风机叶片缺陷检测数据集：18912张图与YOLO/COCO/VOC格式实战

简介：本资源为风力涡轮机缺陷检测数据集，面向从事新能源设备智能运维、工业视觉检测的算法工程师与高校研究者，可用于训练和评估风机叶片、塔筒等关键部件的缺陷识别模型。数据集包含18912张图片，支持YOLO、PASCAL VOC XML与COCO JSON三种主流标注格式，便于直接接入目标检测框架开展实验。压缩包整体约584.4MB，图片与标注文件按类别组织，配套标注说明可参考作者提供的在线页面，方便快速核对与转换格式。已有354人学习下载，适合需要真实工业场景数据验证模型泛化能力的中高级开发者。借助该数据集，读者可完成从数据加载、格式转换到模型训练与精度评估的完整流程，并对照91.4%的准确识别率基线，分析不同检测算法在风机缺陷任务上的表现差异，为后续优化提供可靠参照。

1. 风机叶片巡检的“数据荒”，这份 18912 张的缺陷数据集能补上多少

做过风电巡检的都知道，叶片表面的裂纹、砂眼、雷击损伤这些缺陷，靠人眼加望远镜一天看不了几台，而且漏检率全凭老师傅心情。真正想把无人机航拍图丢给模型自动框缺陷，第一步就卡在数据上——网上开源的风机缺陷集要么几百张，要么只给分类标签不给框，训出来的模型换个风场就翻车。这份风力涡轮机缺陷检测数据集给到 18912 张图，标注覆盖 YOLO、PASCAL VOC XML、COCO JSON 三种格式，官方口径 91.4% 准确识别率。它解决的不是“有没有数据”的问题，而是“能不能直接进训练管线、不用自己从 LabelImg 开始点”的问题。适合两类人：一是做新能源巡检算法、想快速搭 baseline 的工程师；二是拿它当课程设计或毕设、需要现成 COCO JSON 跑通检测流程的学生。下面按“数据长什么样 → 怎么转成训练格式 → 怎么训 → 坑在哪”拆一遍。

2. 拆开数据包：三种标注格式到底怎么选、怎么读

2.1 先看清目录结构和标注分布

拿到一个检测数据集，别急着写 DataLoader，先花十分钟把目录摸清楚。这类风机缺陷集常见组织方式是images/放原图、annotations/放三种格式的标注文件，或者按train/val/test分好再各自带标注。18912 张图的量级，如果全是高清航拍图，解压后大概在 3～6 GB 之间，具体看分辨率。我一般先跑一段统计脚本，确认类别数和每类框数量，避免训到一半发现某个缺陷类只有几十个框。

import json from collections import Counter # 读 COCO JSON，统计类别分布和图片数 with open("annotations/instances.json", "r", encoding="utf-8") as f: coco = json.load(f) print("图片总数:", len(coco["images"])) print("标注框总数:", len(coco["annotations"])) # 类别 id 到名字的映射 cat_map = {c["id"]: c["name"] for c in coco["categories"]} print("类别列表:", cat_map) # 每个类别的框数量 counter = Counter(cat_map[a["category_id"]] for a in coco["annotations"]) for name, cnt in counter.most_common(): print(f"{name}: {cnt} 个框")

这段脚本干的事很直接：coco["images"]是图片清单，coco["annotations"]是每个框的记录，category_id对应categories里的类别。跑完你会得到一张类别分布表。如果发现某类框数低于 200，训练时就要考虑过采样或者类别加权，否则模型会直接把这个类忽略掉。参数上唯一要注意的是编码，COCO JSON 里如果有中文类别名，encoding="utf-8"不能省，不然 Windows 下直接报 UnicodeDecodeError。

2.2 三种格式的取舍：YOLO 快、VOC 稳、COCO 全

数据集同时给 YOLO、PASCAL VOC XML、COCO JSON，不是让你三选一随便用，而是对应不同训练框架。YOLO 格式是每张图一个.txt，每行class_id x_center y_center width height，坐标全部归一化到 0～1，Ultralytics 系的 YOLOv5/v8/v11 直接吃。VOC XML 是每张图一个 XML，框坐标是绝对像素值，适合老一点的 TensorFlow Object Detection API 或者 PaddleDetection。COCO JSON 是单个大文件，包含 images、annotations、categories 三个主键，MMDetection、Detectron2、YOLO 的新版都能读。

