简介：这是一份面向计算机视觉与工业质检场景的药丸缺陷检测数据集，提供2759张药丸图像的目标检测标注数据，覆盖污染、裂纹与合格品三类目标，适用于训练YOLO、Faster R-CNN等主流检测模型。数据同时给出Pascal VOC格式的xml标注与YOLO格式的txt标注，并配有使用前必读说明，方便直接接入训练流程。压缩包内共2000个文件，以xml和txt标注文件为主（约1049个xml、951个txt），整体大小411.78MB，便于一次下载使用。三类目标总框数为2798个，分布相对均衡，由labelImg按矩形框规则完成标注，基础质量可靠。目前已有218人浏览学习，适合需要现成数据开展药丸外观检测实验或毕业设计的开发者，能大幅节省数据标注时间，将精力集中于模型训练与优化。
1. 药丸的缺陷检测数据集：VOC+YOLO双格式，2759张图能直接开训吗？
药丸的缺陷检测数据集，听起来像个小众资源包，但做过产线外观检验的人知道它卡住了多少人：缺角、裂纹、污点要靠人工盯，眼睛疲劳后漏检率压不下来，想上视觉检测又卡在没有带标注的数据。这个数据集恰好提供了2759张图片、3个类别的标注，同时给VOC和YOLO两种格式，解压就能喂给主流检测框架。适合刚接触缺陷检测、想跑通目标检测全流程的新手，也适合要快速验证药丸瑕疵检测可行性、再决定要不要投入产线的团队。下面按落地顺序拆：目录结构、格式转换、训练参数、排错验证。
2. 解压后先别急着训：VOC目录和YOLO标签怎么对得上
2.1 解压命令与目录结构：中文文件名是个坑
拿到 .7z 包后，先把文件放到纯英文路径下，比如~/projects/pill_defect，避免 YOLO 在读取路径时因为中文目录出现编码异常。Linux 下解压命令是：
7z x 药丸的缺陷检测数据集VOC+YOLO格式2759张3类别.7z -o./pill_defect注意-o后面不跟空格，直接接输出目录，这是 7z 的参数格式，写错了会解压到意外位置。如果服务器上没有 7z，需要先安装 p7zip-full；Windows 下用 7-Zip 或 PeaZip 都行，但解压后我建议第一时间改名成pill_defect这种英文目录。
解压完成后不要急着找图片，先用tree或ls看整体布局。以我处理过的双格式数据集来说，最常见的目录是 VOC 和 YOLO 并列，各自维护一份标注，图片内容完全一致。典型结构是：
pill_defect/ ├── VOC/ │ ├── Annotations/ │ ├── JPEGImages/ │ └── ImageSets/ │ └── Main/ │ ├── train.txt │ ├── val.txt │ └── test.txt └── YOLO/ ├── images/ │ ├── train/ │ └── val/ └── labels/ ├── train/ └── val/这个结构对应两种用法：VOC 目录喂给 MMDetection 这类需要标准 Pascal VOC 格式的框架，YOLO 目录直接给 YOLO 系列训练。两个目录里的图片文件名是同一套，标注内容也一致，只是表达方式不同。如果你的压缩包解压出来不是这个布局，只要内容还在，花十分钟把它整理成标准结构，后边会省很多麻烦。
2.2 VOC 的 XML 标注：框坐标和 size 字段怎么读
打开一个 XML，格式如下：
<annotation> <folder>pill_defect</folder> <filename>pill_0001.jpg</filename> <size> <width>640</width> <height>480</height> <depth>3</depth> </size> <object> <name>chip</name> <pose>Unspecified</pose> <truncated>0</truncated> <difficult>0</difficult> <bndbox> <xmin>120</xmin> <ymin>80</ymin> <xmax>180</xmax> <ymax>130</ymax> </bndbox> </object> </annotation>这里类别名我用chip做例子，实际包里的 3 个类别以Annotations下的<name>为准。XML 里最关键的信息是name和bndbox，分别是类别名和左上右上、左下右下的绝对像素坐标。<difficult>标记在 YOLO 训练里没有对应概念，它表示这个框很难辨认，VOC 评估时会忽略这类框；但转成 YOLO 后，difficult 信息会被丢掉，等于把难例当成普通框参与训练。如果这类框本身标注质量差，就会带偏模型。
