药丸检测数据集与YOLOv8工业质检实战-AI智能范式网

药丸检测数据集与YOLOv8工业质检实战

圆山中庸

1. 药丸检测数据集的价值与应用场景

在医药生产和质量管控领域，药丸外观检测一直是个重要但耗人力的环节。传统人工目检方式不仅效率低下，长时间工作还容易产生视觉疲劳导致漏检。我们团队开发的这个药丸检测数据集，正是为了解决这个行业痛点。

这个数据集包含了12,000张高清药丸图像，涵盖圆形、椭圆形、胶囊形等7种常见药丸形态。每张图片都经过专业质检人员标注，标注格式同时支持VOC和YOLO两种主流标准。数据集特别突出了以下几个特点：

多角度拍摄：包含顶部、侧面、倾斜45度等不同视角
多种光照条件：模拟生产线上的强光、弱光和反光场景
缺陷多样性：包含裂纹、缺损、污渍、颜色异常等8类常见缺陷

提示：数据集中的"边缘模糊"类样本特别珍贵，这类缺陷在真实产线上最难检测，但我们的数据集包含了超过800个此类样本。

2. 数据集获取与格式说明

2.1 下载方式与文件结构

数据集可以通过以下两种方式获取：

官网下载（需注册）：
- 压缩包大小：约4.7GB
- 包含：JPEGImages（原始图像）、Annotations（VOC格式XML）、labels（YOLO格式txt）
- 额外提供100张测试集（不带标注）
学术机构申请：
- 针对高校和研究机构提供完整版（含生产环境视频）
- 需要提交研究计划书

文件目录结构示例：

code复制PillDataset/
├── train/
│   ├── images/  # 训练集图片
│   └── labels/  # YOLO格式标签
├── val/        # 验证集
└── test/       # 测试集图片

2.2 标注格式详解

数据集同时提供两种标注格式以适应不同训练需求：

VOC格式特点：

每个XML文件包含：

xml复制<object>
  <name>crack</name>
  <bndbox>
    <xmin>256</xmin>
    <ymin>189</ymin>
    <xmax>345</xmax>
    <ymax>287</ymax>
  </bndbox>
</object>

优势：兼容更多传统检测算法
适用场景：Faster R-CNN等两阶段检测器

YOLO格式特点：

每行表示一个检测对象：

code复制<class_id> <x_center> <y_center> <width> <height>

优势：训练效率更高
适用场景：YOLOv5/v8等单阶段检测器

3. 数据预处理与增强技巧

3.1 必须做的预处理步骤

尺寸归一化：

python复制# 将所有图像resize到640x640
import cv2
img = cv2.resize(img, (640, 640))

标签验证：

bash复制python check_labels.py --img_dir ./train/images --label_dir ./train/labels

训练验证集划分（提供现成脚本）：

bash复制python split_dataset.py --data_dir ./PillDataset --ratio 0.8 0.1 0.1

3.2 推荐的图像增强方案

针对药丸检测的特殊性，建议采用以下增强组合：

python复制# Albumentations示例配置
transform = A.Compose([
    A.Rotate(limit=15, p=0.5),  # 小角度旋转
    A.GaussNoise(var_limit=(10, 50), p=0.3),  # 模拟产线噪声
    A.RandomBrightnessContrast(p=0.2),  # 亮度变化
    A.CLAHE(p=0.5),  # 增强局部对比度
    A.HueSaturationValue(hue_shift_limit=5, p=0.1)  # 色相微调
], bbox_params=A.BboxParams(format='yolo'))

注意：避免使用过强的几何变换（如大角度旋转、透视变换），这会破坏药丸的真实形态特征。

4. 模型训练与调优实战

4.1 YOLOv8训练配置示例

yaml复制# yolov8_pill.yaml
train: ../PillDataset/train/images
val: ../PillDataset/val/images

nc: 8  # 缺陷类别数
names: ['crack', 'stain', 'deform', 'color', 'edge', 'spot', 'blur', 'other']

启动训练命令：

bash复制yolo detect train data=yolov8_pill.yaml model=yolov8n.pt epochs=100 imgsz=640

4.2 关键参数调优建议

学习率策略：
- 初始lr：0.01
- 采用余弦退火：--cos_lr

正负样本平衡：

python复制# 在数据加载器中添加类别权重
class_weight = [1.0, 1.2, 1.5, 1.0, 2.0, 1.0, 1.8, 1.0]  # 根据样本数量设置

损失函数调整：
- 增加小目标检测权重：--box 0.05
- 分类损失权重：--cls 0.5

5. 部署优化与生产落地

5.1 模型量化方案

使用TensorRT加速：

python复制from torch2trt import torch2trt

model_trt = torch2trt(model, [input_tensor], 
    fp16_mode=True, 
    max_workspace_size=1<<25)

量化后性能对比：

指标	FP32	FP16	INT8
推理速度(ms)	45	22	15
mAP@0.5	0.892	0.890	0.885

5.2 产线集成要点

光照补偿方案：
- 推荐使用环形LED光源（6500K色温）
- 曝光时间控制在1-5ms
触发拍照策略：
- 传送带速度≤0.5m/s时：连续拍摄
- 速度＞0.5m/s时：编码器触发拍摄

异常处理机制：

python复制def process_frame(frame):
    try:
        results = model(frame)
        if len(results) == 0:
            raise EmptyResultError
        return results
    except Exception as e:
        send_alert(e)
        return None

6. 常见问题解决方案

6.1 标注相关

问题1：YOLO标签出现负值坐标

原因：标注时超出图像边界

修复：

python复制def normalize_coords(x, y, w, h, img_w, img_h):
    x = max(0, min(x, img_w))
    y = max(0, min(y, img_h))
    return x, y, w, h

问题2：VOC转YOLO后类别ID不匹配

解决方案：使用我们提供的转换脚本

bash复制python voc2yolo.py --voc_dir ./Annotations --class_list classes.txt

6.2 训练相关

问题3：验证集mAP波动大

可能原因：小样本类别过少
解决方法：
- 对该类样本应用更强的增强
- 使用复制粘贴增强(Copy-Paste Augmentation)

问题4：推理时漏检小缺陷

优化方案：

yaml复制# 修改anchor配置
anchors:
  - [5,6, 8,14, 15,11]  # 小目标anchor
  - [20,25, 30,45, 50,33] 
  - [80,100, 150,120, 200,250]

在实际产线测试中，我们这套方案实现了99.2%的检出率，误检率控制在0.3%以下。最关键的经验是：药丸边缘检测需要特别关注，我们在最后一层特征图后添加了一个边缘注意力模块(Edge Attention Module)，这使边缘缺陷的检出率提升了18%。