简介：本资源为瓷砖缺陷目标检测数据集，面向从事工业质检、表面缺陷识别方向的算法工程师与深度学习学习者，可用于训练和验证YOLO、Faster R-CNN等目标检测模型。数据集聚焦单块瓷砖图像，标注划痕线、破洞与边缘破碎三类缺陷，标签名称分别为huahengxian、podong和bianyuanposui，共16558个矩形框，其中边缘破碎6054框、破洞6288框、划痕线4216框，类别分布相对均衡。压缩包共2000个文件，包含888张jpg图片、888个VOC格式xml标注文件、890个txt文件（含YOLO格式标签及类别说明），整体约544.31MB，图片清晰且未做数据增强，可直接用于训练。目前已有209人学习下载。读者可获得开箱即用的双格式标注数据，省去自行采集与标注成本，便于快速搭建缺陷检测基线、对比不同模型效果，并针对小目标与多类别场景开展调优实验。

1. 瓷砖缺陷数据集：888 张、3 标签的 YOLO+VOC 双格式到底怎么用

拿到一个标注好的瓷砖缺陷数据集，第一反应往往不是兴奋，而是犯嘀咕：888 张够不够训？3 个标签是哪三类？YOLO 格式和 VOC 格式同时给，到底该用哪套？我见过太多人把 zip 解压完，对着 images、labels、Annotations、JPEGImages 几个文件夹发愣，然后随手挑一个格式就开始跑，结果训练 loss 不降、mAP 卡在 0.3 上不去，回头怀疑数据集质量。其实问题多半出在格式没对齐、标签没校验、划分没做对这三件事上。这篇就围绕「瓷砖缺陷数据集 yolo+voc 格式 888 张 3 个标签」这个具体对象，把从解压到跑通第一条 baseline 的完整路径讲清楚，顺带把 YOLO 入门阶段最容易翻车的几个点提前标出来。适合刚接触工业缺陷检测、手里正好有这么一份数据、想尽快验证方案可行性的同学。

2. 先搞懂 YOLO 与 VOC 两套格式的差异和选型逻辑

2.1 同一批标注，为什么会有两种格式

VOC 格式是 Pascal VOC 时代定下来的标注规范，核心是一张图对应一个 XML 文件，缺陷框写在<object>节点里，坐标是绝对像素值xmin, ymin, xmax, ymax，类别名写在<name>里。YOLO 格式则是把每张图的标注压成一个同名.txt，每行一个目标，格式是class_id x_center y_center width height，四个坐标全部归一化到 0~1 之间，class_id 从 0 开始编号。

同一批数据同时给两套，通常是因为标注工具（LabelImg、labelme 之类）导出时勾了多种格式，或者作者想兼容不同训练框架。对使用者来说，这不是「哪个更高级」的问题，而是「你的训练代码吃哪套」的问题。Ultralytics 系的 YOLOv5/v8/v11 默认吃 YOLO txt，早期 darknet 版本也是 txt，而一些基于 torchvision、mmdetection 的老代码更习惯读 VOC XML。

2.2 选型：优先用 YOLO 格式，VOC 留作校验

我的习惯是训练直接用 YOLO 格式，VOC 格式不删，留着做交叉校验。原因有三点：第一，YOLO txt 读取快，不用解析 XML，数据加载器压力小；第二，归一化坐标天然和图像尺寸解耦，改输入分辨率时不用重算标注；第三，YOLO 训练脚本对 txt 的支持最成熟，坑最少。

但 VOC 不能扔。当你怀疑某张图标注有问题时，XML 里的绝对坐标更直观，用 LabelImg 打开能直接看到框的位置，比对着归一化小数反推像素值快得多。所以合理做法是：YOLO 格式进训练管线，VOC 格式进人工复核流程。

2.3 888 张、3 标签的规模判断

888 张图、3 个类别，平均下来每类不到 300 张的图量级。这个规模做工业缺陷检测属于「能跑通、但别指望高精度」的档位。如果 3 个类别分布均衡，每类 250~300 张，配合数据增强和迁移学习，mAP@0.5 做到 0.7 以上是有希望的；如果某一类只有几十张，那一类基本就是拖后腿的。

先做一件事：统计每类目标框数量，而不是图片数量。一张图可能有多个缺陷框，真正决定模型能不能学的是框的数量和多样性。下面这段脚本就是干这个的。

import os from collections import Counter label_dir = "labels/train" # YOLO txt 目录 counter = Counter() img_with_obj = 0 for name in os.listdir(label_dir): if not name.endswith(".txt"): continue path = os.path.join(label_dir, name) with open(path, "r") as f: lines = [l.strip() for l in f if l.strip()] if lines: img_with_obj += 1 for line in lines: cls_id = int(line.split()[0]) counter[cls_id] += 1 print("含目标的图片数:", img_with_obj) print("各类别框数量:", dict(sorted(counter.items())))

