施工电缆缺陷检测YOLO数据集构建与训练部署全流程

简介：这份资源面向从事建筑地产施工安全检测、工业质检方向的研究者与算法工程师，提供了一套可直接用于YOLO全系列网络训练的施工电缆缺陷检测图像数据集，帮助解决电缆表面缺陷识别中样本获取难、标注成本高的问题。压缩包共2000个文件，包含814张jpg图像、1185个txt标签文件以及1个py可视化脚本，整体约92.4MB，标签已按YOLO格式整理，并附class类别文本文件，涵盖break等2个缺陷类别，超过1000组图像与标签一一对应。其中show脚本可将预测框绘制在图像上，便于训练前快速核验标注质量与类别分布。目前已有279人学习下载，适合作为目标检测课程设计、缺陷检测项目复现或算法对比实验的数据基础，读者可省去数据采集与格式转换环节，直接投入模型训练与效果评估。

1. 施工电缆缺陷检测为什么值得单独做一套 YOLO 数据集

工地现场拉进来的电缆，外护套被机械刮伤、被重物压出凹坑、被尖锐物扎穿，这些缺陷如果没在敷设阶段发现，通电之后就是绝缘击穿、短路甚至起火。传统做法靠老师傅拿手电筒一段一段看，一条几百米的桥架走下来眼睛都花了，漏检率还不低。把 YOLO 目标检测用到这里，核心诉求就一个：让巡检人员拿手机或工业相机拍一段视频，模型自动框出破损位置并分类。但真正卡住大多数人的不是模型结构，而是数据集——施工电缆缺陷检测的图像数据集在公开渠道几乎找不到现成的，工业图像数据集本来就稀缺，电缆这种细分场景更是空白。这套数据集要解决的就是「有算法没数据」的问题，适合做电力巡检、工地安全监控、工业质检方向的工程师，也适合想拿一个真实工业场景练手 YOLO 训练和部署的人。

2. 施工电缆缺陷的图像特征与标注体系怎么定

2.1 先搞清楚电缆缺陷在图像里长什么样

施工电缆缺陷和常见的路面病害、钢材表面缺陷不一样，它的形态受拍摄角度、光照、电缆颜色影响极大。我实际拍过一批样本，归纳下来主要分四类：外护套刮伤（线性划痕，长度从几厘米到几十厘米不等）、压痕凹陷（局部变形，边缘有阴影）、穿刺孔洞（小面积破损，露出内部屏蔽层或导体）、以及接头处绝缘层开裂（多发生在电缆中间接头和终端头附近）。这四类在图像上的尺度差异很大，刮伤可能是细长条，穿刺孔洞可能只占几十个像素，所以标注时不能只用一个类别笼统叫「破损」，否则模型学到的特征会互相干扰。

另一个容易被忽略的点是背景干扰。工地场景里电缆经常和脚手架钢管、扎带、警示带、钢筋混在一起，颜色和纹理都接近，模型很容易把钢管的反光误判成刮伤。所以数据集里必须包含足量的「负样本」——也就是有电缆但无缺陷的图像，让模型学会区分正常纹理和真实破损。常见做法是负样本占比控制在总样本的 15% 到 25% 之间，太少模型容易误报，太多又会拉低召回。

2.2 标注规范：类别定义与边界框画法

标注体系直接决定模型能不能收敛。我一般按下面的规则来定，这套规则在多个工业缺陷项目里验证过，比较稳：

标注工具用 LabelImg 或 CVAT 都行，导出 YOLO 格式的 txt。这里有个血泪经验：细长划痕如果按最小外接矩形画，框里会混入大量背景，训练时正负样本极度不平衡。我的处理办法是把特别长的划痕拆成多段分别标注，每段长度不超过图像宽度的三分之一，这样每个框内的缺陷像素占比能提上去，模型学起来明显更稳。

2.3 数据采集的硬性要求和参数

采集环节决定了数据集的上限。相机用手机主摄或工业面阵相机都可以，分辨率建议不低于 1920×1080，因为穿刺孔洞这类小目标在低分辨率下直接糊掉。拍摄距离控制在 0.5 米到 2 米之间，太近景深不够，太远小缺陷丢失。光照方面，尽量覆盖顺光、逆光、阴天散射光三种条件，每种条件下都要有缺陷样本和正常样本。我一般会按下面的比例去凑一批数据：

• 总图像数：不少于 2000 张，其中缺陷图像 1500 张以上，正常图像 500 张左右
• 每类缺陷实例数：scratch 和 dent 各不少于 800 个，puncture 和 crack 各不少于 400 个
• 场景分布：桥架敷设、穿管、地面临时布线、接头制作四个场景都要覆盖
• 拍摄角度：水平、俯视 45 度、侧视各占一定比例，避免模型只认一个视角

