YOLO包装盒缺陷检测：数据格式与训练参数避坑指南

简介：YOLO算法快递包裹包装盒缺陷检测数据集包含1200余张标注图像，覆盖完好箱体、破损箱体、开口包裹和完整包裹四类目标，适合入门至进阶学习者练习目标检测模型的训练与评估。数据集已划分train、val、test目录，并附data.yaml配置文件，标签采用txt格式，可直接用于YOLOv5、YOLOv7、YOLOv8、YOLOv9等主流算法训练，省去手动整理标注与划分数据的步骤。整个资源包共2000个文件，以1201个txt标注文件、425张jpg原图、1个yaml配置为主，另有373个zbak格式文件，压缩包整体约28.14MB，目录结构清晰便于快速部署。已有52人学习该数据集，可用于物流分拣、电商仓储等场景的缺陷检测实战，也支持迁移学习与数据增强扩展。资源来源于网络分享，仅供个人学习交流，请勿用于商业用途。

1. 用 YOLO 做快递包裹包装盒缺陷检测：先别急着敲命令，数据长什么样更关键

做工业视觉这几年，我拆过不少所谓“可以直接训练”的缺陷检测数据集，快递包裹包装盒这个场景属于典型的“看着简单、做着麻烦”：缺陷种类多但目标小，划痕、压痕、破损、污渍混在一起，背景又是牛皮纸色，对比度极低。这套 1200 张图的 YOLO 缺陷检测数据集，不算大，但对个人学习和中小批量产线验证来说，量级刚刚好——既能跑通完整流程，又不会因为数据太多导致你压根没耐心看完标注质量。拿到手之后，真正决定你能不能训练出一个能用的模型，不是 YOLO 算法的版本选择，而是三件事：标注格式到底是不是 YOLO 能直接吃的、划分出来的验证集有没有覆盖全类别、训练参数有没有按小数据量场景去调。这篇文章就把这三件事从头到尾拆一遍。

2. 数据准备：从 1200 张原始图到 YOLO 能吃下的训练集

2.1 先认清输入：三种标注格式和最小目录结构

很多网上下载的缺陷检测数据集，标题写着 YOLO，解压出来却不一定是你想要的样子。我见过三种常见情况：第一种是纯图片加 XML 文件，这是 Pascal VOC 格式；第二种是图片加 JSON 文件，这是 COCO 格式；第三种才是真正的 YOLO 格式，也就是每张图片对应一个同名 txt 文件。标题里既然写了“YOLO 算法”，理论上应该是第三种，但实际下载到的包经常是 VOC 或 COCO 格式，需要你自己转换，所以第一步永远是先打开文件夹看一眼标注文件长什么样。

YOLO 格式的标注文件，每一行代表一个目标框，内容由 class_id 和四个归一化坐标组成：

判断一份数据是不是真正的 YOLO 格式，最简单的方法就是随机打开几个 txt 看看里面是不是五列数字，并且数字都在 0 到 1 之间。如果值是几千几万这种像素坐标，那对不起，还是 VOC 或者别的什么格式，得先转换。

训练能跑起来的最小子目录结构长这样：

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

images 和 labels 下必须同步有 train 和 val 两个子目录，而且图片文件和标签文件要一一对应同名，否则训练时 ultralytics 会报大量找不到标签的警告。data.yaml 里至少要写清楚 path、train、val、names 四个字段，尤其是 names 的顺序，这个顺序直接对应 txt 文件里的 class_id，差一个位置，整个模型就白练了。

2.2 VOC 转 YOLO：归一化坐标转换脚本与越界处理

如果下到的数据里是 XML 标注，那就得自己写转换脚本。这套逻辑虽然简单，但有个细节特别容易翻车：YOLO 的 x_center、width 全部是相对图像宽高的归一化值，而 VOC 里存的是绝对像素坐标，所以必须读 XML 里的图像宽高，不能自己猜。有些 XML 的 size 字段缺失，这时候就要用 OpenCV 回读原图尺寸。

