简介：用于YOLO算法训练的太阳能电池板检测标注数据集，面向计算机视觉研发人员、深度学习初学者及光伏电站运维团队，旨在解决高变焦条件下光伏板快速定位与健康状态判别难题。压缩包采用zip格式，内含2000个XML标签文件，包体约620.88MB；标签内容涵盖光伏板位置、边界框及状态信息，可灵活转换为YOLO系列模型所需的txt或VOC格式，降低数据预处理成本。目前已有538人学习下载，数据覆盖不同拍摄角度、光照条件和环境背景，具有较丰富的场景多样性，适合用于目标检测模型微调与算法效果对比。借助高变焦带来的高分辨率细节，模型可有效学习裂纹、污渍、遮挡等微小缺陷特征，结合YOLO单阶段检测的速度优势，能够支撑光伏电站自动化巡检、无人机巡检图像分析、故障预警等实际任务，从而提升运维效率并保障发电系统稳定运行。
1. 一份高变焦光伏板数据集，能帮 YOLO 训练省掉多少事
做光伏板检测落地的同行对这类需求应该不陌生：电站现场拍摄的图片分辨率高、反光强、远近目标混在一起，随便拿公开通用数据集训练出来的 YOLO 模型，换到真实巡检画面上基本抓瞎。这份「yolo算法-太阳能电池板数据集-24577张图像带标签-太阳能光伏板检测-高变焦.zip」提供的是 24577 张真实拍摄的高变焦图像，每张都带 XML 格式的标注文件，目标场景非常垂直，就是光伏板的定位与状态识别。适合两类人：一类是正在做光伏板缺陷检测项目、缺高质量训练样本的工程师；另一类是拿目标检测练手、想体验完整「数据清洗 → 格式转换 → 训练 → 验证」链路的学习者。它解决的核心问题只有一个：让 YOLO 模型的训练起点站在真实巡检数据上，而不是停留在 demo 数据集里。
2. 拆开数据集看标注：VOC 格式里藏着哪些有效信息
2.1 压缩包内的文件构成与编号规律
解压后你会看到大量以img_0356_17879.xml这类编号命名的 XML 文件。前缀的img_0356是采集批次标识，后一段17879通常是拍摄时的序列编号或传感器时间戳片段。这种命名方式虽然没有把信息直接写进文件名，但在批量处理时有实用价值：如果图片按拍摄时间排序，你可以根据编号间隔推测同一组串光伏板的连续拍摄帧，后续做视频流检测或时序分析时可以按这个编号重新聚合数据。
每个 XML 文件对应一张原始图片，这是 Pascal VOC 标注体系的典型特征。也就是说，24577 张图意味着压缩包里至少有 24577 个 XML 标注文件。这里要提醒一个新手常踩的坑：VOC 格式只负责「告诉模型目标在哪里」，图片文件本身是单独存放的。拿到压缩包后第一步不是急着训练，而是先核对图片与 XML 是否一一对应，缺图或多余标注都会在训练时报错或静默影响精度。
XML 采用的是 Pascal VOC 标准的树形结构。一个标准的标注文件包含图片路径信息、尺寸信息，以及一个或多个object节点。光伏板检测场景下，每张图中可能只有一个目标，也可能有十几个板面同时出现，这取决于拍摄角度和变焦程度。
2.2 标注字段逐项拆解：bndbox、difficult 与多类别预留
我们以一份典型的 VOC XML 标注为例，看里面的字段对应什么：
<annotation> <folder>solar_panel_images</folder> <filename>img_0356_17879.jpg</filename> <source> <database>solar_panel_collection</database> </source> <size> <width>1920</width> <height>1080</height> <depth>3</depth> </size> <object> <name>solar_panel</name> <pose>Unspecified</pose> <truncated>0</truncated> <difficult>0</difficult> <bndbox> <xmin>512</xmin> <ymin>301</ymin> <xmax>1287</xmax> <ymax>886</ymax> </bndbox> </object> </annotation>这段 XML 里，<size>下的width和height是原图的真实尺寸，YOLO 坐标归一化时必须以这个值为分母。<object><name>是类别名，本数据集的类别通常只有一个solar_panel。<bndbox>里的四个数值xmin / ymin / xmax / ymax是目标的左上角和右下角坐标，单位是像素。<truncated>和<difficult>分别表示目标是否被截断、是否难以辨认。