提示：采集时同步记录每张图的拍摄距离和光照条件，后面做数据增强和难例分析时这些元信息很有用，别拍完就丢。

3. 从原始图像到 YOLO 可训练格式的完整处理链

3.1 目录结构与数据划分脚本

YOLO 系列训练器对目录结构有固定要求，我习惯用下面这套布局，清晰且不容易出错：

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

划分比例按 7:2:1 走，但要注意同一个电缆段、同一次拍摄的连续帧不能跨集合，否则验证集里出现训练集几乎一样的图，指标虚高。下面这个脚本按「拍摄批次」分组划分，避免数据泄漏：

import os import random import shutil from pathlib import Path # 原始图像和标注所在目录 RAW_IMG_DIR = Path("raw/images") RAW_LBL_DIR = Path("raw/labels") OUT_DIR = Path("cable_defect_dataset") # 按拍摄批次分组，batch_id 从文件名前缀提取，例如 "batch03_0012.jpg" def get_batch_id(filename): return filename.split("_")[0] def split_dataset(img_files, ratios=(0.7, 0.2, 0.1)): batches = {} for f in img_files: bid = get_batch_id(f.name) batches.setdefault(bid, []).append(f) batch_list = list(batches.values()) random.shuffle(batch_list) n = len(batch_list) n_train = int(n * ratios[0]) n_val = int(n * ratios[1]) train = [f for b in batch_list[:n_train] for f in b] val = [f for b in batch_list[n_train:n_train + n_val] for f in b] test = [f for b in batch_list[n_train + n_val:] for f in b] return train, val, test def copy_pairs(files, split): img_out = OUT_DIR / "images" / split lbl_out = OUT_DIR / "labels" / split img_out.mkdir(parents=True, exist_ok=True) lbl_out.mkdir(parents=True, exist_ok=True) for img_path in files: lbl_path = RAW_LBL_DIR / (img_path.stem + ".txt") if not lbl_path.exists(): print(f"跳过无标注文件: {img_path.name}") continue shutil.copy(img_path, img_out / img_path.name) shutil.copy(lbl_path, lbl_out / lbl_path.name) if __name__ == "__main__": random.seed(42) all_imgs = sorted(RAW_IMG_DIR.glob("*.jpg")) train, val, test = split_dataset(all_imgs) copy_pairs(train, "train") copy_pairs(val, "val") copy_pairs(test, "test") print(f"train={len(train)}, val={len(val)}, test={len(test)}")

这段脚本的关键在get_batch_id和split_dataset两个函数。get_batch_id从文件名前缀提取批次号，保证同一批连续拍摄的图像整体进入同一个集合，这是防止数据泄漏的核心。ratios参数控制训练、验证、测试比例，如果你的数据量少于 1500 张，建议调成 0.8:0.15:0.05，把更多数据留给训练。random.seed(42)固定随机种子，保证每次划分结果可复现，团队协作时不会因为划分不同导致指标对不上。

3.2 dataset.yaml 的写法与类别映射

YOLO 训练靠一个 yaml 文件告诉它数据在哪、有几类。施工电缆缺陷检测的 yaml 长这样：

path: /data/cable_defect_dataset train: images/train val: images/val test: images/test nc: 4 names: 0: scratch 1: dent 2: puncture 3: crack

path写数据集根目录的绝对路径，train/val/test写相对路径。nc是类别数，必须和 names 里的条目数一致，多一个少一个训练直接报错。names 的顺序必须和标注文件里类别 ID 严格对应，我见过有人标注时 scratch 是 0，yaml 里写成 1，训练 loss 死活降不下去，排查半天才发现是映射错位。改完 yaml 后建议用下面这行命令快速校验一遍标注有没有越界：

python -c " import glob for f in glob.glob('labels/train/*.txt'): for line in open(f): cid = int(line.split()[0]) assert 0 <= cid <= 3, f'{f} 类别越界: {cid}' print('标注校验通过') "

