简介：毛巾缺陷检测数据集包含435张毛巾缺陷训练图片及配套标签，面向毕业设计、课程项目及目标检测入门者，可直接用于缺陷识别相关模型训练与评估。压缩包共1307个文件，大小约11.72MB，其中jpg图片提供原始训练样本，436个xml文件采用VOC格式标注，436个txt文件采用YOLO格式标签文件，两类标注可满足不同检测框架的需求，省去手工标注环节。该数据集覆盖毛巾常见缺陷类别，样本可供YOLO、Faster R-CNN等模型开展训练与验证；若需扩充样本量，可自行进行数据增强处理。目前已有421人学习下载，适合需要快速获取标注数据完成毕设实验或算法对比的开发者。
1. 毛巾缺陷检测数据集：435张图能训出什么、训不出什么
毛巾产线的质检环节，大多数工厂还在靠人工在灯箱下翻布，漏检率直接和当班师傅的疲劳程度挂钩，这条线常被行业里吐槽是“玄学质检”。一个视觉方案能不能落地，第一步就是数据从哪来。这个毛巾缺陷检测数据集提供了435张带标注的毛巾图片，标签同时给了Pascal VOC格式的xml和YOLO格式的txt。它的价值在于：你不用先折腾标注格式，图片、xml、txt三套文件一一对应，拿来就能喂给YOLO训练。它适合两类人：一是刚入行缺陷检测、想拿真实工业图走通完整链路的新手；二是已经在做纺织质检的工程师，想验证小样本条件下mAP能到多少、算法选型合不合理。
2. 两种标签格式拆解：XML里的Pascal VOC和YOLO的txt差在哪
2.1 数据集目录的常见组织方式
拿到数据先别急着训练，把目录结构看清楚。这个数据集的典型排布是三块内容平铺：一个文件夹放jpg图片，一个放同名xml，另一个放同名txt。xml对应Pascal VOC标注格式，txt对应YOLO格式，文件名和图片一一对应，只是扩展名不同。这样组织的好处是任何训练框架都能快速索引，不会出现标签和图片对不上的问题。
一个容易忽略的细节是：图片文件如果有非jpg后缀，比如png或bmp，写遍历脚本时必须用glob去匹配后缀，不能硬编码成.jpg。工业数据集经常掺着几种后缀，统一转成jpg再做后续处理，能省掉很多踩坑时间。另外，xml的文件名和图片名偶尔会存在前后缀不一致的情况，转换前先做一次名字对齐，遍历时按图片名去索引xml，缺xml的图直接跳过并记录到日志里，而不是反过来拿着xml找图。
2.2 XML里的Pascal VOC结构：手把手读一遍
用文本编辑器打开一个xml，内容是这样一个骨架：
<annotation> <folder>JPEGImages</folder> <filename>img_001.jpg</filename> <size> <width>1280</width> <height>720</height> <depth>3</depth> </size> <object> <name>stain</name> <bndbox> <xmin>320</xmin> <ymin>180</ymin> <xmax>450</xmax> <ymax>230</ymax> </bndbox> </object> </annotation>这段结构里，<size>下面的width和height是整张图片的宽高，<object>可以重复出现多次，每出现一次代表图中一个检测目标。<name>是类别名，<bndbox>里是目标左上角和右下角的绝对像素坐标。如果一张图里有五个缺陷，就会看到五个<object>块。
新手最常见的困惑是拿记事本打开xml，看到一堆挤在一行的内容就晕了。其实xml解析不需要靠肉眼，直接用Python的ElementTree库遍历//object节点就行。另一个坑是标注工具偶尔会把<name>拼写写错，比如少一个字母，训练时类别数量对不上，模型直接报错。所以拿到数据集第一步是统计<name>一共有几种、拼写是否一致，用一行set(root.findall("object/name"))就能查清楚。
2.3 YOLO格式的归一化坐标：从四个角到一个中心点
YOLO的txt标签每一行代表一个目标，格式是class_id x_center y_center width height，五个数字用空格分隔，后四个数值都相对图片宽高做了归一化。上面那段xml对应的YOLO行是：
0 0.300781 0.284722 0.101562 0.069444计算逻辑很简单：x_center等于(xmin + xmax) / 2 / width，框宽等于(xmax - xmin) / width，纵坐标同理。归一化之后，不管原图是1280x720还是640x480，标签都落在0到1之间，模型训练时不用关心输入图片的绝对尺寸。这种设计的另一个好处是缩放、翻转等数据增强操作不需要重算坐标，只要对坐标做同样的变换即可。