逻辑说明：遍历 labels 目录下所有 txt，逐行取第一个字段作为类别 id 计数，同时统计非空文件数。参数说明：label_dir换成你实际的 YOLO 标签目录；如果类别名有映射表（比如classes.txt或data.yaml里的 names），把 id 换成名字再打印更直观。跑完这一步，你心里就有底了——如果某个类别框数低于 100，后面训练时要么补数据，要么在评估时单独看它的表现，别被整体 mAP 骗了。

3. 从解压到跑通第一条 YOLO baseline 的完整步骤

3.1 目录结构整理与 data.yaml 配置

解压后大概率是 images、labels、Annotations、JPEGImages 混在一起。YOLO 训练要求 images 和 labels 目录平行，且文件名一一对应（a.jpg对应a.txt）。先按下面结构归位：

dataset/ ├── images/ │ ├── train/ │ └── val/ ├── labels/ │ ├── train/ │ └── val/ └── data.yaml

如果原始数据只有一套 images 和一套 labels，用脚本按 8:2 划分，注意划分的是「图片+对应标签」这一对，不能只挪图片不挪标签。划分时用固定随机种子，保证可复现。

import os, random, shutil random.seed(42) img_dir = "images/all" lbl_dir = "labels/all" out_img = "images" out_lbl = "labels" files = [f for f in os.listdir(img_dir) if f.endswith((".jpg", ".png"))] random.shuffle(files) split = int(len(files) * 0.8) train_files, val_files = files[:split], files[split:] for subset, flist in [("train", train_files), ("val", val_files)]: os.makedirs(f"{out_img}/{subset}", exist_ok=True) os.makedirs(f"{out_lbl}/{subset}", exist_ok=True) for f in flist: stem = os.path.splitext(f)[0] shutil.copy(os.path.join(img_dir, f), f"{out_img}/{subset}/{f}") lbl = os.path.join(lbl_dir, stem + ".txt") if os.path.exists(lbl): shutil.copy(lbl, f"{out_lbl}/{subset}/{stem}.txt")

逻辑说明：先打乱文件列表，按 8:2 切分，再成对复制图片和标签。参数说明：random.seed(42)固定种子，换数字就换划分结果；0.8是训练集比例，888 张的话训练约 710 张、验证约 178 张，验证集偏小，评估时波动会大，心里要有数。如果某张图没有对应 txt，说明它是负样本（无缺陷），YOLO 允许空标签文件，但这里直接跳过复制，需要的话自己补一个空 txt。

data.yaml 内容：

path: ./dataset train: images/train val: images/val nc: 3 names: ["class0", "class1", "class2"]

nc是类别数，必须和实际标签里的最大 class_id+1 一致；names顺序必须和 class_id 对应，写错了模型学出来的类别就全乱。这三个名字换成数据集里真实的缺陷类别名。

3.2 用 YOLOv8 跑通训练的最小命令

环境装好后（pip install ultralytics），最小训练命令就一行：

yolo detect train data=dataset/data.yaml model=yolov8n.pt epochs=100 imgsz=640 batch=16

参数说明：model=yolov8n.pt用 nano 版预训练权重，888 张的小数据集从预训练迁移比从头训收敛快得多；epochs=100是起步值，小数据集容易过拟合，配合早停（默认 patience=50）够用；imgsz=640是 YOLO 默认输入尺寸，瓷砖缺陷如果很小（比如针孔、细裂纹），可以提到 960 或 1280，但显存和速度要权衡；batch=16按显存调，爆显存就降到 8 或 4。

训练启动后重点看三个信号：box_loss 是否稳定下降、cls_loss 是否下降、验证集 mAP@0.5 是否在涨。如果 box_loss 降但 mAP 不涨，多半是过拟合或验证集划分有问题；如果 cls_loss 一直不降，检查类别是否严重不均衡。

3.3 用 VOC XML 反查标注质量

训练前花十分钟用 VOC 格式抽查几张图，能省掉后面几小时的排查。写个脚本把 XML 里的框画到图上：

import os, xml.etree.ElementTree as ET import cv2 xml_dir = "Annotations" img_dir = "JPEGImages" out_dir = "check_vis" os.makedirs(out_dir, exist_ok=True) for xml_name in os.listdir(xml_dir)[:20]: # 先抽查 20 张 tree = ET.parse(os.path.join(xml_dir, xml_name)) root = tree.getroot() img_name = root.find("filename").text img = cv2.imread(os.path.join(img_dir, img_name)) for obj in root.findall("object"): name = obj.find("name").text bbox = obj.find("bndbox") x1 = int(float(bbox.find("xmin").text)) y1 = int(float(bbox.find("ymin").text)) x2 = int(float(bbox.find("xmax").text)) y2 = int(float(bbox.find("ymax").text)) cv2.rectangle(img, (x1, y1), (x2, y2), (0, 255, 0), 2) cv2.putText(img, name, (x1, y1 - 5), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 255, 0), 2) cv2.imwrite(os.path.join(out_dir, img_name), img)