还有一个容易被忽略的点：<size>字段不一定和图片真实分辨率一致。有的标注工具在保存时会缓存图片尺寸，如果图片后来被压缩过，XML 里的尺寸就没更新。所以做格式转换时，宁可用 PIL 去读实际图片的宽高，也不要直接信任 XML 里的size，尤其是 width 和 height。另外，XML 里的filename有时会带相对路径，比如JPEGImages/pill_0001.jpg，读取时要用os.path.basename做一次清洗，否则找图片会失败。
2.3 YOLO 的 TXT 标签：归一化坐标和类别索引要对着 data.yaml 读
YOLO 标签每个 txt 文件里一行表示一个框：
0 0.234375 0.208333 0.093750 0.104167这五个数字依次是类别索引、归一化中心 x、归一化中心 y、归一化宽、归一化高。药丸的缺陷框通常比较小，所以后两个数字会经常出现低于 0.1 的情况。类别索引 0 对应的是你在data.yaml里第一个类别的名字，不是 XML 里写的类名。如果 3 个类别的顺序排成了 chip、crack、stain，那么索引 0 就是 chip，索引 1 是 crack，索引 2 是 stain。
这个环节最容易翻车。之前有团队拿到的标签里，索引 0 本应是 crack，但data.yaml里第一个类别写成了 chip，模型训练时 loss 正常下降，推理出来所有框的类别名都错位。所以无论用现成工具还是自己写脚本，先打印一张图的 XML 和 TXT 对照，确认坐标和类别索引对得上，再批量转换。
为了便于对照，写一个小函数把 YOLO 归一化坐标转回绝对像素：
def yolo_to_pixel(cx, cy, w, h, img_w, img_h): xmin = (cx - w / 2) * img_w ymin = (cy - h / 2) * img_h xmax = (cx + w / 2) * img_w ymax = (cy + h / 2) * img_h return xmin, ymin, xmax, ymax print(yolo_to_pixel(0.234375, 0.208333, 0.093750, 0.104167, 640, 480))输出结果大概落在(120, 80, 180, 130)附近，正好和上面 XML 的bndbox对齐。这里用的是归一化坐标加减宽高的一半再乘图片尺寸，不要套用 VOC 的绝对坐标公式。如果输出和 XML 差得很远，说明标签不是同一份图片生成的，需要重新确认数据来源。
2.4 双格式为什么都存在：一份数据要能喂给两套框架
VOC 格式是检测领域的通用格式，保存的信息更全，除了框和类别，还有难例标记、截断状态；YOLO 格式是简化后的训练格式，只有类别索引和归一化坐标。双格式同时存在，是为了让使用者不用统一转换工具，直接在不同训练生态里切换。比如算法横向对比时用 VOC，正式训 YOLO 时直接用 YOLO 目录。
但双格式也有个隐患：两份标注可能不同步。打包的人可能更新了 VOC 里的 XML，忘了同步 YOLO 的 TXT。所以训练前先做一次计数比对，下面的命令能快速发现数量不一致：
find VOC/Annotations -name "*.xml" | wc -l find VOC/JPEGImages -name "*.jpg" | wc -l find YOLO/images/train -name "*.jpg" | wc -l find YOLO/labels/train -name "*.txt" | wc -l正常情况下，图片数等于 XML 数（允许个别纯背景图没有 XML），YOLO 目录里的标签数和图片数也应一致。如果发现标签数明显少于图片数，说明有图片没有标注，这些图片在 YOLO 训练里会被当成纯背景；如果缺陷图片没标注，就相当于漏标正样本，训练出的模型会在这些图上漏检。