选型逻辑很简单：如果你只是想快速验证“这个数据能不能训出东西”，用 YOLO 格式跑 YOLOv8n，半小时出结果。如果你要做多模型对比、发论文，用 COCO JSON 配 MMDetection，因为它的评估指标 mAP 计算最标准。VOC XML 更多是兼容老管线，新项目我一般直接跳过它，除非你手上的代码只认 XML。

提示：三种格式的类别 id 映射不一定一致。YOLO 的 class_id 从 0 开始，COCO 的 category_id 可能从 1 开始甚至跳号。混用之前先对齐，否则框会全错位。

2.3 用 COCO JSON 反查图片和标注是否对得上

数据集最怕的是图片和标注不同步——有图没框、有框没图。COCO JSON 的好处是可以一次性校验。下面这段脚本检查每张图是否有对应标注，以及每个标注的 image_id 是否真实存在。

import json with open("annotations/instances.json", "r", encoding="utf-8") as f: coco = json.load(f) img_ids = {img["id"] for img in coco["images"]} ann_img_ids = {a["image_id"] for a in coco["annotations"]} # 有图但没有任何框的图片 no_ann = img_ids - ann_img_ids # 有框但图片不存在的（脏数据） ghost = ann_img_ids - img_ids print("无标注图片数:", len(no_ann)) print("幽灵标注数:", len(ghost)) # 抽查一张图的框数量 sample_id = coco["images"][0]["id"] boxes = [a for a in coco["annotations"] if a["image_id"] == sample_id] print(f"图片 {sample_id} 有 {len(boxes)} 个框")

no_ann里的图片如果是纯背景图，可以保留当负样本；如果数量超过总图 10%，说明标注可能漏了。ghost不为空就是数据打包时出的错，必须清掉，否则训练时 DataLoader 会直接抛 KeyError。这一步花两分钟，能省掉后面调半天 loss 不下降的玄学时间。

3. 把 COCO JSON 转成 YOLO 格式：脚本、参数和四个边界坑

3.1 转换脚本的核心逻辑

虽然数据集号称支持 YOLO，但如果你拿到的是 COCO JSON 版本，还是得自己转一道。转换的核心就三件事：读图宽高、把 xywh 转成归一化 cxcywh、按类别名映射到连续 id。下面这个脚本我用了很多次，直接抄。

import json import os from pathlib import Path def coco_to_yolo(coco_json, img_dir, out_dir): with open(coco_json, "r", encoding="utf-8") as f: coco = json.load(f) # 类别 id 重映射为 0 起始的连续整数 cats = sorted(coco["categories"], key=lambda x: x["id"]) cat_id_map = {c["id"]: i for i, c in enumerate(cats)} names = [c["name"] for c in cats] # 图片 id 到文件名的映射 img_info = {img["id"]: img for img in coco["images"]} # 按 image_id 聚合标注 from collections import defaultdict anns = defaultdict(list) for a in coco["annotations"]: anns[a["image_id"]].append(a) os.makedirs(out_dir, exist_ok=True) for img_id, img in img_info.items(): w, h = img["width"], img["height"] lines = [] for a in anns.get(img_id, []): x, y, bw, bh = a["bbox"] # COCO 是左上角 xywh cx = (x + bw / 2) / w cy = (y + bh / 2) / h nw = bw / w nh = bh / h cid = cat_id_map[a["category_id"]] lines.append(f"{cid} {cx:.6f} {cy:.6f} {nw:.6f} {nh:.6f}") # 文件名去掉扩展名，存同名 txt stem = Path(img["file_name"]).stem with open(os.path.join(out_dir, stem + ".txt"), "w") as f: f.write("\n".join(lines)) # 顺便生成 classes.txt with open(os.path.join(out_dir, "classes.txt"), "w", encoding="utf-8") as f: f.write("\n".join(names)) print("转换完成，类别:", names) coco_to_yolo("annotations/instances.json", "images", "labels")

逻辑说明：bbox在 COCO 里是[x_min, y_min, width, height]，绝对像素。YOLO 要的是中心点归一化坐标，所以先x + bw/2再除以图宽。cat_id_map把原始 category_id 压成 0 起始，因为 YOLO 的 class_id 必须从 0 连续。classes.txt的顺序就是 class_id 的顺序，训练时data.yaml里的 names 要跟它一致。参数上，:.6f保留六位小数足够，再多没必要。