不同标注工具生成的 XML 可能有细微差异，但这些核心字段是通用的。给新手一个自查方法：随便打开一个 XML，如果xmax大于width，说明这张图的标注是手工拍脑袋写的，要么原图被缩放后没同步更新坐标，要么标注工具本身有 bug，这类文件建议直接剔除。
下面把各字段在光伏板场景中的实际含义列成一张表，方便对照。
| 字段 | 含义 | 在光伏板检测中的实际影响 |
|---|---|---|
| width / height | 原图像素尺寸 | 归一化坐标的分母，写错会导致所有标注点错位 |
| xmin / ymin / xmax / ymax | 目标框边界 | 决定 IoU 计算和损失函数回传的梯度位置 |
| difficult | 目标是否难以辨认 | 可保留作弱样本，但首轮训练建议过滤 |
| truncated | 目标是否被截断 | 高变焦近景常出现板面出画，truncated=1 的目标框不可靠 |
| name | 类别名 | 多类别时需维护类别到索引的映射关系 |
2.3 高变焦特性对训练策略的三点影响
「高变焦」是这个数据集区分于普通公开数据集的核心属性。高变焦带来的是更多细节，同时也带来了尺度分布不均衡的问题。
第一，高变焦意味着同一张图里远景和近景的目标像素尺寸差异很大。近处板面可能占据 800×600 像素，远处板面只有 40×30 像素。YOLO 的 anchor 机制是基于训练集目标框尺寸统计生成的，如果直接以默认 anchor 跑，大目标和小目标会互相干扰，导致小目标漏检。解决方法是训练前对标注框做聚类统计，或者直接用自适应 anchor 的 YOLOv5/v8 版本，让网络自己学习先验框分布。
第二，高变焦图像中板面纹理非常清晰，裂纹、污渍、灰尘积聚这些细节会被网络当成强特征。这是双刃剑：优点是有利于做缺陷分类，缺点是模型容易过拟合到「纹理细节」而不是「板面结构」。实践中我会把输入分辨率设得比普通数据集更高，imgsz=640在普通数据上够了，但这类数据建议直接跑到imgsz=960，否则纹理细节在缩放中丢失，模型学到的全是模糊的绿色块。
第三，高变焦拍摄对焦容易产生局部模糊。光伏板在画面中央清晰，边缘轻微虚化，如果标注框包含了模糊区域，网络训练时会给这个位置传递「模糊也是板面」的错误信号。后面讲数据清洗时会细说怎么处理这类样本，这里先记住一个原则：标注框宁可紧一点，也不要为了「包住全部」而把背景框进去。
3. 把 VOC 转成 YOLO 格式：转换脚本与四个边界坑
3.1 为什么要先统一成 txt 格式
VOC 的 XML 是给人看的，YOLO 训练时读的是纯文本 txt，每行一个目标，格式是class_id x_center y_center width height，所有坐标值都是归一化到 [0,1] 的浮点数。很多初学者直接拿现成脚本转，转完也不校验，训练到一半才发现坐标全乱，这是典型的「转换环节翻车」。
转换的核心逻辑不复杂，就是把 XML 里的像素坐标除以图片宽高，得到归一化坐标，再算中心和宽高。但真正写脚本时要处理很多边界情况，下面这个脚本是我在实际项目中常用的版本，保留了关键处理逻辑：
import os import random import xml.etree.ElementTree as ET # 类别名到索引的映射，单类别的数据集也要显式写出来 classes = ["solar_panel"] # 如果有多个类别，按顺序追加 def clip(value, min_val, max_val): """把越界坐标拉回合法范围，防止出现负数或大于1的值""" return max(min_val, min(max_val, value)) def convert_xml_to_yolo(xml_path, output_txt_path): tree = ET.parse(xml_path) root = tree.getroot() size = root.find("size") img_w = int(size.find("width").text) img_h = int(size.find("height").text) if img_w == 0 or img_h == 0: # 部分标注工具会在 size 节点留空，此时无法归一化，跳过 print(f"跳过 {xml_path}: 图片尺寸为0") return lines = [] for obj in root.iter("object"): name = obj.find("name").text if name not in