提示：双格式之间的差异排查只要花两分钟，但能排掉一大半后续“莫名其妙指标不对”的玄学问题。两个目录的 train/val 划分也必须对齐，否则验证集污染会直接抬高 mAP，后面第 5 章再细说。
3. 把 VOC 转 YOLO：自写转换脚本与四个边界坑
3.1 为什么自己写：格式转换不能只靠在线工具
很多在线转换工具需要上传数据，药丸缺陷图片往往涉及生产环境，不宜外传；而且在线工具对错误标注只能简单跳过，无法知道为什么跳。我一般会在本地用 Python 写一个一次性脚本，也就几十行，还能针对越界框、异常框做定制处理。这里给一个能直接跑的版本，它读取 VOC 的Annotations，生成 YOLO 训练所需的labels。
import os import xml.etree.ElementTree as ET from PIL import Image voc_annotations = "VOC/Annotations" image_dir = "VOC/JPEGImages" label_dir = "YOLO/labels" class_names = ["chip", "crack", "stain"] # 必须和最终data.yaml一致 os.makedirs(label_dir, exist_ok=True) for xml_file in sorted(os.listdir(voc_annotations)): if not xml_file.endswith(".xml"): continue tree = ET.parse(os.path.join(voc_annotations, xml_file)) root = tree.getroot() img_name = os.path.basename(root.find("filename").text) img_path = os.path.join(image_dir, img_name) img = Image.open(img_path) img_w, img_h = img.size lines = [] for obj in root.iter("object"): name = obj.find("name").text if name not in class_names: print(f"跳过未知类别 {name} 在 {xml_file}") continue cls_idx = class_names.index(name) 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) center_x = (xmin + xmax) / 2.0 / img_w center_y = (ymin + ymax) / 2.0 / img_h width = (xmax - xmin) / img_w height = (ymax - ymin) / img_h if width <= 0 or height <= 0: print(f"跳过异常框 {xml_file} 的 {name}") continue lines.append(f"{cls_idx} {center_x:.6f} {center_y:.6f} {width:.6f} {height:.6f}") out_name = os.path.splitext(xml_file)[0] + ".txt" with open(os.path.join(label_dir, out_name), "w", encoding="utf-8") as f: f.write("\n".join(lines)) print(f"转换完成，共处理 {len(os.listdir(voc_annotations))} 个XML")这个脚本的核心逻辑是：先取filename找图片，用 PIL 读真实宽高；再遍历每个object，把类别名映射成索引，把绝对坐标除以宽高转为归一化坐标；最后把每个框写成一个 txt 行。class_names的顺序是唯一的映射来源，顺序一旦变了，所有类别索引都会变，因此这里要与后面data.yaml里的names严格一致。脚本里跳过未知类别和异常框，如果跳过数量很多，需要打印统计信息，不要静默处理。