3.2 边界坑一：图片尺寸和标注尺寸不一致

有些数据集在打包时图片被缩放过了，但 COCO JSON 里的width、height还是原图尺寸。这时候你按 JSON 里的宽高归一化，框会整体偏移。排查方法是抽几张图用 PIL 读实际尺寸，跟 JSON 里的对比。

from PIL import Image import json with open("annotations/instances.json") as f: coco = json.load(f) for img in coco["images"][:5]: real = Image.open(os.path.join("images", img["file_name"])).size if real != (img["width"], img["height"]): print("不一致:", img["file_name"], "JSON:", (img["width"], img["height"]), "实际:", real)

如果发现不一致，转换脚本里的w, h要改成用 PIL 实时读取，而不是信 JSON。这个坑很隐蔽，因为训练不会报错，只是 mAP 死活上不去。

3.3 边界坑二：类别名里有空格或特殊字符

COCO 的categories里如果类别名是blade crack这种带空格的，生成classes.txt没问题，但写data.yaml时如果直接拼字符串容易出问题。常见做法是统一把类别名转成下划线或者拼音，保持跟标注文件里的 class_id 对应即可。另外注意中文类别名在某些框架的日志里会乱码，建议转英文或拼音。

3.4 边界坑三：空标注图片的处理

转换后会生成一些空的.txt文件，对应没有缺陷的纯背景图。YOLO 训练时这些空文件是合法的负样本，但如果你用的 DataLoader 会跳过空文件，就等于丢了负样本，模型误检率会升高。确认你的训练配置里skip_empty是 False。如果数据集里负样本比例过高（比如超过 30%），可以适当抽掉一部分，避免正负失衡。

3.5 边界坑四：坐标越界

COCO 标注偶尔会有框超出图片边界的情况，比如x + bw > w。转成 YOLO 后 cx 可能大于 1，训练时会被 clamp 或者直接报错。转换时加一道裁剪：

x = max(0, min(x, w)) y = max(0, min(y, h)) bw = min(bw, w - x) bh = min(bh, h - y)

这四行加上去，能避免大部分“训练到第几个 epoch 突然 loss 变 NaN”的问题。血泪经验：坐标越界不报错，但会让梯度爆炸。

4. 训练配置与 91.4% 准确率的复现路径

4.1 用 YOLOv8 跑一个 baseline

数据转好之后，最快验证的方式是 Ultralytics YOLOv8。先建data.yaml：

path: ./dataset train: images/train val: images/val nc: 4 names: ['crack', 'erosion', 'lightning_damage', 'sand_hole']

nc是类别数，names顺序必须跟classes.txt一致。然后一条命令开训：

yolo detect train data=data.yaml model=yolov8s.pt epochs=100 imgsz=640 batch=16 patience=20

参数说明：model=yolov8s.pt是预训练权重，小模型速度快，适合先跑通。imgsz=640是输入分辨率，如果原图很大且缺陷很小，可以提到 1024，但显存要够。patience=20是早停，20 个 epoch 验证集不提升就停，省时间。batch=16根据显存调，8G 显存跑 640 大概能到 16。

4.2 91.4% 这个数字怎么理解

官方说的 91.4% 准确识别率，大概率是 mAP@0.5 或者 top-1 分类准确率，具体口径得看原文档。检测任务里，mAP@0.5 能到 0.9 以上算不错，但要注意这是在他们自己的验证集上。你复现时如果只拿到 0.85 左右，不一定是代码问题，可能是 train/val 划分不同。建议自己按 8:1:1 重新划分，跑三次取平均，心里才有底。另外，如果缺陷类之间长得很像（比如砂眼和雷击坑），混淆矩阵会告诉你哪些类在互相误判。

4.3 数据增强的参数怎么设

风机缺陷检测的难点是缺陷尺度变化大——裂纹可能横跨半个叶片，砂眼只有几十像素。增强策略上，mosaic和mixup能提升小目标召回，但mixup对缺陷检测有时会引入不真实的叠加，我一般把mixup关掉，只留mosaic=1.0。旋转增强要开，因为无人机拍摄角度不固定。HSV 抖动可以抑制光照影响，风场早晚光线差异大。具体在 YOLO 的hyp.yaml里调，或者命令行加degrees=10 hsv_h=0.015 hsv_s=0.7。