2.4 XML转YOLO：一个能直接跑起来的转换脚本
实际工程里你拿到的数据不总是两种格式齐全，常见情况是别人给你xml，你自己要跑YOLO。这里写一个批量转换脚本，把Pascal VOC的xml转成YOLO的txt：
import xml.etree.ElementTree as ET import os def convert_xml_to_yolo(xml_path, out_dir, class_list): tree = ET.parse(xml_path) root = tree.getroot() img_w = int(root.find("size/width").text) img_h = int(root.find("size/height").text) lines = [] for obj in root.findall("object"): name = obj.find("name").text.strip() if name not in class_list: continue cls_id = class_list.index(name) box = obj.find("bndbox") xmin = int(box.find("xmin").text) ymin = int(box.find("ymin").text) xmax = int(box.find("xmax").text) ymax = int(box.find("ymax").text) # 坐标越界时钳制到图像边界，防止训练时出现负数宽高 xmin = max(0, min(xmin, img_w)) xmax = max(0, min(xmax, img_w)) ymin = max(0, min(ymin, img_h)) ymax = max(0, min(ymax, img_h)) x_center = ((xmin + xmax) / 2) / img_w y_center = ((ymin + ymax) / 2) / img_h w = (xmax - xmin) / img_w h = (ymax - ymin) / img_h lines.append(f"{cls_id} {x_center:.6f} {y_center:.6f} {w:.6f} {h:.6f}") out_name = os.path.splitext(os.path.basename(xml_path))[0] + ".txt" with open(os.path.join(out_dir, out_name), "w") as f: f.write("\n".join(lines)) # 用法：把xml文件夹路径、输出txt文件夹路径、类别列表按实际修改 convert_xml_to_yolo("annotations/xml", "labels/txt", ["stain", "fold", "hole"])代码里值得注意的有两个点。一是root.find("size/width")这种路径写法，前提是xml里没有嵌套命名空间，如果根节点带了xmlns属性，find会失效，需要先剥掉命名空间再解析。二是坐标钳制这段不能省，标注工具偶尔会画出超出图像边界的框，不处理的话训练时YOLO会算出负的宽高，loss直接变成NaN。转换完建议随机抽30个txt和原图做可视化比对，确认框的位置对得上再做训练，这一步虽然看起来多余，却是整个流程里性价比最高的质检动作。
3. 用YOLOv8训练这个数据集：最小可复现的目录与命令
3.1 labels和images必须按train/val分好，而不是平铺
把数据集直接扔给yolo detect train是不行的，YOLOv8要求images和labels保持相同的子目录层级。常见做法是建四个目录：images/train、images/val、labels/train、labels/val。划分比例按小样本惯例走，训练集和验证集按9比1或8比2都可以，但划分前先做一次shuffle，避免原数据集里同类图片扎堆。
写一个按文件名列表切分的脚本：
