鸡蛋缺陷检测实战：VOC/YOLO格式转换与YOLOv8训练避坑指南

简介：面向鸡蛋品质检测场景的缺陷识别数据集，主要服务计算机视觉目标检测方向的开发者与科研人员，可用于鸡蛋裂缝检测模型的训练与评估，也适合作为学术实验或工业质检方案验证的数据基础。压缩包共2000个文件，以xml标注文件为主，另含说明txt，整体体积64.39MB，便于下载与解压使用。数据集同时提供Pascal VOC与YOLO两种标注格式，覆盖egg、egg-crack两个类别，标注框总数达2755个，其中完整鸡蛋框2387个、裂缝框368个，裂缝框占比约13.4%，可供小样本类别增强与不平衡检测研究；既可直接接入YOLO训练流程，也可通过VOC格式用于Faster R-CNN、SSD等主流检测器。标注工具采用labelImg，格式规范统一，可省去自行标注的时间成本。已有274人学习下载，适合需要标准化数据来验证检测算法、对比裂缝定位效果或快速开展鸡蛋质检项目的使用者。

1. 鸡蛋缺陷检测数据集：2077张两类别能帮你把哪些活干完？

拿到一个“鸡蛋缺陷检测数据集VOC+YOLO格式2077张2类别.zip”，第一反应别急着解压训练。2077张图在工业视觉里属于“小而贵”的规模——一张带裂纹、带血斑的蛋壳图，人工标注成本比普通目标检测数据集高不少，因为缺陷小、对比度低、边缘不清晰。它的价值不在“大”，而在格式全：VOC和YOLO两套标注都给了，省掉最容易被新手卡住的坐标转换环节，也意味着你可以直接从YOLOv8或者MMDetection开箱训练。

这个数据集解决的是禽蛋分拣线上的核心问题：把蛋壳上的裂纹、污斑这类表面缺陷框出来。适合谁用？做农产品视觉检测预研的算法工程师，想快速跑通一个结构化数据集的落地流程；也适合带学生做课题的导师，拿它当教学数据，让新手练完整的数据检查、训练、评估链路。你要清楚一点：它不能直接给你一条产线级的分拣系统，但能帮你把“缺陷检测到底能不能行”这件事在两天内给出答案。下面整个思路都围绕这个目标展开：先摸清数据底细，再统一格式，然后训练、避坑，最后验证。

2. 拆开压缩包先别训练：VOC目录和YOLO目录分别该长什么样

2.1 两类缺陷标注怎么看：类别文件与标注字段

压缩包同时带VOC和YOLO格式，绝大多数情况下两种格式对应的是同一批图片，只是标注文件的表现形式不同。VOC格式是Pascal VOC约定，图片集中在JPEGImages，标注是Annotations目录下的XML文件；YOLO格式是Ultralytics/YOLO系列使用的结构，图片在images，标注是labels目录下同名TXT文件。我一般拿到zip先做一次目录核验，不急着跑训练，因为结构不对的话YOLO会直接报“No labels found”，到时候你根本分不清是路径问题还是数据问题。

先看类别。标题写了2类别，也就是两个缺陷类。常见的是crack（裂纹）和stain（污斑），也有数据集会用hairline和blood，一切以解压后的classes.txt或VOC的ImageSets/Main里的类别名为准。你要做的第一件事是打开标注文件，确认类别名和你想象的一致。一个典型VOC的XML注释里，<name>字段就是类别标签，<bndbox>给出xmin、ymin、xmax、ymax的像素坐标。YOLO的TXT每一行是class_id center_x center_y width height，全部归一化到0到1之间。别小看这个区别，很多人后面训练发现框全偏了，就是因为把像素坐标当归一化坐标喂了进去。

下面这张表是我拿到这种“双格式数据集”时常用的核对清单，建议你解压后逐一勾掉：

2.2 先跑一遍数据体检脚本，再决定用什么模型

不要相信压缩包简介里说“2077张2类别”就够用了。2077张图可能有一部分是空图（没有任何缺陷），也有一部分是同一张图重复出现（尤其是从视频帧抽取的数据集）。手边没有现成脚本的话，我一般直接三行Python先数数：

import os from pathlib import Path # 假设YOLO目录结构：images/ 和 labels/ 平级 image_dir = Path("yolo/images") label_dir = Path("yolo/labels") images = list(image_dir.glob("*.jpg")) + list(image_dir.glob("*.png")) labels = list(label_dir.glob("*.txt")) print(f"图片数: {len(images)}，标签文件数: {len(labels)}") missing = [img.name for img in images if not (label_dir / (img.stem + ".txt")).exists()] print("缺标签的图片:", len(missing), missing[:5])

