简介：面向轮胎外观缺陷检测的目标检测数据集，包含2154张轮胎图像及配套的Pascal VOC与YOLO双格式标注，覆盖debris、ground、side、side_cut四个缺陷类别，总计2844个标注框，适用于工业产线质检、表面缺陷识别等场景下YOLO系列模型的训练与效果对比。压缩包共2000个文件，以XML标注文件占绝对主体，另附1个TXT使用说明，整体约105.65MB，解压后即可接入现有训练脚本。标注由labelImg工具生成，资源同时提供逐类框数统计（如debris 1599框、ground 564框、side 188框、side_cut 493框），有助于判断类别分布并调整损失函数权重；文件按原始命名保留对应关系，可降低数据清洗和格式转换成本。已有667人学习下载，适合具备目标检测基础的算法工程师、研究者及学生用于轮胎缺陷识别领域的快速验证与实验扩展。
1. 轮胎缺陷检测数据集到底值不值得用：2154张、VOC+YOLO、4类
做轮胎质检项目的朋友，十有八九都卡在同一个地方：现场拍了上千张图片，但标注得自己手工画框，画到半夜才一两百张。这时候看到「轮胎缺陷检测数据集VOC+YOLO格式2154张4类别.7z」，第一反应是这东西能不能直接用。我的回答是：能，但别幻想拿过来就能上线。它给你的是2154张带标签的轮胎图像，同时存了VOC的xml和YOLO的txt两套标注，四个缺陷类别。适合做几件事：评估YOLO系列模型在这个场景的baseline、做迁移学习预训练、或者给你的私有数据扩充训练样本。后面我会从头拆解这个包怎么解压、格式怎么转换、训练怎么跑，以及最容易翻车的几个坑。
2. 拆开7z压缩包：VOC与YOLO两种格式的目录结构和标注内容
2.1 解压7z文件：Linux和Windows两条路都要走通
你拿到的是一整个.7z压缩包，不是直接能用的文件夹。第一步永远是解压，这一步就能劝退不少人。Linux下最常用的是p7zip工具，命令很直接：
# Debian/Ubuntu 安装 p7zip sudo apt install p7zip-full # 解压到指定目录，避免压出来的文件散落一地 7z x 轮胎缺陷检测数据集VOC+YOLO格式2154张4类别.7z -o./tire_defect_dataWindows下我会用7-Zip图形界面，右键解压到当前文件夹。但要注意：如果你在PyCharm里跑训练脚本，最好把解压后的目录放到纯英文路径下，别放在「桌面/新建文件夹」这种带中文和空格的地方，否则后面DatasetNotFound会找得你怀疑人生。解压完成后先看目录树，常见做法是里面至少有三个子目录：存放jpg原图的JPEGImages、存放VOC格式xml标注的Annotations、存放YOLO格式txt标注的labels，外加一个classes.txt或obj.names写明四个类别名。看不到classes.txt也不用慌，从任意一个xml里就能把类别全部捞出来，后面有脚本。
2.2 VOC格式的XML标注：object节点里的name和bndbox是核心
VOC格式是标注工具LabelImg的默认输出，每个xml文件对应一张图片。用文本编辑器打开任意一个xml，你会看到类似这样的结构：
<annotation> <filename>tire_0001.jpg</filename> <size> <width>1024</width> <height>768</height> </size> <object> <name>crack</name> <bndbox> <xmin>120</xmin> <ymin>300</ymin> <xmax>450</xmax> <ymax>510</ymax> </bndbox> </object> </annotation>这里<name>是缺陷类别，<bndbox>里是左上角和右下角的像素坐标。注意：不同数据集的类别名可能不一样，有的叫crack（裂纹），有的叫bubble（气泡），有的是拼音，以你解压后看到的实际内容为准。我这个示例只是为了说明结构，千万别拿我的crack去套你的classes文件。xml里的坐标都是绝对像素值，范围受<size>约束，这就是VOC格式的特点。
2.3 YOLO格式的TXT标注：归一化坐标和类别索引
YOLO格式的txt每一行是一个目标，格式固定为：<class_id> <x_center> <y_center> <width> <height>，后面四个值都是归一化到0~1的浮点数，用像素值除以图片宽高得到。比如：