import os import glob from xml.etree import ElementTree as ET # 注意：这里的类别顺序必须与后续 data.yaml 中的 names 保持完全一致 class_names = ["scratch", "dent", "tear", "stain"] def convert_annotation(xml_path, out_path): tree = ET.parse(xml_path) root = tree.getroot() # 从 XML 里读取图像宽高，这是归一化计算的基础 img_w = int(root.find("size/width").text) img_h = int(root.find("size/height").text) lines = [] for obj in root.iter("object"): cls_name = obj.find("name").text if cls_name not in class_names: continue # 通过类别名找到对应的 class_id cls_id = class_names.index(cls_name) box = obj.find("bndbox") xmin = float(box.find("xmin").text) ymin = float(box.find("ymin").text) xmax = float(box.find("xmax").text) ymax = float(box.find("ymax").text) x_center = (xmin + xmax) / 2.0 / img_w y_center = (ymin + ymax) / 2.0 / img_h box_w = (xmax - xmin) / img_w box_h = (ymax - ymin) / img_h # 防止标注出界：有些数据集的框会超出图像边界，不修会让 loss 发散 x_center = min(1.0, max(0.0, x_center)) y_center = min(1.0, max(0.0, y_center)) box_w = min(1.0, max(0.0, box_w)) box_h = min(1.0, max(0.0, box_h)) lines.append(f"{cls_id} {x_center:.6f} {y_center:.6f} {box_w:.6f} {box_h:.6f}") with open(out_path, "w", encoding="utf-8") as f: f.write("\n".join(lines)) # 批量转换 labels_voc 下所有 XML 文件 for xml_path in glob.glob("labels_voc/*.xml"): base_name = os.path.basename(xml_path).replace(".xml", ".txt") out_path = os.path.join("labels", base_name) convert_annotation(xml_path, out_path) print(f"converted: {base_name}")

脚本里我刻意加了坐标裁剪的逻辑，也就是那四行 min/max 操作。包装盒检测数据集中，有些标注人员会把边界框画到图片外面去，尤其是破损类别，因为盒子边缘破了，框容易被拉出边界。这类越界框如果直接拿去训练，YOLO 的 loss 在初期可能会飙到几十甚至 NaN。顺手夹一下，不让它超过图像范围，能省掉后续很多排查时间。

2.3 数据划分：固定随机种子和分层划分，避免验证集偏科

数据集准备好之后，下一步是划分训练集和验证集。很多人直接 random.shuffle 一下按 8:2 切分，但缺陷检测这类小目标任务会埋一个隐患：划痕和压痕在整批数据里出现频率本来就低，如果随机划分时这些稀有样本全进了训练集，验证集里就一个都不剩，那验证时模型对稀有类别的召回率会直接显示为 0，你还会误以为模型没学会。

import os import random from shutil import copy2 # 固定随机种子：同一个数据集，每次跑出来的划分结果必须一样 random.seed(42) image_files = [f for f in os.listdir("images") if f.endswith(".jpg") or f.endswith(".png")] random.shuffle(image_files) val_ratio = 0.2 val_count = int(len(image_files) * val_ratio) val_files = image_files[:val_count] train_files = image_files[val_count:] for split, files in [("train", train_files), ("val", val_files)]: os.makedirs(f"images/{split}", exist_ok=True) os.makedirs(f"labels/{split}", exist_ok=True) for name in files: src_img = os.path.join("images", name) dst_img = os.path.join("images", split, name) copy2(src_img, dst_img) label_name = name.rsplit(".", 1)[0] + ".txt" src_lab = os.path.join("labels", label_name) if os.path.exists(src_lab): copy2(src_lab, os.path.join("labels", split, label_name)) else: print(f"WARNING: missing label for {name}")

这里的 fixed seed 非常关键。我见过不少人训练到一半发现验证集 mAP 一直在 0 附近飘，排查半天，最后发现是每次启动训练都会重新随机划分数据集，导致训练集和验证集有重叠，或者验证集只剩几个样本。固定随机种子以后，不管脚本跑多少遍，划分结果都一致，问题可复现性就有了。

如果数据集的类别严重不均衡，建议用 sklearn 的 StratifiedShuffleSplit 做一个分层划分：按每张图的类别标签做一个多标签表示，再按这个矩阵去分层抽样，这样可以保证验证集里每个类别都有一定占比。

3. 模型选型和训练参数：1200 张图应该用多大的模型、跑多少轮

3.1 模型规模怎么选：n/s 起步，Pre-trained 权重不能省

拿到数据集后的第二个高频问题是：到底该用 YOLOv5 还是 YOLOv8，或者干脆上 YOLOv9/YOLO11。我的习惯是，这类缺陷检测场景不需要盲目追新版本，先看数据量。1200 张图的规模属于典型的小数据集，目标不是刷榜，而是在有限样本下稳定检出缺陷。所以我会优先选 YOLOv8n 或者 YOLOv5n，这两者参数量都在 2M 到 3M 之间，即使没有高端显卡，用 CPU 也能勉强跑推理，训练时显存占用也友好。

为什么不建议直接上 YOLOv8x 或 YOLOv5x？因为大模型在 1200 张图上极大概率过拟合。大模型有更多可学习参数，而缺陷检测的缺陷区域往往只有几十乘几十像素，数据多样性不够时，模型会去死记训练集里的背景纹理，而不是真正学到“破损”“划痕”的抽象特征。从实际结果看，YOLOv8n 用预训练权重做迁移学习，在 1200 张缺陷图上通常能达到够用的效果，而 x 版本反而可能在验证集上 mAP 更低。