3.3 针对小目标和光照的增强策略

电缆缺陷里 puncture 和 crack 属于小目标，直接训练召回率上不去。增强不能瞎做，翻转、旋转、 mosaic 这些常规操作可以用，但要注意两点：一是垂直翻转对电缆场景不自然，电缆一般不会倒挂，建议只做水平翻转；二是色彩抖动幅度别太大，护套颜色是重要特征，HSV 的 H 通道抖动控制在 ±10 以内。下面是一段用 Albumentations 做增强的示例：

import albumentations as A import cv2 transform = A.Compose([ A.HorizontalFlip(p=0.5), A.RandomBrightnessContrast(brightness_limit=0.2, contrast_limit=0.2, p=0.4), A.HueSaturationValue(hue_shift_limit=10, sat_shift_limit=15, val_shift_limit=10, p=0.3), A.Mosaic(p=0.5), # 若使用 ultralytics 内置 mosaic 可去掉这行 A.RandomResizedCrop(height=640, width=640, scale=(0.7, 1.0), p=0.3), ], bbox_params=A.BboxParams(format='yolo', label_fields=['class_labels'])) img = cv2.imread("sample.jpg") img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) result = transform(image=img, bboxes=[[0.5, 0.5, 0.2, 0.1]], class_labels=[0])

HorizontalFlip概率 0.5 是常规操作。RandomBrightnessContrast模拟工地早晚光照变化，亮度对比度各 0.2 的幅度够用，再大模型会把颜色当成噪声。HueSaturationValue的 hue 限制在 10，就是前面说的保护护套颜色特征。RandomResizedCrop的 scale 下限 0.7，保证裁剪后缺陷不会被裁掉。如果你的框架已经内置 mosaic，就别重复加，否则小目标会过度拼接导致语义混乱。

4. 训练参数怎么设：从预训练权重到收敛判据

4.1 预训练模型选型与迁移学习策略

施工电缆缺陷检测的数据量通常在两千到五千张之间，从零训练不现实，必须用预训练权重做迁移学习。YOLO 系列里，yolov8 和 yolov11 在工业缺陷场景的实测表现比较稳，yolov26 目标检测作为较新版本也可以尝试，但要注意其生态工具链的成熟度。选型时看两个指标：一是骨干网络在 COCO 上的预训练权重是否容易获取，二是推理端部署是否方便。我一般会先用 yolov8s 或 yolov11s 这种 small 级别跑一版基线，确认数据没问题再换更大的模型。

迁移学习的策略是：骨干网络加载预训练权重，检测头随机初始化，前若干轮冻结骨干只训练检测头，之后再解冻全网络微调。这样做的原因是检测头的类别数和 COCO 不一样，随机初始化的头如果一开始就用大学习率，会把预训练骨干的特征也带偏。冻结轮数一般占总轮数的 10% 到 20%。

4.2 关键训练参数与含义

下面是一份我常用的训练配置，基于 ultralytics 风格的接口：

from ultralytics import YOLO model = YOLO("yolov8s.pt") # 加载预训练权重 results = model.train( data="cable_defect_dataset/dataset.yaml", epochs=150, imgsz=640, batch=16, lr0=0.01, lrf=0.01, momentum=0.937, weight_decay=0.0005, warmup_epochs=3, freeze=10, # 前 10 轮冻结骨干 patience=30, # 30 轮无提升则早停 device=0, workers=8, project="cable_runs", name="exp01" )

epochs=150是上限，实际靠patience=30早停控制。imgsz=640是输入分辨率，如果你的穿刺孔洞特别小，可以提到 960，但显存占用会明显上升，batch 要相应调小。lr0=0.01是初始学习率，配合lrf=0.01做余弦退火到初始值的百分之一。momentum=0.937和weight_decay=0.0005是 YOLO 系列的惯用值，一般不用改。freeze=10表示前 10 轮冻结骨干，这个值根据你的数据量和预训练权重的匹配度调整，数据越少、场景差异越大，冻结轮数可以适当增加。warmup_epochs=3让学习率从低到高预热，避免一开始就大步长震荡。

4.3 损失曲线和混淆矩阵怎么看

训练启动后重点盯三个东西：box_loss、cls_loss、以及验证集 mAP50。正常情况下 box_loss 和 cls_loss 在前 20 轮快速下降，之后趋于平缓。如果 cls_loss 一直高位震荡不降，大概率是类别标注有问题或者学习率太大。如果 box_loss 降但 mAP 不涨，可能是过拟合，看验证集 loss 是不是开始回升。

混淆矩阵是排查类别混淆的利器。电缆缺陷检测里最常见的混淆是 scratch 和 crack 互相误判，因为两者都是线性形态。如果混淆矩阵显示这两类大量互错，说明类别定义边界不够清晰，需要回去重新审视标注规范，把「划伤」和「开裂」的判定标准写得更死。另外注意，yolo混淆矩阵总合不唯一这个问题在部分版本里存在，统计口径不同会导致总数对不上，看的时候以对角线占比为准，别纠结绝对数值。

注意：训练中如果出现 bn 崩溃（BatchNorm 统计量异常导致 loss 突然变 NaN），优先检查 batch size 是不是太小，BN 在小 batch 下方差估计不稳。把 batch 提到 16 以上，或者改用 GroupNorm 的变体。