0 0.2783 0.5273 0.3223 0.2734含义是：类别索引为0的缺陷，其中心点位于图片宽度的27.83%、高度的52.73%处，框的宽度为图片宽度的32.23%，高度为图片高度的27.34%。为什么强调归一化？因为YOLO训练时读入的图片会被缩放到imgsz指定尺寸，比如640x640，只有归一化坐标才能在不同分辨率下保持一致。如果你把VOC的绝对坐标直接喂给YOLO，不换算，训练会直接崩掉或产生大量无效框。
2.4 统计4个类别有多少目标：先看清家底再谈训练
拿到数据集第一件事不是训练，而是统计。我一般会用脚本把VOC的xml全部扫一遍，看看四个类别各有多少个目标框，有没有某个类别只有几十个框的极端不平衡。统计脚本很简单：
import xml.etree.ElementTree as ET from pathlib import Path ann_dir = Path("Annotations") counts = {} for xml_file in ann_dir.glob("*.xml"): tree = ET.parse(xml_file) for obj in tree.findall("object"): name = obj.find("name").text.strip() counts[name] = counts.get(name, 0) + 1 print(counts)运行后会输出类似{'crack': 3200, 'bubble': 1500, 'foreign_matter': 800, 'wear': 600}这样的字典。注意这里统计的是目标框数量，不是图片张数，因为一张图里可能同时有多个缺陷。如果你发现某个类别目标框数量比其它类别少一个数量级，后面训练时就要考虑类别权重、过采样或者用更小的模型先试，否则模型很容易忽略稀有类别。
3. VOC和YOLO格式互转：转换脚本、数据划分与四个边界坑
3.1 为什么数据集要同时提供VOC和YOLO两套标注
很多标注工具原生输出VOC，但YOLO系列的训练框架只认txt。数据集打包者给你两套格式，是想省去你自己转换的功夫。但实际使用中你还是得自己再处理一遍，因为两套标注的目录组织、类别顺序、甚至某个文件是否完好，都需要验证。常见做法是：用VOC的xml作为唯一事实来源，做任何转换都以它为准，不要直接改txt。因为xml里有图片尺寸信息，能直接换算；而txt里的归一化坐标本身已经把尺寸抹掉了，出了问题很难还原。
3.2 VOC转YOLO的Python脚本：解析XML并归一化
以下脚本是我每次拿到VOC数据集都会跑的，把Annotations下所有xml转成labels下的txt，并同时生成一份classes.txt：
import xml.etree.ElementTree as ET from pathlib import Path # 读取类别列表，每行一个类别名，顺序决定类别ID class_names = [line.strip() for line in Path("classes.txt").read_text().splitlines()] def voc_to_yolo(xml_file, out_txt, class_names): tree = ET.parse(xml_file) root = tree.getroot() size = root.find("size") img_w = int(size.find("width").text) img_h = int(size.find("height").text) lines = [] for obj in root.findall("object"): name = obj.find("name").text.strip() if name not in class_names: continue # 遇到未知类别，跳过而不是崩溃 cls_id = class_names.index(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) # 绝对像素值换算为归一化坐标 x_center = (xmin + xmax) / 2.0 / img_w y_center = (ymin + ymax) / 2.0 / img_h width = (xmax - xmin) / img_w height = (ymax - ymin) / img_h # 边缘坐标可能因标注溢出到[0,1]外，这里截断 x_center = min(max(x_center, 