这段脚本的价值在于提前暴露“有图没标签”或“有标签没图”的问题。实际见过的数据集中，缺个十几张是常态，因为标注人员可能跳过模糊图，或者导出脚本把空标注文件漏掉了。缺少量可以直接删掉，缺得多了说明标签名不匹配，得做一次rename。

然后统计每个类别的目标数量和尺寸分布，这一步会直接影响你后面模型选型和数据增强策略。我习惯把每张图里目标框的宽高都输出来，看看有没有特别小或者特别大的目标。比如裂纹通常细长，可能只有30x5像素，污斑大一些。如果两类目标尺寸差异很大，就需要注意小目标漏检；如果某一类只有两三百个实例，那类别不平衡会非常麻烦。统计脚本如下：

import os from pathlib import Path label_dir = Path("yolo/labels") class_count = {} box_count = {} tiny_count = {} for txt in label_dir.glob("*.txt"): with open(txt) as f: lines = f.readlines() for line in lines: parts = line.split() if len(parts) == 5: cls = int(parts[0]) w = float(parts[3]) h = float(parts[4]) class_count[cls] = class_count.get(cls, 0) + 1 box_count[cls] = box_count.get(cls, 0) + 1 # 归一化后的宽高小于0.05，认为是小目标 if w < 0.05 and h < 0.05: tiny_count[cls] = tiny_count.get(cls, 0) + 1 print("类别实例数:", class_count) print("小目标（归一化边长<0.05）占比:", {k: v / box_count[k] for k, v in tiny_count.items()})

这段跑完，你基本就清楚要不要做切图、要不要加数据增强、要不要用小尺寸输入。两个类别的实例数差3倍以上，就得考虑类别重加权或者过采样。小目标占比超过30%，就得考虑把图片切成4块训练，或者用更高分辨率输入。

3. 把VOC转成YOLO格式：转换脚本与四个边界坑

3.1 一份能直接用的xml转txt脚本

虽然标题说两种格式都给了，但实践中总会遇到VOC的标注和YOLO的标注对不上，或者你手里的数据其实只有VOC格式。常见做法是写一个转换脚本，把XML里的像素坐标转成归一化坐标。这里给出一份我改过很多次、能直接跑的脚本：

import xml.etree.ElementTree as ET from pathlib import Path # 类别名 -> 数字id，按这个数据集的2类别举例子 CLASSES = {"crack": 0, "stain": 1} def convert_voc_to_yolo(xml_path, output_dir, target_width, target_height): tree = ET.parse(xml_path) root = tree.getroot() # 优先读xml里的size，其次用外部传入的宽高 size = root.find("size") if size is not None: width = int(size.find("width").text) height = int(size.find("height").text) else: width, height = target_width, target_height yolo_lines = [] for obj in root.iter("object"): name = obj.find("name").text if name not in CLASSES: continue cls_id = CLASSES[name] bndbox = obj.find("bndbox") xmin = float(bndbox.find("xmin").text) ymin = float(bndbox.find("ymin").text) xmax = float(bndbox.find("xmax").text) ymax = float(bndbox.find("ymax").text) # 转换为归一化坐标 x_center = (xmin + xmax) / 2.0 / width y_center = (ymin + ymax) / 2.0 / height box_w = (xmax - xmin) / width box_h = (ymax - ymin) / height # 过滤越界/无效框：只保留0-1范围内的框 if not (0 <= x_center <= 1 and 0 <= y_center <= 1 and box_w > 0 and box_h > 0): continue yolo_lines.append(f"{cls_id} {x_center:.6f} {y_center:.6f} {box_w:.6f} {box_h:.6f}") if yolo_lines: output_path = Path(output_dir) / (Path(xml_path).stem + ".txt") output_path.write_text("\n".join(yolo_lines)) return len(yolo_lines) return 0

逻辑说明：脚本先解析XML里的size，如果标注文件里没写宽高，就用外部传入的参数兜底。然后逐个读object，忽略不在类别表里的名字。转换的核心是中心点坐标等于(xmin+xmax)/2再除以图宽，框宽等于xmax-xmin再除以图宽。最后加了过滤逻辑，防止越界框进入训练。

参数说明：CLASSES字典必须和你的数据集一致，如果类别名是crack_a、crack_b这种细分类，你要么合并，要么把新类别加进去。target_width和target_height仅当XML里没有size字段时才被使用，正常情况请直接传图片实际宽高，我一般用cv2.imread动态拿。