5. 施工电缆缺陷检测的避坑与排查清单

5.1 标注框贴太紧导致小目标漏检

现象：穿刺孔洞这类小目标在验证集上召回率极低，模型几乎不预测。 原因：标注时框画得太紧，只框住了孔洞最中心几个像素，训练时经过缩放和增强后，目标区域几乎消失。 解决：小目标标注时框向外扩 2 到 3 个像素，保证缩放后仍有足够像素参与计算。同时把输入分辨率从 640 提到 960 再试一版。

5.2 负样本不足导致误报率居高不下

现象：模型在正常电缆上频繁框出并不存在的缺陷，误报多到没法用。 原因：训练集里正常样本太少，模型没见过「无缺陷」长什么样，把钢管反光、扎带阴影都当成了缺陷。 解决：补充 300 到 500 张正常电缆图像，确保负样本占比到 20% 左右。如果误报集中在某类背景上，针对性地补那类背景的负样本。

5.3 数据泄漏导致验证指标虚高

现象：验证集 mAP 很高，一上测试集或现场就崩。 原因：同一段电缆的连续帧被分到了训练集和验证集，两边的图几乎一样，验证集等于在考训练集原题。 解决：按拍摄批次划分数据集，同一批次整体进同一个集合。划分完随机抽几对训练和验证图肉眼比对，确认没有高度相似的。

5.4 学习率过大导致 loss 震荡不收敛

现象：训练前几十轮 loss 上下剧烈跳动，mAP 不升反降。 原因：初始学习率相对当前 batch size 和数据量偏大，或者冻结阶段没做导致预训练特征被破坏。 解决：把 lr0 从 0.01 降到 0.001 再跑，同时确认 freeze 参数生效。如果用的是自适应优化器，检查 warmup 是否开启。

5.5 类别不平衡导致少数类被忽略

现象：scratch 和 dent 检测效果不错，puncture 和 crack 几乎检不出。 原因：少数类实例数远少于多数类，损失函数被多数类主导。 解决：一方面补少数类样本，另一方面可以在损失里给少数类加权，或者用 copy-paste 增强把少数类实例贴到更多背景上。加权系数别超过 3，否则多数类会退化。

6. 把模型推到现场：推理部署与持续迭代的一个实用技巧

数据集做完、模型训完，真正的考验在部署。施工电缆缺陷检测的落地形态通常是两种：一是巡检人员用手机拍完上传到边缘盒子或服务器推理，二是工业相机固定工位实时检测。不管哪种，推理时的预处理必须和训练时对齐，尤其是归一化和 resize 方式，训练用 letterbox 推理也得用 letterbox，否则框会偏。

这里分享一个我反复用过的技巧：用推理结果反哺数据集。模型上线后，把误报和漏报的图收集起来，人工复核后加进训练集，重新训练一版。这个闭环跑两三轮，模型在现场的可用性会有质的提升。具体操作是给推理脚本加一个保存逻辑，把置信度在 0.3 到 0.5 之间的「模糊样本」单独存一份，这批样本信息量最大，优先标注。

from ultralytics import YOLO import cv2 model = YOLO("cable_runs/exp01/weights/best.pt") def infer_and_collect(img_path, save_dir="hard_samples"): results = model.predict(img_path, conf=0.25, iou=0.5, imgsz=640) for r in results: for box in r.boxes: conf = float(box.conf) # 置信度处于模糊区间的样本存下来，供后续人工复核 if 0.3 <= conf <= 0.5: cv2.imwrite(f"{save_dir}/{img_path.split('/')[-1]}", r.orig_img) break return results infer_and_collect("site_photo_001.jpg")

这段代码的核心是conf区间的筛选。置信度高于 0.5 的通常是模型有把握的，低于 0.3 的基本是噪声，0.3 到 0.5 之间才是模型「拿不准」的难例，这批样本标注后加进训练集，对指标提升最明显。iou=0.5是 NMS 阈值，密集小目标场景可以适当调低到 0.4 减少漏检。imgsz必须和训练时一致。

验证模型有没有真正学到东西，别只看 mAP。我习惯做一件事：把测试集里模型预测正确的图、误报的图、漏报的图各抽 20 张拼成对比图，肉眼过一遍。误报集中在什么背景、漏报的缺陷有什么共同特征，看几张心里就有数了。这个习惯帮我省下了大量盲目调参的时间。数据集和模型都不是一次成型的东西，施工电缆缺陷检测这种场景，现场光照和电缆型号还会变，保持「采集-标注-训练-推理-回收难例」这个循环转起来，比一次性追求一个完美模型实在得多。希望帮到你。

本文还有配套的精品资源，点击获取