逻辑说明：解析每个 XML，取 filename 找到对应图，遍历 object 画框和类别名。参数说明：[:20]控制抽查数量，先看 20 张，没问题再全量；坐标用float再转int，因为有些标注工具会写小数。重点看三件事：框是否贴合缺陷、类别名是否写错、有没有漏标。漏标是工业数据集最隐蔽的坑，模型学不会它没见过的框。

4. 瓷砖缺陷检测训练中的避坑与排查清单

4.1 坑一：标签类别 id 从 1 开始，训练全乱

现象：训练能跑，但 mAP 极低，预测出来的类别名和实际对不上。

原因：VOC XML 里类别是字符串，转 YOLO txt 时如果脚本按「从 1 开始」编号，而 data.yaml 的 names 从 0 开始，整体错位一位。

解决：转换后立刻统计 txt 里出现过的 class_id 最小值和最大值，确认是 0 到 nc-1。发现从 1 开始，要么改转换脚本，要么在 data.yaml 里补一个占位类别，但后者是下策，容易留隐患。

4.2 坑二：图片和标签文件名不一致

现象：训练日志里出现大量「image not found」或某类样本数为 0。

原因：图片是defect_001.jpg，标签是defect_001.JPG.txt或defect-001.txt，大小写、分隔符不统一。

解决：写脚本统一 stem，把标签重命名为和图片同名。批量重命名前先备份，血泪经验是重命名脚本写错一次，标签全废。

4.3 坑三：验证集里没有某个类别

现象：训练时某一类的 mAP 始终为 0 或 nan。

原因：8:2 随机划分时，稀有类别恰好全被分到训练集，验证集里一个都没有。

解决：划分时按类别分层抽样，保证每个类别在验证集里至少有若干框。888 张的小数据集尤其要注意，随机划分的玄学在这里体现得淋漓尽致。

4.4 坑四：imgsz 和标注尺寸不匹配导致小目标丢失

现象：大缺陷能检出，细裂纹、针孔类缺陷全漏。

原因：原图分辨率高，缩到 640 后小缺陷只剩几个像素，特征在下采样中丢没了。

解决：把 imgsz 提到 960 或 1280，或者对图像切块训练。切块要注意切完的块要重新生成对应标签，别直接复用原图标签。

4.5 坑五：把 VOC 和 YOLO 标签混在同一个目录

现象：训练报格式错误，或 loss 异常。

原因：labels 目录里混进了 XML 文件，数据加载器按 txt 解析直接崩。

解决：images 和 labels 严格分离，labels 目录下只放 txt。用find labels -name "*.xml"检查一遍，有就清掉。

5. 小数据集提效：增强策略与验证技巧

888 张的规模，数据增强不是可选项，是必选项。但增强不能乱加，工业缺陷检测里有些增强会破坏缺陷的物理特征。我的习惯是分两层：几何增强放心用，颜色增强要克制。

几何增强里，水平翻转、垂直翻转、小角度旋转（±10°）、随机缩放、平移，这些对瓷砖缺陷基本安全，因为缺陷的形态不依赖绝对方向。但要注意：如果缺陷有明确的方向语义（比如划痕方向是判定依据），翻转就要谨慎。Mosaic 和 MixUp 是 YOLO 自带的强增强，小数据集上能显著提升泛化，但 MixUp 在缺陷检测里可能把两个缺陷叠在一起，产生不存在的形态，建议先开 Mosaic，MixUp 观察效果再决定。

颜色增强里，亮度、对比度微调可以，色调大幅偏移要避免。瓷砖缺陷很多时候靠颜色差异区分（比如色差、污渍），HSV 空间里 H 通道大改会让模型学到错误的颜色先验。

验证阶段，除了看 mAP@0.5，一定要单独看每个类别的 PR 曲线。整体 mAP 会被数量多的类别拉高，掩盖稀有类别的糟糕表现。另外，888 张的验证集只有 170 多张，单次评估波动大，建议用交叉验证或者至少换两三个随机种子划分，看 mAP 的稳定性。如果不同划分下 mAP 差 0.1 以上，说明数据分布不均，得回头处理。

最后一个具体技巧：把训练好的模型在验证集上跑一遍，导出预测结果，和 VOC 格式的原始标注叠在一起看。哪些是漏检、哪些是误检、哪些是框不准，一目了然。这一步比盯着 loss 曲线有用得多。我自己做瓷砖缺陷项目时，就是靠这个对比发现有一类缺陷的标注框普遍偏大，模型学出来的框也跟着偏大，IoU 上不去。改完标注重新训，mAP 直接涨了 0.08。数据集的质量永远比模型结构更值得花时间，希望帮到你。

本文还有配套的精品资源，点击获取