3.2 边界坑一：类别名和索引错位，训练不报错但结果全乱
这个坑在 2.3 提过，这里展开讲。VOC 的 XML 里name是字符串，YOLO 的 TXT 里是整数，转换脚本里class_names的顺序决定了每个字符串对应哪个索引。如果顺序写错，模型训练过程中 loss 不会异常，甚至 mAP 可能还不错，但实际推理时类别名和位置对不上。比如真正的裂纹被预测成污点，产线判级就会出错。
更隐蔽的错位发生在你追加新类别时。比如原始 3 个类别是 chip、crack、stain，你为了实验又往 XML 里加了其他类别，但class_names没有同步增加，转换脚本会把所有新类别当成未知类别跳过，静默丢失一部分框。所以脚本里最好不要用list.index这种方式，而是先扫描所有 XML，动态建立“类别名到索引”的映射字典，并输出一份classes.txt。这样每次转换后比对classes.txt和data.yaml，能手动确认有没有错位。
还有一个常见乌龙：XML 里的类别名带前后空格，比如chip，直接拿来比较会匹配不上。写脚本时对name.strip()是基本操作，不要省。
3.3 边界坑二：越界框和非正框，训练时产生 nan
药丸图片里缺陷靠近边缘很常见。标注时为了框住完整缺陷，很容易把 xmax 标到图片外面。这种框直接转 YOLO，归一化后坐标可能大于 1，YOLO 训练时不一定报错，但损失计算会异常。处理办法是 clip 到边界内，然后判断有效尺寸。
xmin = max(0.0, min(xmin, img_w - 1)) ymin = max(0.0, min(ymin, img_h - 1)) xmax = max(0.0, min(xmax, img_w - 1)) ymax = max(0.0, min(ymax, img_h - 1)) if xmax <= xmin or ymax <= ymin: print(f"过滤无效框: {xml_file} {name}") continue这段代码放在归一化之前，把坐标限制在图片像素范围内。注意min(xmax, img_w - 1)而不是img_w，是为了避免像素索引等于宽度时转成归一化坐标 1.0，在数据增强的随机缩放里容易出问题。clip 后如果框宽或高被压缩到 0，说明原始标注质量太差，直接丢弃。
还有一个容易被忽略的点：VOC 坐标是像素角点坐标，xmin=10、xmax=20 表示框宽 10 像素，算宽度时要用xmax - xmin，不要画蛇添足加 1。YOLO 归一化时中心点用(xmin + xmax) / 2，这是标准做法。如果把 +1 带进去，所有框都会偏移半个像素，缺陷框小的时候影响会被放大，训练出的框边缘会普遍贴近缺陷一边。
3.4 边界坑三：目录划分不一致导致验证集污染
VOC 的ImageSets/Main里有 train.txt、val.txt，YOLO 目录里也分了 train、val。这两份划分如果来源不同，可能出现同一张图既在训练又在验证，mAP 虚高。比如 VOC 的 ImageSets 按时间先后划分，YOLO 目录里却是随机划分，两边比例不一致。转换脚本只负责生成标签，不会自动纠正划分。
解决办法是统一以 VOC 的ImageSets/Main下的 txt 为准，根据它把图片拷贝到 YOLO 的 images/train 或 val，再根据图片文件名把对应标签拷入 labels。一个简单的 bash 做法如下：
for split in train val; do while read line; do cp VOC/JPEGImages/$line.jpg YOLO/images/$split/ cp YOLO/labels/$line.txt YOLO/labels/$split/ done < VOC/ImageSets/Main/${split}.txt done解释：读一行文件名，把 jpg 和同名的 txt 拷过去。注意这里的$line不带扩展名，如果你的 ImageSets 里带 .jpg，需要先去后缀。这个脚本会覆盖 YOLO 目录原本的划分，确保两边一致。跑完后再用 2.4 的比对命令检查 train 和 val 的文件数，额外用comm -12检查两个列表有没有交集，确认没有同一张图同时出现在 train 和 val。