classes: continue # 类别不在映射表里，跳过 # 过滤 difficult 样本，首轮训练用干净数据更稳 difficult = obj.find("difficult") if difficult is not None and int(difficult.text) == 1: continue bbox = obj.find("bndbox") x_min = float(bbox.find("xmin").text) y_min = float(bbox.find("ymin").text) x_max = float(bbox.find("xmax").text) y_max = float(bbox.find("ymax").text) # YOLO 需要的是中心点坐标和宽高 box_w = x_max - x_min box_h = y_max - y_min # 宽高为0或负数的标注是脏数据，直接丢弃 if box_w <= 0 or box_h <= 0: continue # 归一化到 [0, 1]，并做越界保护 x_center = ((x_min + x_max) / 2) / img_w y_center = ((y_min + y_max) / 2) / img_h norm_w = box_w / img_w norm_h = box_h / img_h x_center = clip(x_center, 0.0, 1.0) y_center = clip(y_center, 0.0, 1.0) norm_w = clip(norm_w, 0.0, 1.0) norm_h = clip(norm_h, 0.0, 1.0) # class_id 必须从 0 开始，且与 data.yaml 里的名字一一对应 class_id = classes.index(name) lines.append(f"{class_id} {x_center:.6f} {y_center:.6f} {norm_w:.6f} {norm_h:.6f}") # 写入时注意保留空行规则：YOLO 允许空 txt，但部分版本会跳过空文件 with open(output_txt_path, "w", encoding="utf-8") as f: f.write("\n".join(lines))逻辑说明：脚本首先解析 XML 得到图片宽高，然后遍历每个object节点，过滤掉不在类别表和difficult=1的样本，最后把bndbox的四点坐标换算成中心点加宽高的形式，并做归一化。这样生成的 txt 每一行都是一个完整目标，直接能被 YOLO 的 Dataset 类读取。
参数说明：classes列表的顺序就是训练时的类别映射顺序，如果数据集实际包含多个类别，这里不能乱写，否则类别索引全部错位。clip函数解决的是坐标越界问题——高变焦图像里常见目标超出画面，标注工具可能记录出超过 width/height 的坐标，此时x_max / img_w会大于 1，必须拉回边界。.6f的精度保留是 YOLO 官方脚本的惯例，保留 6 位小数足够表达像素级精度，多留位数并不会提升精度，反而让文件变大。
3.2 转换时的四个边界坑
第一个坑是difficult=1的样本处理。有些标注员会在难以辨认的目标上标记difficult=1，这代表「这个目标存在但标注不准确」。首轮训练建议过滤掉，因为难样本会让 loss 震荡。如果模型已经收敛，再把这类样本加回来做第二轮微调，可以提升模型在恶劣光照下的召回。
第二个坑是坐标取整。有的标注工具记录的坐标是整数，有的能记录浮点数。转换脚本里如果先取整再归一化，会导致边框丢失几个像素；对光伏板这种大目标来说影响不大，但对小目标来说，4 个像素的误差在 960 分辨率下就是约 0.4% 的 IoU 偏差，累积起来肉眼可见。所以转换时不要做任何取整操作，直接拿原始浮点值计算。
第三个坑是xml.etree解析时的大小写敏感问题。有的标注文件里字段首字母大写，有的小写，bndbox和BndBox都是可能出现的写法。稳妥的做法是用root.iter()配合字段名忽略大小写匹配，或者转换前先抽样看一个 XML 确认字段写法，不要在脚本里写死唯一格式。
第四个坑是图片与 XML 的文件名必须完全一致。YOLO 训练时会用图片路径的 stem 去查找对应 txt，如果图片叫img_0356_17879.jpg而标注叫tmp_0356_17879.xml，转换后 txt 跟图片对不上，训练时该图直接被视为无目标。这类错误最隐蔽，因为它不报错，只是默默降低精度。
