1. 项目概述：多版本YOLO龋齿识别实战
作为一名长期从事医学影像AI落地的算法工程师，我最近完成了基于YOLO系列模型的龋齿识别项目。这个项目特别适合计算机视觉方向的学生作为课程设计或毕业课题，也适合医疗AI从业者快速验证技术可行性。不同于常规的目标检测任务，龋齿识别面临着牙齿形态多变、病灶区域小、口腔环境复杂等独特挑战。
在本次实践中，我系统测试了YOLOv5到v26五个版本的模型表现，从数据集构建、训练配置到结果分析形成完整闭环。最让我惊喜的是，即使是入门级的YOLOv5也能达到88.2%的mAP，而最新的v26版本更是突破了93%的准确率。下面我将详细分享整个项目中的关键细节和经验教训，特别是那些在官方文档中不会提及的实战技巧。
2. 核心基础准备
2.1 数据集构建与处理
龋齿数据集的质量直接决定了模型上限。我们收集了741张临床口腔影像（最终划分521训/147验/73测），所有图像均来自三甲医院口腔科的真实病例，覆盖了早期龋、中期龋和深龋三种程度。在标注环节，我们特别注重了几个关键点：
-
标注规范制定：与口腔医生共同确定龋齿的判定标准，明确将釉质脱矿、明显龋洞等特征作为标注依据。对于难以判定的边缘病例，采用三位医生共同确认的机制。
-
小目标处理技巧：龋齿区域往往只占图像的1%-5%，为此我们：
- 将原始图像从3000×2000统一resize到1280×960
- 采用矩形标注框+关键点标注的混合方式
- 对微小病灶进行局部放大再标注
-
数据增强策略：
python复制# 自定义龋齿专用增强管道
transform = A.Compose([
A.RandomResizedCrop(1024, 1024, scale=(0.8, 1.0)),
A.HorizontalFlip(p=0.5),
A.RandomBrightnessContrast(p=0.3),
A.CLAHE(p=0.2), # 增强局部对比度
A.GaussNoise(var_limit=(10, 50), p=0.1) # 模拟拍摄噪声
], bbox_params=A.BboxParams(format='yolo'))
特别注意：口腔影像常有金属反光区域，需避免过度增强导致伪影。我们通过限制对比度调整范围（gain_limit=0.3）和选择性应用直方图均衡化来解决。
2.2 模型选型分析
选择YOLO系列五个具有代表性的版本进行对比：
| 版本 | 核心改进 | 适用场景 | 显存需求 |
|---|---|---|---|
| v5 | 经典架构 | 教学入门 | 4GB |
| v8 | C3模块优化 | 轻量部署 | 6GB |
| v11 | 注意力机制 | 复杂场景 | 8GB |
| v12 | 动态标签分配 | 小目标检测 | 8GB |
| v26 | 多尺度融合 | 高精度场景 | 10GB |
对于龋齿检测这种小目标任务，我特别推荐关注v12和v26两个版本。v12采用的Task-Aligned Assigner能显著提升小目标检测效果，而v26的跨阶段特征融合机制对识别早期釉质脱矿特别有效。
3. 训练环境与配置细节
3.1 硬件配置方案
我们测试了三种常见配置的性价比：
-
入门级：RTX 3060 (12GB) + i5-12400F
- 可流畅运行v5/v8
- batch_size=16时显存占用约9GB
- 训练v26需要降低到batch_size=8
-
性价比款：RTX 4070 (12GB) + i7-12700
- 全版本通吃
- v26也能保持batch_size=16
- 推荐学生党选择
-
高性能版：RTX 4090 (24GB) + i9-13900K
- batch_size可提升至32
- 训练速度提升2-3倍
- 适合快速迭代研究
避坑指南：移动端显卡（如笔记本的RTX3050）由于CUDA核心数不足，训练v11+版本可能出现显存足够但计算速度极慢的情况。
3.2 关键超参数设置
所有版本保持统一的baseline配置：
yaml复制lr0: 0.01 # 初始学习率
lrf: 0.2 # 最终学习率=lr0*lrf
momentum: 0.937
weight_decay: 0.0005
warmup_epochs: 3
warmup_momentum: 0.8
针对龋齿检测的特殊调整：
- 将box loss权重从默认0.05提高到0.2（小目标需要更精确的定位）
- 对v12/v26启用RepGTAN Neck（增强特征融合）
- 对v8/v11启用small object detection层
4. 训练流程优化技巧
4.1 数据准备实战
YOLO要求的数据集目录结构常让新手困惑，这里给出清晰模板：
code复制datasets/