3.2 转完必须做的三个校验

转换不是跑完就完事，我见过太多人转完直接训练，然后mAP一直为0，回头查才发现TXT里全是坐标错位。转换后第一件事，随机抽5个TXT，把里面的归一化坐标乘以图片宽高，看是否落在图片范围内。第二件事，找出所有没有TXT的XML，这些往往是空标注，如果空标注多，说明这个数据集的负样本不少，考虑保留并另建一个empty类别，或者干脆删掉对应图片，否则YOLO会忽略这些图。第三件事，统计转换后的类别数量、目标数量是不是和原始XML对得上，对不上就是过滤规则把一些正常框误删了。

另外强烈建议在图片上可视化一批转换后的框，直接把TXT坐标画回原图。代码很简单：

import cv2 from pathlib import Path img = cv2.imread("yolo/images/sample.jpg") h, w = img.shape[:2] with open("yolo/labels/sample.txt") as f: for line in f: cls_id, xc, yc, bw, bh = map(float, line.split()) x1 = int((xc - bw / 2) * w) y1 = int((yc - bh / 2) * h) x2 = int((xc + bw / 2) * w) y2 = int((yc + bh / 2) * h) cv2.rectangle(img, (x1, y1), (x2, y2), (0, 255, 0), 2) cv2.putText(img, str(int(cls_id)), (x1, y1 - 5), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 0, 255), 1) cv2.imwrite("check.jpg", img)

这段代码的作用是把TXT里的归一化坐标还原成像素坐标，再画到图片上。你只要看框是否紧贴裂纹或污斑，就知道转换有没有跑偏。如果有一半框偏了，先检查XML里的坐标是不是基于原图尺寸，再看是不是XML里嵌套多了一个<segmented>节点影响解析。

3.3 为什么我不建议你直接改xml当txt用

总有人图省事，想用sed把XML里的<name>替换成数字，再把坐标直接拼成一行。这种做法的坑有四条：第一，XML里可能存在多个object，每一行文本的顺序和xml顺序必须一致；第二，XML里可能出现没有bndbox的object，直接处理会崩；第三，XML里的宽高如果和图片真实分辨率不一致，整个坐标全废；第四，YOLO还支持class_names文件，你一旦用sed改了类别名，再想恢复原始标注就要返工。所以老老实实用Python脚本解析，保留一份原始XML别动，转换后的TXT放在另一个目录。这也是给你自己留后悔药——万一后面想换格式或者重新采样，原始数据还在。

4. 用YOLOv8把2077张图训成可用模型：最小命令与参数

4.1 构造data.yaml：路径、类别名别写错

YOLOv8训练自己的数据集，第一个卡点就是data.yaml。它不像VOC那样靠目录结构隐式约定，而是要把图片位置、标注位置、类别清单全部显式写出来。这里以Ultralytics YOLOv8的惯例为准，给你一个模板：

# data.yaml path: /path/to/egg_defect # 数据集根目录绝对路径 train: images/train # 训练集图片目录，相对path val: images/val # 验证集图片目录 names: 0: crack 1: stain

这个yaml文件的意思是告诉YOLOv8去/path/to/egg_defect/images/train找图片，对应的标签默认在相同父目录下的labels/train，不需要你在yaml里单独写标签路径，YOLO会自动把images替换成labels。如果你把YOLO格式的标注放在其他地方，必须在train同级用labels目录，或者使用train_labels字段，但不建议那么干，遵循默认结构最省事。

参数说明：path最好用绝对路径，尤其是你还没固定项目目录的情况下；names的顺序必须和标注TXT里class_id的顺序一致。如果YOLO格式的标注是0开头，而你在names里把stain放在索引0，那就全错位了。我处理过不少翻车现场，基本都栽在names和class_id对不上。

4.2 训练命令与预训练模型选择和超参数解读

数据准备好了，训练命令可以写得很短：

yolo detect train \ data=egg_defect.yaml \ model=yolov8n.pt \ epochs=150 \ imgsz=640 \ batch=16 \ device=0 \ patience=30 \ project=runs/egg_defect

解释一下各参数用途。model=yolov8n.pt是直接加载官方预训练模型权重，这就是热词里说的“yolo预训练模型下载”——你第一次跑会自动下载，网络不好的话先手动把权重放到~/.config/Ultralytics/下面。选n还是s取决于你的显卡和推理算力。如果你只有一张4GB显存的老卡，yolov8n配imgsz=640加batch=16可能爆显存，这时候把batch降到8，imgsz降到480先看看。patience=30的意思是连续30个epoch验证集mAP没有提升就早停，2077张图按默认150个epoch训练，通常60~80个epoch就收敛了，不需要傻等150个epoch跑满。