3.3 数据集划分：训练、验证、测试的比例怎么定
转换完成后需要把数据拆成三份。光伏板检测场景有它的特殊性，随机划分时还要考虑批次内图像的相似度。一个常见做法是：
import os import random image_files = [f for f in os.listdir("images") if f.endswith(".jpg")] random.seed(42) random.shuffle(image_files) train_files = image_files[: int(0.8 * len(image_files))] val_files = image_files[int(0.8 * len(image_files)): int(0.9 * len(image_files))] test_files = image_files[int(0.9 * len(image_files)):] with open("train.txt", "w") as f: f.write("\n".join([f"images/{name}" for name in train_files])) with open("val.txt", "w") as f: f.write("\n".join([f"images/{name}" for name in val_files])) with open("test.txt", "w") as f: f.write("\n".join([f"images/{name}" for name in test_files]))参数说明：random.seed(42)固定随机种子，保证每次划分结果一致，方便复现。80/10/10 是目标检测任务里比较稳妥的比例——24577 张图按这个比例划分，训练集约 19662 张，验证集和测试集约 2458 张，数据量完全够用。划分出的 txt 文件里写的是图片绝对路径或相对路径，YOLO 读取时会根据基础路径拼接。
这里有一个光伏板数据特有的问题：同一批次拍摄的图像往往光照条件、拍摄角度高度相似。如果随机划分恰好把同一批次的图同时分进训练集和验证集，验证集分数会虚高，因为模型「见过」类似场景。实际项目中我会按拍摄批次分桶，再在桶内做随机划分，确保验证集里包含足够多样的光照条件。这个细节直接影响后续对模型泛化能力的判断，值得花半小时处理。
4. 训练配置与参数：从 data.yaml 到 batch 和 imgsz 的取舍
4.1 数据集目录怎么摆：images 和 labels 的对应关系
YOLO 系列对数据集目录结构的约定非常死板：图片放在images目录，标注 txt 放在labels目录，两者文件名一一对应。以这份光伏板数据为例，目录结构建议如下：
dataset/ ├── images/ │ ├── train/ │ │ ├── img_0356_17879.jpg │ │ └── ... │ ├── val/ │ └── test/ └── labels/ ├── train/ │ ├── img_0356_17879.txt │ └── ... ├── val/ └── test/上面的结构是 YOLOv5 和 YOLOv8 都能直接吃的常规排布。images/train里放图片，labels/train里放对应的 txt，验证集和测试集同理。如果你的压缩包里所有图片和 XML 混在一个目录，需要先按第 3 章的划分脚本分好目录再转换，或者转换完成后用文件移动脚本把 txt 按对应关系挪进去。
实际处理时有一个细节：YOLO 的 Dataset 类支持图片和标签在不同根目录下，依赖 train.txt 里的路径前缀做拼接。但我个人习惯严格按照images和labels的镜像结构来放，因为这样出问题时排查路径最直接，而且换用别的检测框架（比如 YOLOv8 的datasetsAPI）时不需要改目录结构。
4.2 data.yaml 配置：类别数、路径与验证集
数据准备好后，需要写一个data.yaml告诉训练脚本数据在哪、有几类。以单类别光伏板检测为例：