import os import random import shutil random.seed(42) img_files = [f for f in os.listdir("images") if f.endswith(".jpg")] random.shuffle(img_files) val_ratio = 0.2 val_count = int(len(img_files) * val_ratio) for i, img in enumerate(img_files): sub = "val" if i < val_count else "train" label = img.replace(".jpg", ".txt") shutil.copy(f"images/{img}", f"images/{sub}/{img}") if os.path.exists(f"labels/{label}"): shutil.copy(f"labels/{label}", f"labels/{sub}/{label}") print(f"train: {len(img_files) - val_count}, val: {val_count}")这段脚本的逻辑是先shuffle再按固定比例切分，seed固定保证每次复现结果一致。要注意的是图片和标签必须用同一份img_files列表，不能分别shuffle两次，否则标签和图片全错位了。现实中经常遇到的问题是少数类集中出现在某几张图上，切完才发现验证集里全是某个类，这种情况就需要按图片分组、按类别实例数做分层切分，后面避坑章再展开说。
3.2 data.yaml：类别顺序必须和训练时一致
在项目目录下建一个data.yaml，内容如下：
train: images/train val: images/val nc: 3 names: ["stain", "fold", "hole"]nc的值必须和names列表长度一致，names的顺序就是模型输出的类别顺序。这个顺序在转换标签、训练、推理三个阶段要保持一致。如果中途改过一次类别名，比如把fold改成wrinkle，旧模型的权重和新标签就对不上了，推理结果会全部错位。建议把这份yaml提交到代码仓库里，当成项目配置的一部分管理，而不是每次训练前临时敲一遍。
3.3 训练命令：为什么小样本要选yolov8n而不是yolov8x
执行训练的命令如下：
yolo detect train \ data=data.yaml \ model=yolov8n.pt \ epochs=100 \ imgsz=640 \ batch=16 \ patience=30 \ save_dir=runs/towel_defect参数说明：model=yolov8n.pt是nano版本，只有约315万参数，适合小数据量；imgsz=640是输入分辨率，毛巾缺陷往往是小目标，如果显存允许可以提高到960或1280，但batch要相应减半；patience=30表示30轮验证集mAP没提升就早停，防止过拟合跑满100轮。数据量只有435张时不要选yolov8x这类大模型，参数量上去了但数据喂不饱，验证集mAP反而比nano低，这不是玄学，是欠拟合和过拟合同时存在的典型表现。
提示：imgsz提高后，batch大小按显存余量调整，8GB显存下imgsz=1280建议batch=4到8。
435张图训100轮，在单张消费级显卡上大约20到40分钟。训完去看runs/towel_defect/weights/下的best.pt和last.pt，best.pt是验证集上表现最好的权重，部署时用它。
3.4 训练日志里到底该看哪些指标
训练结束不要只看一个mAP数字，把results.png打开看五条曲线：train/box_loss、train/cls_loss、val/box_loss、val/cls_loss、metrics/precision。小样本数据集最常见的现象是train的box_loss一路下降，val的box_loss到某个点开始反弹，这说明模型开始背训练集特有的纹理噪声了。yolo损失函数里box_loss是CIoU回归损失，cls_loss是交叉熵分类损失，两个指标要同时观察。只看分类不看框的位置，或者只看框不看类别，都会漏掉问题。毛巾这类目标框通常标得很准，但几类缺陷在视觉上边界模糊，分类比定位更容易翻车。
训练中断也不需要从头再来，yolo detect train加一个resume=True参数，会自动从runs/towel_defect/weights/last.pt继续，这对长训练任务特别有用，能省掉大半重跑时间。
4. 毛巾缺陷检测的5个避坑点：小样本训练的翻车现场