4.4 验证集评估看哪些指标

训完别只看一个 mAP，至少看四个数：mAP@0.5、mAP@0.5:0.95、precision、recall。风机巡检场景里 recall 比 precision 重要，漏检一个裂纹的代价远大于多报几个疑似。如果 recall 低，先查标注里有没有漏标，再考虑降低置信度阈值。混淆矩阵和 PR 曲线在runs/detect/val目录下，打开看一眼，比盯 loss 曲线有用。

5. 避坑与排查：训练不收敛、框错位、显存炸了怎么办

5.1 现象：loss 一直不降，mAP 在 0.1 附近晃

原因：最常见的是类别 id 和data.yaml里的 names 顺序对不上，模型学的是错位的标签。其次是图片路径写错，DataLoader 实际读到的是空图或默认图。解决：先跑一遍转换脚本里的校验逻辑，确认每张图都有对应 txt；再打印一个 batch 的标签看看 class_id 范围是否在[0, nc-1]内。

5.2 现象：验证时框整体偏移或缩放

原因：训练用的图片尺寸和标注归一化时用的尺寸不一致。比如转换时用了 COCO JSON 里的 1920x1080，但实际图片是 1280x720。解决：转换脚本里改用 PIL 实时读图宽高，重新生成一遍 labels。这个坑我踩过两次，第一次调了三天学习率，最后发现是尺寸问题。

5.3 现象：训练到一半 CUDA out of memory

原因：imgsz或batch设太大，或者mosaic增强在后期仍然开启导致单批图像数量翻倍。解决：先把batch减半，如果还炸，把imgsz从 1024 降到 640。另外 YOLO 的close_mosaic参数可以在最后 10 个 epoch 关掉 mosaic，既省显存又稳定收敛。

5.4 现象：某些类别完全检测不到

原因：该类样本太少，或者该类缺陷在图像里太小。解决：统计每类框数量，低于 200 的做过采样；检查 anchor 尺寸是否匹配，YOLOv8 是 anchor-free，但小目标仍然需要高分辨率输入。可以把imgsz提到 1280 试一轮，如果显存不够就用切片推理（SAHI）。

5.5 现象：模型在验证集好，换一批图就崩

原因：数据集的拍摄条件太单一，模型学到了背景捷径。比如所有训练图都是晴天拍的，阴天图就废了。解决：增强里加大 HSV 和亮度抖动，或者手动混入一些不同光照的负样本。如果数据集本身多样性不足，再强的模型也救不了，这是数据层面的天花板。

6. 进阶技巧：用切片推理把大图小缺陷的召回再拉一截

风机航拍图动辄 4000x3000，缺陷可能只占 50x50 像素。直接缩到 640 训练，小缺陷信息丢得差不多了。我一般会在 baseline 跑通后，加一层切片推理（SAHI，Slicing Aided Hyper Inference）。原理很简单：把大图切成有重叠的小块，每块单独推理，再把框映射回原图做 NMS。这样小缺陷在切片里变成了“大目标”，召回率能明显提升。

from sahi import AutoDetectionModel from sahi.predict import get_sliced_prediction # 加载训好的 YOLO 模型 detection_model = AutoDetectionModel.from_pretrained( model_type="yolov8", model_path="runs/detect/train/weights/best.pt", confidence_threshold=0.25, device="cuda:0" ) # 切片推理：512x512 的切片，重叠 20% result = get_sliced_prediction( "test_blade.jpg", detection_model, slice_height=512, slice_width=512, overlap_height_ratio=0.2, overlap_width_ratio=0.2 ) # 导出 COCO 格式结果 result.export_visuals(export_dir="output/")

参数说明：slice_height/width根据缺陷尺度调，缺陷越小切片越小，但切片太多会慢。overlap_ratio一般 0.2，太小会切断跨切片的缺陷，太大则重复框多。confidence_threshold可以比训练时低一点，因为切片后误检会被 NMS 压掉。跑完对比一下切片前后的 recall，通常能涨 3～8 个百分点。

另一个技巧是测试时增强（TTA），YOLO 自带augment=True，推理时对图片做翻转和缩放再合并结果。代价是推理速度慢 2～3 倍，适合离线巡检报告生成，不适合实时视频流。

从那以后我每次拿到新数据集，都强制先跑一遍标注校验和尺寸核对，再开始训。这两个检查加起来不到五分钟，但能省掉后面几天的无效调参。希望帮到你。

本文还有配套的精品资源，点击获取