# 类别名必须与转换脚本中 classes 列表保持一致 names: 0: solar_panel # 图片和标签的根目录，用绝对路径最省心 path: /home/dev/dataset train: images/train val: images/val test: images/test # 类别数量，单类别就是 1，nc 写错会直接报错 nc: 1参数说明：nc是 number of classes 的缩写，必须和names里的实际类别数一致。train和val既可以写目录路径，也可以写记录图片路径的 txt 文件路径。如果你按 3.3 节生成了 train.txt，可以直接把train: train.txt填在这里，YOLO 会自动读取文件里的每一行作为一个训练样本路径。path字段做路径拼接根，相对路径和绝对路径都支持，但绝对路径最保险，避免训练脚本运行时工作目录不同导致找不到文件。
有个容易忽略的配置是val不能为空。YOLO 训练时每个 epoch 结束后会在验证集上计算 mAP，如果val路径错误，训练会默默跳过验证阶段，只输出训练 loss，让你误以为模型收敛良好。我见过不止一个项目因为这个配置写错，训练了 50 个 epoch 后发现没有验证指标，最后只能回头重跑。
4.3 模型选型与超参数：为什么从 yolov5s 起步
模型大小选择取决于你的部署算力。24577 张光伏板图像的数据量不小，单类别目标形态相对固定，不需要一开始就上大模型。我的经验是从yolov5s或者yolov8s起步，先跑通全流程，拿到一个 baseline，再根据精度和速度的短板决定要不要换yolov5m或yolov8m。
yolov5s参数量约 7.2M，在 GTX 3060 级别的显卡上，imgsz=640、batch=16的前提下，训练 100 轮大约需要 3 到 4 小时。如果换yolov5m（参数量约 21M），同样的配置时间翻倍，但精度提升可能不到 2%。光伏板检测不是细粒度分类任务，目标是大矩形块，s 模型通常已经够用。只有在需要检测微小裂纹这种细粒度缺陷时，才值得换更大的模型或更高的输入分辨率。
关键超参数如下表所示：
| 超参数 | 光伏板场景推荐值 | 调整方向 |
|---|---|---|
| imgsz | 640 起步，显存充裕用 960 | 小目标漏检时提高 |
| batch | 显存允许的范围内尽量大 | 显存溢出时减小 |
| epochs | 100 起步 | 观察 val loss 不再下降即可停 |
| lr0 | 0.01（默认） | 收敛不稳时降到 0.005 |
| workers | 4 ~ 8 | 数据读取慢时提高 |
| optimizer | SGD 或 AdamW | 小数据集用 AdamW 收敛更快 |
imgsz的选择要注意一个矛盾：光伏板数据是高变焦拍摄的，目标细节多，分辨率提高确实有好处，但分辨率翻倍意味着显存占用变为原来的约 2.25 倍（长宽都放大）。imgsz=960、batch=8的显存占用接近imgsz=640、batch=16的两倍。显存是硬约束时，优先保imgsz而不是保batch，因为分辨率对检测精度的影响通常大于 batch 大小的影响。
4.4 训练命令与日志解读
用 YOLOv5 训练的命令先列出来：
cd yolov5 python train.py \ --data /home/dev/dataset/data.yaml \ --weights yolov5s.pt \ --img 640 \ --batch 16 \ --epochs 100 \ --workers 8 \ --device 0参数说明：--img是输入分辨率，训练时会自动做缩放；--batch是单卡 batch 大小，16 是一个比较均衡的起点；--epochs设 100，实际训练时如果 val mAP 连续 20 轮不涨，可以提前停止；--workers是数据加载线程数，设成 CPU 核数的一半左右比较合理，过高会导致磁盘 I/O 成为瓶颈；--device 0指定第一块 GPU。
训练过程中需要盯三组指标：box_loss、obj_loss和val mAP@0.5。box_loss和obj_loss下降说明模型在学，如果 loss 下降但 mAP 不涨，大概率是标注质量问题或类别不平衡。mAP@0.5是光伏板检测任务最重要的指标——这个任务里不需要像素级分割精度，IoU 阈值 0.5 表示框得差不多就行。如果mAP@0.5能到 0.95 以上，模型基本具备了可用性。
有个经验值可以参考：光伏板这种规则矩形目标，mAP@0.5低于 0.9 说明模型没学好，优先查数据和标注；高于 0.95 后开始关注mAP@0.5:0.95，这个指标对框的位置精度更敏感，也是后期调参的主要方向。日志里同时观察两者，比只盯着一个指标更能反映模型的真实水平。
5. 训练与复现中的常见问题：五个翻车案例与排查记录
5.1 频繁误检：把地面反光当成光伏板
现象：训练完成后在测试图上推理，模型把地面上的积水反光、白色碎石区域框成了光伏板，置信度还不低，有的甚至到了 0.85 以上。