4.1 类别不平衡：某类只有几十个实例，模型直接忽略它
现象：训练结束后PR曲线里某个类别完全没有曲线，或者precision和recall都是0。原因：这个类别在整个数据集里只占百分之几，yolo损失函数里的分类损失被多数类主导，模型倾向于把所有目标都预测成出现频率最高的那类。解决：按类别统计标注框数量，发现严重不平衡时，对少数类图片做过采样，把少数类的图片多复制几份放进训练集，或者对少数类单独做小幅旋转、平移、缩放扩充。复制样本会让模型多看几遍，但不增加多样性，所以优先配合增强一起用。
4.2 小目标缺陷被resize抹平：imgsz不能太小
现象：毛巾上的断纱、脏点这类缺陷只有二三十个像素，imgsz设成640时，下采样到80x80的特征图上连一个像素都不到，网络根本没机会学。原因：特征金字塔底层的小目标特征在连续下采样中被稀释。解决：把imgsz调到1280，并开启YOLOv8的scale多样本增强，或者在推理阶段用SAHI做过切片再拼结果，这个方案能明显提高小目标召回。有一个快速判断方法：把训练集中缺陷框的像素宽度统计出来，如果中位数小于32个像素，imgsz=640几乎必然漏检。
4.3 EXIF旋转信息导致框全部错位
现象：用手机或部分工业相机拍摄的图片带EXIF旋转标记，PIL读出来是原始像素方向，而xml里的坐标是按旋转后视角标注的，结果训练出来的模型在正常图片上框的位置全部偏移。原因：对同一张图，OpenCV和PIL读出的宽高可能正好相反，一个按存储方向读，一个按显示方向读。解决：做数据集清洗时统一走一遍ImageOps.exif_transpose，把图片物理旋转后再保存，后续所有环节都不要再用带旋转标记的原图。这一步要放在标注和转换之前做，否则坐标全部白转。
4.4 验证集划分泄漏：同一条毛巾的两个图分别进了train和val
现象：训练时val mAP到0.85以上，看起来稳了，一到真实产线上效果只有一半。原因：同一个批次生产的毛巾纹理背景几乎一样，模型记住的是“这种毛巾纹理出现缺陷”，而不是“缺陷出现的位置和形态”，验证集和训练集背景相似度高，mAP被虚高了。解决：划分数据时先按毛巾的批次或花纹分组，保证同一条毛巾的所有图只进一个集合，最简单的方式是在文件名里加批次前缀，按前缀groupby后再切分。
4.5 空标签和坐标越界：转换脚本少了两行判断
现象：训练时报错Image is from train set but no labels found，或者loss曲线在一开始就出现NaN。原因：有少量标注文件为空，或者标注框超出了图像边界，转换脚本没有做拦截。解决：转换脚本里跳过空标签的txt生成，对所有坐标做clip，训练前再写一个小脚本扫描labels里每一行数值，凡是小于0或大于1的直接清理掉。这一步千万不要省略，435张图里哪怕只有一张数据坏了，训练就可能白跑几十分钟，排查起来比一开始多写两行判断麻烦得多。
5. 435张图为什么能训出能用的模型：迁移学习与数据增强
5.1 小样本能跑通的关键是预训练权重，不是网络结构
很多人第一次看到435张图会怀疑，觉得必须攒几千张才能训练。实际上缺陷检测和自然场景通用数据集在底层视觉特征上是共享的。YOLOv8的预训练权重在COCO上见过大量边缘、纹理和光照变化，微调阶段只需要让模型学会“毛巾上的脏点长什么样”就行。反过来说，如果不用预训练权重从随机初始化开始训，435张图连特征提取层都学不出来，效果几乎必然不佳。
正因为是微调，训练参数也要跟着调整。常见做法是学习率比从零训练低一个量级，比如lr0=0.005而不是默认的0.01，冻结前10轮backbone让它先在分类头上收敛，之后再放开全网络。这样能避免预训练特征在训练初期被大幅破坏，小样本尤其需要保护这类先验特征。
5.2 数据增强参数配置：哪些该开、哪些该关
YOLOv8的训练参数里，和增强相关的几项对小数据集影响很大。mosaic=1.0是把四张图拼成一张训练，正常应该开着，因为等效扩大了样本多样性，但毛巾图如果纹理高度相似，mosaic容易拼出假背景，可以降到0.5。hsv_h=0.015、hsv_s=0.7、hsv_v=0.4是色调、饱和度、明度的随机扰动，毛巾颜色分布窄，饱和度和明度扰动可以适当调小。flipud=0.5随机上下翻转要慎重，如果缺陷有明显的方向性，比如水印、压痕，开上下翻转会引入反方向样本，反而误导模型。一个可用的起始配置是：mosaic=0.5、hsv_h=0.01、hsv_s=0.5、hsv_v=0.2、flipud=0.0、fliplr=0.5。