3.5 转换后自检：类别计数和框尺寸分布
转换完还要做一次自检。我习惯写一个很短的统计脚本，确认各类别的实例数、空标签数量、框尺寸范围。
import os from collections import Counter label_dir = "YOLO/labels" counter = Counter() box_sizes = [] empty = 0 for f in os.listdir(label_dir): path = os.path.join(label_dir, f) if not f.endswith(".txt"): continue with open(path, "r", encoding="utf-8") as fh: lines = fh.readlines() if len(lines) == 0: empty += 1 continue for line in lines: parts = line.strip().split() if len(parts) != 5: continue counter[int(parts[0])] += 1 box_sizes.append((float(parts[3]), float(parts[4]))) print("类别索引计数:", counter) print("空标签图片数:", empty) if box_sizes: print("最小归一化框尺寸:", min(box_sizes)) print("最大归一化框尺寸:", max(box_sizes))这里要注意：归一化框尺寸是指框宽在整张图宽度中的占比。药丸缺陷如果本身很小，min 会低于 0.01，此时训练时最好开高分辨率输入或者做针对性增强。如果某个类别框数为 0，说明类别映射或源标注有问题；如果空标签图片数特别多，说明大量图片没有缺陷，训练时要保留作为背景，但也要意识到模型可能会更倾向于预测“无缺陷”。
4. 用 YOLOv8 训练药丸缺陷模型：数据集配置与参数选型
4.1 写 data.yaml：路径、类别名、类别数
YOLOv8 使用 YAML 文件描述数据集。最简配置是 path、train、val、names 四项。下面这份能直接用：
path: ./pill_defect train: YOLO/images/train val: YOLO/images/val names: 0: chip 1: crack 2: stain没有写nc，YOLOv8 会根据 names 长度推断。path是相对路径，train和val是图片目录的路径。需要特别留意的是，YOLOv8 加载标签时默认从 images 路径的同级 labels 目录找，也就是images/train对应labels/train。如果你把标签放在别处，可以在 yaml 里额外指定，但我不建议这么做，保持默认能减少很多路径排查时间。
这份 yaml 里的类别名称顺序，必须和转换脚本里的class_names顺序完全一致。如果转换脚本里是["chip", "crack", "stain"]，yaml 里也必须按同名顺序写。建议把classes.txt放在数据集根目录，每次训练前 cat 出来和 yaml 对照一遍。
4.2 训练命令与关键参数：先跑 n 再换 s
在 YOLOv8 的权重系列里，n、s、m 对应网络深度和宽度递增。2759 张图的规模不算大，我通常先用yolov8n跑通流程，再用yolov8s看效果上限。训练命令：
yolo train data=pill_defect.yaml model=yolov8s.pt epochs=100 batch=16 imgsz=640 device=0 seed=0命令参数：data指向 yaml；model表示基础权重，第一次运行会自动下载预训练模型到缓存目录；epochs是训练轮数；batch是单卡批大小；imgsz是输入分辨率；device指定显卡；seed固定随机种子，保证可复现。对于显存只有 8G 的显卡，batch=16 可能爆显存，降到 8 或 4 即可。如果小目标缺陷比较多，imgsz提到 704 或 768 通常能提升召回，但训练时间会明显变长。