原因：高变焦图像里光伏板本身的绿色/深蓝色调与地面植被反光在 YOLO 的浅层特征里容易混淆。尤其是晴天中午拍摄的图片，光伏板镜面反射强烈，板面颜色偏白，特征更接近地面反光而不是标准光伏板。数据集中这类「板面发白」的图片存在，但地面反光的负样本数量不够，导致模型学到的判断特征是颜色而不是结构。
解决：分两步。第一步，从 val 集里挑出所有误检图片，统计误检区域的尺寸和位置分布，如果集中在图像下半部分（地面区域），说明模型学到了位置偏置，需要在数据层面增加随机裁剪和翻转。第二步，手动收集 200 到 500 张不含光伏板但有反光的纯背景图，作为负样本加入训练集。YOLO 支持无标注图片作为负样本——把图片放进images/train目录，对应 labels 目录里放一个空 txt 文件，模型就会学习这些背景不该有目标。
5.2 小目标漏检：远处板面完全消失
现象：模型对大板面检测效果极好，但对画面远处、焦段外的小目标板面直接漏检。视觉上这些目标并不小，但模型就是没有输出。
原因：高变焦数据集中目标尺寸分布极度不均。大部分标注框面积占整张图的比例超过 15%，只有少量远目标占比低于 2%。默认 anchor 是根据所有标注框的聚类结果生成的，小目标对应的 anchor 数量被大目标稀释，训练时小目标的定位损失权重也偏低。
解决：两个有效手段。第一，把输入分辨率从 640 提高到 960 或 1280，让远处板面在缩放后保留更多像素特征。第二，在训练配置里开启多尺度训练，YOLOv5 的--multi-scale参数会随机在 0.5~1.5 倍范围内缩放输入图像，相当于变相增强小目标样本。如果实测仍然漏检，考虑对原图做切片推理：把 1920×1080 的图切成 640×640 的块，每块独立推理再拼接结果，这是检测小目标最笨但最有效的办法。
5.3 显存溢出：batch 和梯度累积的取舍
现象：--batch 16 --img 640可以正常跑，改成--batch 16 --img 960后直接报 CUDA out of memory 训练中断。
原因：显存占用随分辨率平方增长。从 640 提升到 960，单张图的显存占用变成原来的 2.25 倍，batch 不变时总占用直接翻倍。问题不在于 batch 太大，而在于分辨率太高。
解决：优先降 batch。--batch 8在多数 8G 显存显卡上可以运行img 960的训练。如果 batch 降到 4 还溢出的，可以配合梯度累积：设--batch 4，同时把配置文件里的accumulate设成 4，等效于每 4 个小 batch 做一次参数更新，效果接近 batch 16。注意这里有个取舍：梯度累积不会减少总显存占用，它只是把参数更新频率降下来，让模型在更小的 batch 下依然保持训练稳定性。
5.4 转换后坐标错位：归一化与取整的坑
现象：训练前用工具可视化标注框时发现，部分框明显偏左或偏右，有些框甚至超出了画面范围。
原因：转换脚本里如果用了round()对归一化坐标做四舍五入，或者 XML 中记录的width/height与实际图片尺寸不一致，都会导致坐标错位。更隐蔽的原因是：部分的标注工具在导出 XML 时会把尺寸信息写成「导出时的缩放尺寸」，但实际图片是最初的原始分辨率，两边对不上，归一化后所有坐标都偏移了固定比例。
解决：转换脚本里删除所有取整操作，直接保留浮点运算结果。然后写一个校验函数，随机抽 20 张图，读入 XML 的归一化坐标乘以图片实际尺寸，反向计算像素坐标，看是否与原 XML 的 bndbox 一致。不一致的图片优先检查size节点。这个校验动作应该固定为转换流程的一部分，别省。
5.5 val 分数高但实拍效果差：训练验证分布不一致
现象：训练日志里mAP@0.5到了 0.96，验证集表现很好，但把模型部署到现场实拍图上，检测率直线下降，漏检和误检同时出现。
原因：数据划分时用了纯随机划分，同一批次的图片被同时分进训练集和验证集。训练时模型已经「记住」了这批图的拍摄角度、光照条件，验证时看到的图与训练图高度相似，分数自然虚高。部署现场完全是新的光照、角度、背景，模型立刻被打回原形。
解决：按拍摄批次分组后再划分。最简单的做法是：文件名前缀相同的（比如都是img_0356_）视为同一批次，划分时保证同一批次的所有图片只进入训练集或验证集中的一个。这样验证集才真正代表「没见过的场景」。同时可以在实拍测试集上再单独评估一次，作为模型可上线性的最终依据。
6. 落地闭环：抽查脚本与推理时的阈值调节技巧
6.1 一个 30 张图的抽查脚本，验证转换和数据质量