数据划分上，2077张图我一般按8:1:1切成train/val/test，或者直接让YOLOv8在初始化数据时自动划分，但为了验证可复现，我倾向手动切。切分脚本注意按图片名把对应的TXT一起移过去：

import random from pathlib import Path import shutil src = Path("yolo/images") label_src = Path("yolo/labels") train_dir = Path("egg_defect/images/train") val_dir = Path("egg_defect/images/val") train_dir.mkdir(parents=True, exist_ok=True) val_dir.mkdir(parents=True, exist_ok=True) images = list(src.glob("*.jpg")) + list(src.glob("*.png")) random.seed(42) random.shuffle(images) val_count = int(len(images) * 0.2) val_images = images[:val_count] for img in val_images: shutil.copy(img, val_dir / img.name) shutil.copy(label_src / (img.stem + ".txt"), Path("egg_defect/labels/val") / (img.stem + ".txt"))

切分逻辑是随机打乱后取20%作为验证集，剩下80%作为训练集。random.seed(42)保证每次切分结果一样，这对复现实验很重要。注意把验证集的labels也挪到egg_defect/labels/val下，YOLO才会自动读取。

超参数方面，针对2类小目标缺陷，我通常会额外调整三个参数：hsv_h、hsv_s、hsv_v控制颜色增强，但鸡蛋裂纹对比度低，过度调高会导致模型学颜色而不是学结构，所以我把这三项都降到默认的一半；mosaic=1.0默认开，这个增强对缺陷检测有帮助，因为它把多张图拼在一起模拟了多目标场景；fliplr=0.5水平翻转对裂纹这类方向敏感的缺陷可能有害，裂纹在翻转后方向变了，但蛋壳裂纹本质上没有方向性域偏好，所以一般可以保留。

4.3 训练中的日志怎么看：loss、iou、bn崩溃的信号

训练启动后，控制台会实时滚动box_loss、cls_loss、df_loss（分布焦点损失）和验证集mAP50-95。你要看的第一个信号是cls_loss：如果两个类别的实例数差得非常大，cls_loss会在一开始就比正常值高一截，而且后期降不下去。第二个信号是mAP50曲线：正常情况从第20个epoch开始会明显上升，如果到第30个epoch仍然接近于0，大概率是数据路径配错了，或者标签文件为空。

第三个信号是loss出现NaN或者突然飙到几十。这往往是“yolo训练中bn崩溃”的现象——BatchNorm层的running_mean和running_var在梯度爆炸时变成NaN。原因多是学习率太高、batch太小、或者数据里有极端的坐标异常值。遇到这个先降低学习率到0.0005，再把batch加大到至少8，如果仍然崩溃，就检查标签文件里的坐标有没有inf或非常大的值。这个坑后面专门展开。

5. 鸡蛋缺陷训练最容易翻车的5个坑：现象、原因、解决

5.1 裂纹和污斑分不清：类别不平衡的连锁反应

现象：模型对污斑的mAP能到0.8，裂纹却只有0.2，甚至预测时把裂纹全部识别成污斑。 原因：数据集中污斑的实例数是裂纹的3倍以上，模型天然倾向预测样本多的类别，且裂纹在视觉上和污斑形状差异不大。 解决：先做采样均衡。如果裂纹只有300个目标，污斑有1000个，可以对包含裂纹的图片做过采样，比如每张裂纹图在训练时多重复两遍，或者用mosaic增强让模型看到更多裂纹。更简单的是调整loss的类别权重，YOLOv8支持cls参数，但注意这要结合回调，我一般先做过采样，效果不够再动loss。

5.2 小目标检测失效：缺陷在整图里占比太小

现象：验证集上裂纹的mAP50-95只有0.05，而mAP50有0.4，说明框的位置没问题，但IoU偏差太大，预测框和真实框重叠度不够。 原因：生产线拍到的蛋壳裂纹往往只有30x8像素，整图是640x640，目标归一化后不到0.05x0.01，属于典型小目标。YOLOv8下采样到20x20的特征图时，这个小目标可能只剩1个像素。 解决：把输入分辨率从640提到1280，代价是显存翻倍，2077张图其实不算多，建议先从imgsz=960试；如果显存不够，就做滑窗切图，把每张图切成4块再训练，缺陷被放大了一倍。切图时注意边界框跨切分线的情况，我一般让相邻切块有50像素重叠，避免裂纹被切断。