为什么先选yolov8n？因为缺陷检测的第一目标是判断数据是否可用，而不是刷榜单。yolov8n 训练一轮很快，能快速看出 loss 曲线是否正常、mAP 有没有上升趋势。如果 n 的基础结果太差，再换 s 或 m，而不是一开始就上大模型。数据本身只有 2759 张，大模型容易过拟合，val mAP 反而可能下降。
4.3 训练过程的常见报错：bn 崩溃、loss 为 nan、显存不足
这一节是给新手排雷的。三类最常见的报错现象与处置如下：
第一，显存不足（CUDA out of memory）。报错出现在第一个 epoch 开始时。解决顺序是：先降 batch 到 8 或 4，再不动 batch 降 imgsz 到 512，如果还不行只能换更大显存。不建议用梯度累积替代，因为梯度累积只是降低更新频率，显存峰值并没有降下来。
第二，loss 变成 nan。现象是训练日志里 loss 首次出现 nan，之后一直 nan。原因多数是标签坐标出现了 inf 或 nan，或者输入图片本身全黑、全白、损坏。解决：先用自检脚本扫一遍标签数值；然后检查图片是否完整，用 PIL 打开并转成 numpy 数组，判断数组的最大最小值是否正常。如果数据没问题，再考虑学习率太高，把初始学习率降到 0.001 以内重试。
第三，bn 崩溃。YOLO 的 BN 层在训练中会因为某个 batch 的统计量异常而输出 nan，常见原因是某个 batch 里恰好全是空标签图片，或者图片尺寸差异过大。解决：把 batch 调大一点，让每个 batch 里正负样本更均衡；同时关闭过强的数据增强，特别是 Mosaic，在数据量不足时 Mosaic 后小目标被裁剪，BN 统计容易出错。这个小数据集上确实有点玄学，但多发生在这种样本量不够大的场景里。
还有一类报错是训练开始前提示找不到标签文件。现象是日志里出现大量WARNING: impossible to load或No labels found。原因多半是 yaml 里的train路径写错，或者标签目录不是 images 同级的 labels。解决：回到 2.4 的比对命令，确认标签文件都在，再检查 yaml 的 path 是不是相对于当前执行目录。这个问题最多，也最不值得浪费一晚上。
4.4 训练完先看验证集结果图，再决定是否调参
训练结束后，不要只盯 mAP。用 best 权重跑一遍验证集预测：
yolo predict model=runs/train/exp/weights/best.pt source=YOLO/images/val save_txt=True conf=0.25conf默认 0.25，预测结果会存到runs/detect/exp下。打开这些结果图，人工看一圈，重点关注：有没有漏检明显的缺陷、有没有把反光误检为缺陷、框是否贴合边缘。这一步能发现许多 mAP 体现不了的问题。比如有些框虽然 IoU 高，但中心点偏了，产线机械手去抓就很难对准。
还可以统计验证集上每个类别的平均置信度。如果某个类别的置信度普遍偏低，说明模型对这个类别的特征还没学会，下一轮训练时考虑增加该类别样本的增强权重，或者补充样本，而不是继续加训练轮数。训练轮数堆太多，往往是过拟合，验证集 loss 已经开始反弹了。
5. 缺陷检测场景避坑指南：标注、反光与样本不均衡
5.1 标注框偏移让 mAP 虚高，独立验证才能露馅
现象：训练时验证集 mAP50 高达 90%，部署到现场后错漏明显。原因是标注框存在系统性偏移，比如标注统一偏左 2 个像素，模型学到了这个偏移，在同一个数据分布下的验证集上指标好看，到新产线就失效。解决：训练前随机抽 10 张图，用 OpenCV 把标签框画上去人工核对；训练后再抽 10 张预测图，对比预测框和真实框。画框脚本：
import cv2 img = cv2.imread("VOC/JPEGImages/pill_0001.jpg") box = (120, 80, 180, 130) # xmin, ymin, xmax, ymax cv2.rectangle(img, (box[0], box[1]), (box[2], box[3]), (0, 0, 255), 2) cv2.imwrite("check_box.jpg", img)画出来的框如果明显没有包住整个缺陷，就需要重新评估这个数据集的标注质量。缺陷检测和通用目标检测不同，缺陷框小，边缘稍微偏一点，IoU 就从 0.9 掉到 0.5。这也是为什么这类数据集训练后指标的绝对值通常没有通用检测高。如果发现几十张图都有系统性偏移，最有效的做法不是写脚本平移标签，而是返回标注工具里做一次整体修正。