0.0), 1.0) y_center = min(max(y_center, 0.0), 1.0) width = min(width, 1.0) height = min(height, 1.0) lines.append(f"{cls_id} {x_center:.6f} {y_center:.6f} {width:.6f} {height:.6f}") out_txt.write_text("\n".join(lines)) # 遍历所有xml for xml_file in Path("Annotations").glob("*.xml"): txt_path = Path("labels") / (xml_file.stem + ".txt") voc_to_yolo(xml_file, txt_path, class_names)这段代码有三个关键点。第一，class_names的顺序绝对不能乱，YOLO的类别ID就是列表索引，训练框架按ID读取类别名，一旦顺序和训练时的data.yaml不一致，模型的输出语义就全错了。第二，坐标换算用的是中心点加宽高，而不是VOC的左上右下，容易算错。第三，我加了越界截断，因为轮胎图像边缘的缺陷框经常画到图外，不截断会导致训练时出现NaN损失。
3.3 YOLO转VOC的逆向脚本：可视化复核时才能用
YOLO转VOC不常用，但当你需要把模型预测结果导回LabelImg检查时，就需要把txt再变回xml。逆向逻辑反过来：读取图片宽高，把归一化坐标乘以宽高得到像素坐标，再构造xml。脚本我就不完整贴了，但你一定要记住：YOLO的txt里没有图片尺寸，转回VOC前必须从图片本身获取宽高，否则转出来的框全部错位。常见做法是提前把所有图片的宽高存成一个字典，用PIL.Image.open(img_path).size读取。
3.4 数据划分：train/val/test的比例与随机种子
训练前必须划分数据集，而且要保证划分后图片和标注文件名一一对应。我一般用80%训练、20%验证，测试集从训练集中再抽，或者直接用验证集顶替。更稳妥的按缺陷类别分层采样，避免某个类别全被分到验证集。下面是复制文件到YOLO约定目录的脚本：
import random from pathlib import Path from shutil import copy2 random.seed(42) # 固定种子，保证每次划分一致 image_paths = list(Path("JPEGImages").glob("*.jpg")) random.shuffle(image_paths) n = len(image_paths) train_ratio = 0.8 val_ratio = 0.2 train_files = image_paths[:int(n * train_ratio)] val_files = image_paths[int(n * train_ratio):int(n * train_ratio) + int(n * val_ratio)] def organize(files, subset): img_out = Path(f"tire_dataset/{subset}/images") lbl_out = Path(f"tire_dataset/{subset}/labels") img_out.mkdir(parents=True, exist_ok=True) lbl_out.mkdir(parents=True, exist_ok=True) for img_path in files: copy2(img_path, img_out / img_path.name) txt_path = Path("labels") / (img_path.stem + ".txt") if txt_path.exists(): copy2(txt_path, lbl_out / txt_path.name) organize(train_files, "train") organize(val_files, "val")这个脚本把图片和同名txt一起复制到新目录，符合YOLO训练框架对数据目录的预期：images和labels兄弟目录，文件名一一对应。如果你发现有些图片没有对应的txt，那说明这张图没有目标，训练框架一般会忽略，但最好单独建一个空txt，或者直接删掉这张图，否则验证时mAP计算会报错。
4. 用YOLOv8在轮胎缺陷数据集上快速跑通训练
4.1 安装Ultralytics与准备数据集YAML