└── caries/
├── images/
│ ├── train/
│ ├── val/
│ └── test/
└── labels/
├── train/
├── val/
└── test/
关键操作步骤：
- 使用labelImg标注后，执行格式转换：
bash复制python yolov5/scripts/convert_annotations.py --source pascal --target yolo
- 创建dataset.yaml：
yaml复制path: ../datasets/caries
train: images/train
val: images/val
test: images/test
names:
0: dental_caries
4.2 训练过程监控
推荐使用改进版的训练命令：
bash复制python train.py --img 1024 --batch 16 --epochs 100 \
--data caries.yaml --weights yolov5s.pt \
--hyp hyp.caries.yaml --name exp1 \
--exist-ok --cache ram --bbox_interval 10
几个实用技巧：
--cache ram将数据集缓存到内存，提速3-5倍--bbox_interval 10每10个batch可视化一次预测框- 使用W&B监控时，添加
--wandb_model_name caries_detection
5. 测试结果深度分析
5.1 定量指标对比
各版本在测试集上的表现：
| 版本 | mAP@0.5 | 推理速度(FPS) | 参数量(M) | 漏检率 |
|---|---|---|---|---|
| v5 | 0.882 | 32 | 7.2 | 8.2% |
| v8 | 0.905 | 38 | 11.4 | 6.5% |
| v11 | 0.918 | 35 | 36.7 | 5.1% |
| v12 | 0.923 | 45 | 28.9 | 4.3% |
| v26 | 0.931 | 40 | 42.1 | 3.7% |
5.2 典型case分析
成功案例：
- v26准确识别出邻面龋（牙缝间病灶）
- v12对金属修复体旁的继发龋判断准确
- v11在低对比度影像中仍能发现早期脱矿
失败案例：
- 所有版本对窝沟浅龋都有约15%的漏检
- 存在将牙结石误判为龋齿的情况（约3-5%）
- 重度磨耗牙齿的边缘判断不准
6. 部署优化建议
6.1 模型压缩方案
针对不同部署场景的优化策略：
- 移动端部署：
python复制python export.py --weights best.pt --include onnx \
--dynamic --simplify --opset 12 \
--img 640 --batch 1 --device cpu
- Web服务部署：
python复制# 使用Triton推理服务器配置
name: "yolo_caries"
platform: "onnxruntime_onnx"
max_batch_size: 16
input [
{ name: "images", data_type: TYPE_FP32, dims: [3, 640, 640] }
]
output [
{ name: "output0", data_type: TYPE_FP32, dims: [1, 25200, 6] }
]
6.2 业务系统集成
在实际口腔PACS系统中，我们采用三级检测策略：
- 第一级：v12快速筛查（高召回率模式）
- 第二级：v26精细判断（高精度模式）
- 第三级：可疑病例人工复核
这种组合方案使系统整体效率提升40%，同时保持临床可接受的误诊率。
7. 常见问题解决方案
问题1：训练早期出现大量nan值
- 检查数据标注是否有越界（xywh应归一化到[0,1]）
- 降低初始学习率到0.001试运行5个epoch
- 尝试关闭mixup增强
问题2：验证集mAP波动大
- 可能是数据分布不均，检查验证集是否包含特殊病例
- 适当增大验证集规模（建议不少于训练集的20%）
- 使用--single-cls模式排除类别不平衡影响
问题3：小目标检测效果差
- 在model.yaml中增加small object检测层
- 调整anchor尺寸匹配龋齿大小
- 尝试使用SAHI进行切片推理
经过三个月的持续优化，我们最终将龋齿识别系统成功部署到5家口腔诊所。最大的体会是：医疗AI项目不能只追求算法指标，更需要考虑临床工作流的适配性。比如我们增加了"置信度阈值动态调整"功能，让医生可以根据不同诊疗阶段调整系统敏感度