5.2 药丸反光被识别成缺陷：先从光照入手
现象：推理时药丸表面高光区域产生大量预测框，而这些区域实际是灯打出来的反光，不是裂纹。原因：训练数据里反光样本少，模型把高光纹理当成缺陷特征。解决分两步。
第一步，在训练数据中加入不同光源角度的反光阴性样本，让模型学会区分反光和裂纹。第二步，在数据预处理里做光照归一化，例如把图片转成灰度后计算直方图均值和标准差，再决定是否做 CLAHE 对比度均衡。OpenCV 的createCLAHE能压掉过强的高光，但参数要控制：clipLimit设到 2 以下，否则药丸本身的纹理也会消失。这条经验来自药丸检测项目里的血泪踩坑：换模型远不如把光照问题在数据层面解决来得彻底。
如果只是快速验证，也可以临时在推理阶段给图片外侧加一个遮罩，把固定光源造成的高光区域排除掉，但这是治标不治本。产线换一套光源后，遮罩位置就失效了，还是要在训练数据里覆盖足够多的光照角度。
5.3 类别样本不均衡：先复采样，再考虑加权
现象：三个类别里某个类别样本很少，模型对这个类别的召回率始终上不去。原因：少数类在总样本中占比过低，损失被多数类主导。解决顺序建议：先统计每个类别的框数，如果少数类占比低于 10%，先做类别复采样，在每次 epoch 里对少数类图片做重复抽样，而不是直接改 Loss。
YOLO 训练没有直接暴露 class weights 参数，盲目加权很难找到合适尺度，反而会过拟合少数类。另一种做法是针对少数类做基于缺陷框的局部增强：对框区域做小角度旋转、亮度扰动、轻微平移，生成更多训练样本。需要注意的是，增强幅度要小，药丸缺陷的形态和位置都很敏感，扭曲太大会让缺陷变成另一种东西。
如果做了复采样和增强后少数类还是不行，再考虑最粗暴的办法：多收集真实缺陷样本，尤其是不常见的那一类。缺陷检测的数据集不像通用物体目标检测那样能靠爬虫补充，只能从产线积累，这也是这类数据集的真实成本所在。
5.4 固定随机种子，否则你分不清改动是提升还是玄学
现象：同一份数据、同一套参数，只换一次随机种子，mAP 变化 2 个点，有时候类别 A 的召回涨了但类别 B 暴跌。原因：训练过程中的数据加载顺序、Mosaic 增强的随机采样都没固定。解决：在训练命令里加seed=0，并固定数据加载线程和 shuffle 的种子；更严格一点，在训练脚本开头调用random.seed、numpy.random.seed、torch.manual_seed。
这个习惯看起来简单，但在小数据集上特别重要，因为样本少，随机波动比大数据集大得多。固定种子后，每次实验只改变一个变量，调参才有意义。否则你很难判断 mAP 的提升是模型改动带来的，还是某次随机采样恰好抽到了更简单的验证图片。
6. 从 mAP 到产线验收：先看混淆矩阵，再算漏杀和过杀
6.1 混淆矩阵里看漏检，而不是只看 mAP
mAP 是排序指标，对低置信度预测有一定宽容，但产线只看最终判决：缺陷有没有被框出来、框是不是对准了。训练完跑一次验证集，生成混淆矩阵，重点看两处：一是每个类别被漏检成了哪一类，二是背景被误检成缺陷的比例。药丸缺陷里裂纹和反光的混淆最典型，如果矩阵里大量“裂纹被判成污点”，说明这两个类别的特征边界没有拉开，要么加样本，要么考虑合并类别重新标注。混淆矩阵建议用验证集生成，不要用训练集，训练集上的混淆矩阵几乎没有参考价值。
6.2 漏杀和过杀的成本，决定阈值怎么调
药丸质检通常漏杀成本远高于过杀：坏药丸流出去会出品质事故，好药丸被拦截最多是重新检测一次。因此部署时置信度阈值可以从默认的 0.25 下调到 0.15，多召回一些低置信度缺陷框；同时配合连续帧过滤，同一颗药丸在视野中出现多次，至少连续两帧都报缺陷才判为 NG，能明显降低偶发误检。这个组合拳比单独调模型参数更值得先做。如果现场过杀率仍高于线体要求，再逐步提高阈值，直到找到漏杀和过杀的平衡点。需要在产线连续运行一段时间后重新统计一次混淆矩阵，以真实样本为准。
我自己的习惯是，拿到任何缺陷检测数据集，先跑一轮基线，只调置信度阈值和 NMS 参数，记录下这两组数；如果效果不满足，再动训练参数和增强策略。这样能避免把数据和模型问题混在一起。希望帮到你。
本文还有配套的精品资源，点击获取
