要急着调模型，回头检查该类的样本数量和标注质量。
5. 钢材表面缺陷检测避坑清单：五条让模型翻车的坑
前面几章讲的是标准流程，这一章写我在钢材表面缺陷数据集上实际踩过、也看别人踩过的坑。每条都按现象、原因、解决的顺序来写，方便你对照排查。
5.1 图片和标签对不上，loss很低但mAP几乎为零
现象：训练日志里 loss 一路下降，看起来一切正常，但验证集 mAP 只有 0.1 甚至 0。
原因：数据划分或转换时，某些图片缺失对应的 txt 标签文件。yolov5 加载图片后找不到标签，会把它当成无目标的纯背景图。钢材缺陷数据集里的负样本极少，模型被迫从大量“假背景”里学习，最终学成“什么都别检测”。
解决：训练前检查每个图片目录下是否有同名标签文件。
for img in steel_data/images/train/*.jpg; do base=$(basename "$img" .jpg) if [ ! -f "steel_data/labels/train/$base.txt" ]; then echo "missing label: $base" fi done这段逻辑是遍历训练集所有 jpg，逐个核对同名 txt 是否存在。缺标签的文件名字会打印出来，逐个补齐后再训练。图片扩展名如果是.bmp或.png，把.jpg替换成对应扩展名。
5.2 类别名写错：下划线和连字符导致的类别错位
现象：训练完后查看 PR 曲线，各类的顺序和你脑子里对不上，或者有两个类别的 mAP 恰好像是被“交换”了。
原因：钢材缺陷类别名里存在pitted_surface和rolled-in_scale这种带下划线或连字符的名称。XML 里是rolled-in_scale，data.yaml 里如果手写成rolled_in_scale，class id 顺序就会整体错位，yolov5 不会报错，只会安安静静把标签对应到错误类别。
解决：以class_map为唯一事实源，转换脚本和 data.yaml 都从同一份类别清单生成，不要手工维护两份。改类别名时先看原数据里的确切写法，复制粘贴进脚本，不要凭印象手打。
5.3 灰度图被误读成单通道，训练或推理时维度不一致
现象：图片预处理时报 shape 维度错误，或者训练能跑但推理时检测框数量少得异常。
原因：钢材表面缺陷数据集大多是灰度图，但 yolov5 源码里用 OpenCV 读取图片时默认IMREAD_COLOR，会拿到三通道数组；如果某些脚本用 PIL 读取或重新保存成单通道 PNG，输入维度就变成(H, W)，batch 拼接时直接报错。
解决：统一用 OpenCV 读图，并在预处理里强制转成三通道。检查你的数据增强或自定义 Dataset 代码里有没有np.expand_dims之类的操作，如果有，删掉让输入保持(H, W, 3)。重新保存图片时用cv2.imwrite，不要用 PIL 的L模式。
5.4 小缺陷目标漏检，尤其是点蚀和灰斑
现象：pitted_surface和patches的召回率明显低于其他四类，模型像“眼瞎”一样漏掉那些小色块。
原因：这两类缺陷在原始图里往往只占几十个像素，经过 384 尺寸的缩放后更小。默认 anchors 偏大，小目标的先验框匹配不上，模型在训练阶段就没机会学习到它们的特征。
解决：先把训练尺寸降到 320 或 384，让缺陷在输入图像中占比更大；保留mosaic增强，它在拼接时会强制模型看到更强的上下文；训练后单独看test集的混淆矩阵，确认是哪一类出了问题再微调 anchors，不要凭感觉全盘调整。
5.5 loss变成nan，模型训练中途报废
现象：epoch 还没跑到 10，train/box_loss直接跳到 nan，之后所有指标全部失联。
原因：两个常见来源。一是lr0设置过高，加上batch太小，某个异常样本的梯度把权重带飞；二是数据里有坏标注，比如宽高为 0 的框、坐标超出图片边界的框，经过归一化后产生非法值。
解决：先按 4.2 节的参数把lr0降到 0.001、batch设为 16，跑一次训练确认正常；再检查转换后的 txt 文件里有没有负数和大于 1 的坐标值。转换脚本里的边界钳制和宽高判断就是专门防这个问题的，不要为了图省事删掉。
6. 部署前验证：后处理阈值怎么调，mAP怎么看
模型训练完成不代表可以直接上产线。钢材表面缺陷检测的落地验证，我习惯先从一张产线上没见过的钢板图片开始，而不是直接看整体 mAP。
python detect.py \ --source samples/real_line.jpg \ --weights runs/steel/exp/best.pt \ --conf 0.25 \ --iou 0.45--conf是置信度阈值，低于这个值的框会被后处理过滤掉；--iou是 NMS 的 IoU 阈值，控制两个重叠框保留谁的策略。钢材缺陷里patches和pitted_surface经常紧挨着出现，iou设到 0.5 以上时相邻框会被合并，容易把两个独立缺陷并成一个；0.45 一般能保持较好的分离度。conf的调整逻辑是：先设 0.5 看有没有漏检，再设 0.25 看误检数量，选一个误检可以接受的最高阈值作为产线参数。光盯着 mAP 没用，同一批钢板，良品被误判为缺陷比缺陷漏检更让产线崩溃，因为人工复检的工作量会成倍增加。
mAP@0.5和mAP@0.5:0.95是两个不同口径。mAP@0.5只要求预测框和真实框的 IoU 超过 0.5 就算命中，适合产线“检出来就行”的需求；mAP@0.5:0.95对定位精度要求更严，检测框稍微偏一点都会拉低分数。钢材缺陷检测里，如果只是做检出和分类，前者达到 0.8 就可以进入产线实测；如果后面要做机械臂定位打磨，才需要追求后者。
验证脚本跑通之后，再考虑 yolo 模型往边缘设备迁移，比如树莓派5上部署自己训练的yolov5模型做实时抽检。PC 上的检测流程与边缘端一致，差异主要在模型导出格式和推理框架上，优先用小尺寸的 s 模型和 int8 量化，能省一半以上的延迟。
我的习惯是每次部署新模型前，把同一批测试图片用不同阈值各跑一遍，结果截图留档，标出哪些是漏检、哪些是误检，再决定要不要调训练参数。这比盯着训练曲线猜问题高效得多。希望帮到你。
本文还有配套的精品资源，点击获取