训练前强制自己走一遍标注可视化核查。下面这个脚本用 OpenCV 把 YOLO 格式的 txt 还原成画了框的图，随机抽 30 张存到一个输出目录，人工快速检查。
import cv2 import os import random # 假设 img_dir 是图片目录，label_dir 是对应的标签目录 img_dir = "dataset/images/train" label_dir = "dataset/labels/train" output_dir = "check_labels" os.makedirs(output_dir, exist_ok=True) all_imgs = [f for f in os.listdir(img_dir) if f.endswith(".jpg")] random.seed(42) sample = random.sample(all_imgs, 30) for img_name in sample: img = cv2.imread(os.path.join(img_dir, img_name)) h, w = img.shape[:2] label_path = os.path.join(label_dir, img_name.replace(".jpg", ".txt")) with open(label_path) as f: for line in f: parts = line.strip().split() cls_id = int(parts[0]) x_center = float(parts[1]) * w y_center = float(parts[2]) * h box_w = float(parts[3]) * w box_h = float(parts[4]) * h x_min = int(x_center - box_w / 2) y_min = int(y_center - box_h / 2) x_max = int(x_center + box_w / 2) y_max = int(y_center + box_h / 2) cv2.rectangle(img, (x_min, y_min), (x_max, y_max), (0, 0, 255), 2) cv2.putText(img, str(cls_id), (x_min, y_min - 8), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 255, 0), 1) cv2.imwrite(os.path.join(output_dir, img_name), img)逻辑说明：脚本读取图片的实际宽高，把 txt 里的归一化坐标乘回像素值，画出红色矩形框和类别编号。人工检查这 30 张图，重点看两点：框是否贴合板面边缘；框内是否混入背景。如果超过 3 张有明显偏移，说明转换或标注有问题，先查再训练。
参数说明：random.seed(42)让每次抽查结果可复现；抽查数量 30 张在 2 万张训练数据里占比很小，但足以发现系统性偏差。如果你不想手动看图，可以加一个自动校验逻辑：计算每个框与图像边界的距离，如果某个框的x_min为负或x_max超过宽度，输出错误警告。
6.2 批量推理与置信度阈值调节
模型训练完毕后，批量推理时不要直接全图跑一遍了事。光伏板检测场景下，置信度阈值conf_thres的调节比换模型更有效。默认 0.25 在通用数据集上合理，但光伏板目标大且特征显著，可以适当调高到 0.4 或 0.5，减少误检。如果目标是尽可能把缺陷板全找出来，则降到 0.15 并配合 NMS 阈值提高到 0.6，宁可多框几个候选框，也不能漏掉问题板面。
推理脚本里我通常会留出两个参数手动调节：
python detect.py \ --weights runs/train/exp/weights/best.pt \ --source test_images/ \ --conf-thres 0.4 \ --iou-thres 0.5 \ --imgsz 960 \ --save-txt最后一步验证是算坐标偏差。随机抽 50 张测试图，用转换脚本反向把预测框和真实标注框做面积比对，统计 IoU 大于 0.7 的比例。这个比例能反映模型在真实场景下的定位精度，比单看 mAP 更直观。
一个自己的习惯是：拿到任何数据集，不管是谁分享的，都先抽 30 张图把标注框可视化出来，人工看一遍再进训练。这个动作花不了半小时，但能避开后面好几天调参的无效循环。从那以后我每次换数据集都强制走一遍这个抽查流程，不嫌麻烦。希望帮到你。
本文还有配套的精品资源，点击获取