5.3 yolov8训练中bn崩溃：loss变NaN、mAP为0

现象：训练到第几个epoch时box_loss突然变成nan，后续所有指标归零。这个坑在用小batch和默认学习率训练时特别常见。 原因：2077张图的batch如果设为4，BN层的统计量颠簸很大，加上裂纹样本少，梯度局部出现极端值，触发数值不稳定，也就是“yolo训练中bn崩溃”。 解决：先确认是不是标签异常，把标签文件全扫一遍过滤掉坐标大于1或小于0的。然后把batch至少提到8或16，batch太小就用batch=8 imgsz=640组合。再不行就把optimizer换成AdamW并设置学习率0.0005，AdamW对极端梯度更钝一些。如果上述都不行，就加载预训练模型，不要从随机初始化开始，尤其你只有几千张图，从头训练很容易数值爆炸。

5.4 标注边界框偏差：xml里框宽高为0或越界

现象：图像能加载，loss也能降，但可视化验证图片时发现很多框是歪的，或者完全没有覆盖缺陷。 原因：原始标注工具导出时可能把xmax=xmin的线状目标也算进标注，或者size字段和实际图片不一致。我在一个数据集里遇到过xmin: 222.40这种小数，转换时是没问题，但如果XML里的宽高比真实图大很多，归一化坐标会整体偏小。 解决：转换脚本里加上过滤逻辑，我已经在3.1里实现了。另外在3.2的可视化校验之后再补充一个更严格的校验：检查每个TXT文件最后一行是否换行符，没有换行符会导致YOLO读最后一行数据不完整。用wc -l快速看行数，和XML里object数量对照，不一致立刻查。

5.5 数据量不足硬上大模型：过拟合与欠拟合的平衡

现象：训练集loss降到0.1，验证集loss还停在0.5，且yolo混淆矩阵里对角线不明显，非对角线元素多。 原因：2077张图只够表达一个中等的特征空间，但你用了yolov8x或者不加载预训练直接随机初始化，模型参数远多于有效信息，它只能死记训练集。 解决：先换yolov8n或yolov8s，参数少，没那么容易过拟合。然后冻结主干前10层训练，让前几层保留预训练提取的通用纹理特征，只训练后面检测头。最后加正则化，比如weight_decay=0.0005和dropout=0.1。最重要的一点是，2077张图只适合做“预设可行性”实验，别指望它让你上线。你有两条路：一条是继续采样扩充数据；另一条是做生成式数据增强，对裂纹区域做仿射变换模拟不同姿态。

6. 验证模型不是看一眼mAP就完事：混淆矩阵、PR曲线与数据扩充

6.1 用YOLOv8自带的验证命令拿到关键指标

训练完成后，runs/egg_defect/weights/best.pt就是你的模型。先用标准命令验证：

yolo detect val \ model=runs/egg_defect/weights/best.pt \ data=egg_defect.yaml \ imgsz=640 \ conf=0.25 \ iou=0.45

这会在runs/egg_defect/val下生成confusion_matrix.png和PR_curve.png。重点看混淆矩阵的每一行是不是归一化的：如果裂纹那一行有30%被识别成污斑，说明两类特征没分开，要考虑把这两个类别在语义上重新定义，比如把“细长形”归为裂纹，“块状”归为污斑。PR曲线则关注召回率0.8处的精确率，在这个点如果精确率掉到0.5以下，说明模型为了召回漏检丢了很多误检，产线场景要权衡。

6.2 从2077张到生产数据：扩充策略与闭环

2077张只是起点。我自己的经验是，先把这个模型跑在一条简易的传送带视频上，把视频回放的每一帧丢给模型，同时用conf=0.1把所有疑似缺陷的帧保存下来，人工筛掉误检，再把这些“难例”重新标注后加入训练集。这个过程是数据扩充里性价比最高的——不需要你额外拍图，只是把模型自己的错误拿来喂回模型。另一个技巧是对已有的裂纹标注做形态学增强，比如对标注区域做随机旋转±15度、缩放0.8倍，把它贴到另外一张健康蛋壳图上拼出合成样本，这种copy-paste增强对小目标缺陷特别有效，能短期把裂纹实例数翻倍。

验证模型时我习惯把conf从0.25降到0.1看一次预测结果，因为产线漏检的代价远大于误检，即使牺牲一点精确率也要优先保召回。最后提一句：任何数据集都不可能一次满足所有产线光照、蛋壳颜色、传送带速度的条件，你在实验室里跑通的模型，放到现场前要拿真实产线的视频重新做一次domain adaptation。这么多年下来，我最大的教训就是别在一份2077张的数据集上追求极限精度，把它当作打通流程的“冷启动”，然后尽快建立自己的数据回流闭环，那才是模型能长期用的关键。希望这些踩坑记录能帮你少走一段弯路，也让这份数据集真正发挥出它该有的价值。

本文还有配套的精品资源，点击获取