5.3 用albumentations做更针对性的增强：亮度扰动与应用示例
如果YOLO内置增强不够，最常用的做法是训练前用albumentations离线增强一部分样本，把数据翻到一千张以上再训练。毛巾缺陷检测里最该加的两类：一是RandomBrightnessContrast，模拟产线上灯箱亮度漂移，这类波动在白天和夜班交接时非常明显；二是GaussianBlur，模拟相机对焦不好或毛巾运动时的模糊。其他像Rotate要限制小角度，毛巾是规则的长方形，旋转太多会产生不真实的几何形态。
import albumentations as A import cv2 aug = A.Compose([ A.RandomBrightnessContrast(brightness_limit=0.2, contrast_limit=0.2, p=0.6), A.GaussianBlur(blur_limit=(3, 7), p=0.4), A.HorizontalFlip(p=0.5), ], bbox_params=A.BboxParams( format="yolo", label_fields=["class_labels"], min_visibility=0.3 )) # 读取原图和对应txt标签，生成增强后的图与标签 img = cv2.imread("images/img_001.jpg") boxes, labels = [], [] with open("labels/img_001.txt") as f: for line in f: parts = line.strip().split() boxes.append([float(x) for x in parts[1:]]) labels.append(int(parts[0])) augmented = aug(image=img, bboxes=boxes, class_labels=labels) aug_img = augmented["image"] aug_boxes = augmented["bboxes"]bbox_params里的format="yolo"告诉albumentations输入已经是归一化中心点格式，min_visibility=0.3会把被裁剪掉大部分的目标过滤掉，避免增强出的标签出现质量很差的框。离线增强的注意点是标签要像这样同步更新，不能用增强后的图配原始的txt，否则框的位置全是错的。增强后的新图建议命名加后缀，比如img_001_aug1.jpg，避免覆盖原始文件。
5.4 一种快速判断数据够不够的方法：看train和val的差距
每次训练完直接对比train和val的loss曲线。如果train loss一直在降、val loss到了中间开始回升，说明数据量不够，模型在背训练集纹理，优先加强增强强度；如果train和val都降不下去，说明特征学习能力不足，应该换更大的预训练模型或者调大输入分辨率。435张图在这个环节的典型表现是train能降到很低、val压不住，这时候不要盲目加数据，先做困难样本分析，把漏检的那几类单独挑出来看标注质量。很多时候漏检不是数据不够，而是标注框本身就不齐，模型学到的是一个含糊的目标边界。
6. 验证阶段别只盯mAP：用混淆矩阵找漏检类别，再决定要不要补数据
训练结束后跑一遍验证集预测，然后看runs/towel_defect/confusion_matrix.png这张图。每一行代表真实类别，每一列代表预测类别，最直接看到的是某些缺陷类别大量被预测成背景。这才是模型上产线之前的真实风险，而mAP只是把所有类别的表现平均成了一个数，单类崩溃被掩盖掉了。
我自己的习惯是，部署前定一个验收标准：每个类别的recall都到0.8以上，且推理速度满足产线节拍。如果某类recall只有0.5，优先找对应类别的漏检图片，看是标注框太小、光照变化太大，还是标注本身有噪声，然后针对性补数据。从435张扩充到能上线的规模，补什么也很讲究：先补漏检最多的类别，再补困难负样本，也就是纹理接近缺陷但没有缺陷的图，最后才补一般正常样本。负样本尤其重要，它能直接压掉误检，让模型不会把干净的毛巾误判成有缺陷。
我第一次拿这个数据集训完，mAP到0.88就以为完工了，结果实测下来漏检全集中在压痕这一类上。返工查标注才发现那类框的边界本身就标得不齐，重新清洗了一轮标注之后效果才真正稳定。花在验证和分析上的时间，永远比盲目堆数据更有价值，希望帮到你。
本文还有配套的精品资源，点击获取