环境搭建很简单，我推荐直接用Ultralytics YOLOv8，它把训练、验证、导出封装成一条命令。先装包：
pip install ultralytics然后准备好数据集描述文件tire.yaml，内容如下：
path: ./tire_dataset train: images/train val: images/val nc: 4 names: 0: crack 1: bubble 2: foreign_matter 3: wear注意names里的顺序和刚才classes.txt必须完全一致。如果你的包内classes顺序不同，按实际改。nc是类别数，这个数据集固定是4。
4.2 训练参数与损失函数的关系：imgsz、batch、epochs怎么定
训练参数不是随便填的，它们直接影响YOLO的损失函数收敛。YOLOv8的损失由三部分组成：分类损失（BCE）、边界框回归损失（CIoU）、置信度损失。imgsz决定了输入分辨率，轮胎缺陷里很多是细小裂纹，如果原图是1024x1024而你设imgsz=640，一个小裂纹可能只有几个像素，损失函数根本学不到有效特征。我一般先用imgsz=640跑个20轮看趋势，如果验证集召回率偏低，再上imgsz=1024。batch大小和显存挂钩，batch太小会导致BN层统计不稳定，损失震荡；batch太大又会把显存吃满，用batch=16起步比较稳妥。epochs建议300起步，配合早停（patience=50），因为工业缺陷数据量不大，模型容易在100轮内过拟合。
4.3 训练命令与关键日志：从loss曲线判断拟合状态
有了yaml，就可以开训：
yolo train data=tire.yaml model=yolov8n.pt epochs=300 imgsz=640 batch=16 device=0 patience=50这里我选了yolov8n作为起点，因为它参数量最小，跑得快，能快速验证数据格式是否正确。跑之前一定要先看一眼日志里的BoxP、ClsP、DFL几个loss值，如果第一个epoch就是NaN，百分之九十九是标注坐标越界或者类别ID超出nc。训练中每过几个epoch，终端会打印验证集的mAP50-95，我会盯着train/val的loss曲线：如果train loss一路下降而val loss在第几十轮开始反弹，那就是过拟合信号，这时候需要加大数据增强或减小模型复杂度。
4.4 验证与导出：用最佳权重看预测效果
训练结束后，Ultralytics会在runs/detect/train/weights/下生成best.pt和last.pt。我习惯先跑验证集，确认mAP不是靠某一大类撑起来的：
yolo val model=runs/detect/train/weights/best.pt data=tire.yaml这条命令会输出每个类别的mAP50和mAP50-95，如果某个类别的mAP比其他类别低一大截，就说明这个类别的样本量或特征不够。然后可视化预测：
yolo predict model=best.pt source=tire_dataset/val/images --save-txt --save-conf在runs/detect/predict下会生成带框的预测图，我会快速翻一遍，重点看有没有大量重复框或漏检框，这比看指标更直观。
5. 轮胎缺陷检测训练避坑：5条血泪经验
5.1 解压后目录名带中文或空格导致DatasetNotFound
现象：运行训练命令后，报错Dataset not found或者FileNotFoundError，明明路径存在却读不到。
原因：Ultralytics内部用pathlib解析路径，中文和空格会被转义，Windows下更严重，PyCharm的终端和系统编码不一致也会导致路径乱码。
解决：把解压后的目录重命名为全英文，例如tire_defect_data，路径中不要有空格、括号、中文。以后所有命令都用相对路径，别用绝对路径。
5.2 类别编号与classes.txt顺序不一致，训练log正常但预测全错
现象：loss能正常下降，验证mAP也不错，但用模型预测新图时，明明是裂纹，输出标签却是气泡。
原因：你手里的classes.txt可能是别人用obj.names生成的，顺序和VOC xml里<name>的字典序不一致。YOLO的类别ID纯粹是索引，不管你是crack还是bubble，ID=0就是第一个类。转换脚本如果按xml里第一次出现的顺序生成ID，而不是按某个固定顺序，就会乱。
解决：永远从VOC xml重新统计类别，人工确定顺序后写入classes.txt和tire.yaml，然后重新执行转换脚本。不要直接修改txt的ID，很容易错位。
5.3 小缺陷目标在imgsz=640下漏检严重，召回率上不去
现象：训练完验证，mAP50看起来还行，但实际生产环境下裂纹一个都测不出来，一查per-class recall，小目标类别只有0.2。
原因：轮胎图像的分辨率往往超过2000x2000，而训练默认缩放到640x640，一个细裂纹在缩放后可能只剩2~3个像素宽，特征完全丢失。
解决：对于这类小目标数据集，我一般把imgsz提高到1024或1280。显存不够就用yolov8n或减少batch=8。另一个有效方法是做切片推理：把原图切成重叠的patch分别检测，再把结果合并，但训练时最好也配合切片增强，否则训练和推理的尺度不一致。
5.4 单通道灰度图被误判为三通道，训练中途报错shape不匹配
现象：训练到一半，报错shape mismatch: expected 3 channels, got 1或者pytorch RuntimeError。
原因：轮胎X光或超声图像经常是单通道灰度图，而YOLO的预处理默认用三通道RGB读取。如果数据集中混着灰度图和三通道图，cv2.imread读出来的形状不一致，collate时就会炸。
解决：写一个预处理脚本，把所有图片统一转为RGB三通道并另存：
from PIL import Image from pathlib import Path for img_path in Path("JPEGImages").glob("*"): img = Image.open(img_path) if img.mode != "RGB": img = img.convert("RGB") img.save(img_path)注意覆盖保存前先备份，不然转错了没后悔药。这一步是很多工业数据集的隐藏坑，因为拍照设备输出格式不统一。
5.5 数据增强过头，导致缺陷纹理变形失真
现象：训练集mAP很高，验证集mAP也不差，但一到现场新图片就翻车，预测框乱跑。
原因：Ultralytics默认开启一大堆数据增强，包括随机旋转、透视变换、HSV扰动。轮胎表面的纹理是有方向性的，比如胎纹的沟槽，旋转90度后就不再是轮胎了；缺陷的形态也会因透视变换而严重拉伸，模型学到的是「变形后的缺陷」，而不是真实缺陷。
解决：在tire.yaml同级写一个tire_aug.yaml，只保留轻微的翻转和微调对比度：
augment: false fliplr: 0.5 flipud: 0.0 hsv_h: 0.0 hsv_s: 0.0 hsv_v: 0.0 translate: 0.0 scale: 0.0训练命令加上cfg=tire_aug.yaml。我见过好几个项目因为增强过头，训练时mAP刷到0.95，现场实测直接归零，这种玄学问题最浪费工时。
6. 验证细节：用混淆矩阵和多尺度推理把召回提上去
训练完不是终点，验证方法和调优策略才是决定这个数据集能不能落地的关键。Ultralytics在验证后会在runs/detect/val/下生成confusion_matrix.png，这张图你要仔细看。对角线是正确分类，如果某一行除了对角线外还有一堆亮色，说明这类缺陷经常被误判成另一类。比如轮胎的bubble（气泡）和foreign_matter（异物）在灰度图上纹理接近，混淆矩阵里这两个格子就会很亮。一旦发现这种混淆，我通常的做法是合并类别重新训练，或者为这两个类别增加专门的数据增强。
另一个必须做的验证是按尺寸分桶统计召回率。把验证集图片按缺陷框的像素面积分成三个桶：小目标（小于32x32）、中目标（32x32~96x96）、大目标（大于96x96），分别计算召回率。如果小目标桶的召回率远低于其他桶，说明模型对小缺陷感知不足，这时候多尺度推理往往比换更大模型更有效。具体做法是：用yolov8m同时开启imgsz=640和imgsz=1280预测同一张图，把两次的检测框按置信度阈值合并，置信度超过0.5的框保留，再用NMS去重。这个trick能让小目标召回率提升5~10个点。
用这个数据集训练时，我还养成一个习惯：每个epoch结束后不光看mAP，还随机抽10张验证集图片输出预测结果，肉眼确认缺陷有没有被框对。有一次mAP50从0.78涨到0.85，但抽图一看，模型把轮胎边缘的阴影全当成了裂纹，正负样本失衡带来的虚警被mAP掩盖了。从那以后我坚持把「抽图看检测效果」当作硬性验证步骤，这比任何指标都可靠。希望帮到你。
本文还有配套的精品资源，点击获取