另外一点：预训练权重必须用。不管用的是 v5 还是 v8，都要下载对应的 COCO 预训练权重作为起点。原因很简单，COCO 权重让模型已经具备基础的目标检测能力，包括边缘、纹理、局部形状的特征提取，我们要做的只是让它适配上“包装盒缺陷”这个新域。从零训练一个随机初始化的模型，1200 张图远远不够。

3.2 训练命令逐项拆解：epochs、batch、imgsz、patience

Ultralytics YOLOv8 的训练命令写起来非常短，但每一行的参数都值得掰开揉碎看一下。

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

epochs 设成 150，配合 patience=30 的早停机制。这里我解释一下早停机制：模型每训练完一个 epoch，都会在验证集上算一次 loss，如果连续 30 个 epoch 验证集 loss 都没有刷新最低记录，训练自动停止，最终保存的是验证 loss 最低的那份权重。这个机制在小数据集上特别重要，因为 1200 张图的训练集往往在 80 到 100 epoch 时就开始过拟合，硬跑 300 epoch 只会浪费时间。

imgsz 是输入图像分辨率。包装盒缺陷检测场景里，缺陷区域在整张图里占比很小，如果直接设 320，一个 100 像素宽的划痕缩到 33 像素，特征基本没了。所以我偏向 640，如果训练后召回率仍不理想，可以再试 1280，但显存占用会翻四倍。

batch 大小的选择要结合显存。我的经验是能跑多大跑多大，16 是 T4 16G 上 YOLOv8n 的一个比较稳妥的值。batch 太小，比如 4，BN 层的统计量不稳定，训练初期 loss 波动会很厉害；batch 太大，单 GPU 显存不够，还得调梯度累积，麻烦。

device=0 表示用第一张 GPU。如果你只有 CPU 环境也不是不能训练，但要把 epochs 适当调大，比如 200，因为 CPU 上模型收敛速度明显慢。

3.3 增强不是越多越好：Mosaic 对小缺陷可能是把双刃剑

YOLOv8 默认开启了一系列数据增强，包括 Mosaic、随机翻转、色调饱和度调整等。对于通用目标检测，这些增强能有效提升泛化性，但在包装盒缺陷检测场景里，Mosaic 反而是个需要警惕的参数。

Mosaic 会把四张图拼成一张，让模型在训练时看到更多样的背景组合。但对小缺陷来说，四张图拼完后，每张子图在整体画幅中的占比只有原来的四分之一，原本就小的缺陷目标变得更小。如果标注框本身只有 20×20 像素，Mosaic 一缩，目标区域直接变成 10×10，损失函数里正样本贡献被稀释，模型很容易学不到缺陷特征。

我一般会在 data.yaml 里通过超参数文件关掉或者调低 Mosaic。在 ultralytics 里，可以用一个配置文件覆盖默认增强参数：

# augment.yaml mosaic: 0.0 fliplr: 0.5 flipud: 0.0 hsv_h: 0.015 hsv_s: 0.4 hsv_v: 0.4 scale: 0.5 translate: 0.1

训练时加上cfg=augment.yaml参数即可。mosaic 置 0 意味着彻底关掉，代价是数据多样性降低，所以我会把 scale 和 translate 稍微调大一点作为补偿。scale=0.5 表示允许随机缩放的范围是 0.5 到 1.5 倍，这能在不显著缩小目标的前提下增加尺度变化；translate=0.1 允许目标在图中做小幅平移。

3.4 看损失曲线判断训练是否有效：盯 val_loss 而不是 train_loss

很多初学者训练完只看最后的 mAP，但训练过程中损失曲线的形态同样重要。我看训练是否健康，主要关注三条曲线：train/box_loss、val/box_loss、以及 metrics/mAP50。当 val/box_loss 在某个 epoch 后开始上升或者不再下降，而 train/box_loss 还在下跌，这就是过拟合的第一信号，正常流程下 patience 会触发早停，但我习惯早停前自己先看一眼曲线确认原因。

还有一类情况是损失从一开始就不降。如果 box_loss 在 60 个 epoch 后仍然在 2 以上波动，多半是标签里有脏数据，比如归一化坐标反了、分类 id 重复、或者是标注框尺寸为 0。这种情况不要盲目加 epoch，先去数据检查环节排查。

4. 避坑清单：缺陷检测训练里翻车率最高的四个地方

4.1 训练 loss 爆炸或 NaN：标注框越界，坐标出现大于 1 的值

现象：训练前几个 epoch loss 还是正常下降，跑到第 10 个 epoch 附近突然变成 NaN，或者 box_loss 跳到 10 以上不回落。

原因：txt 标注文件中存在 x_center 或 width 大于 1 的值。有些转换脚本没做归一化，直接把像素坐标写进入；也有些标注员把框画到图像外面去了。YOLO 在计算框损失时遇到这种非法坐标，梯度会变得异常大，最终冲垮整个模型。

解决：训练前写个小脚本扫描所有 labels 文件，检查每个数值是否都在 0~1 范围内，发现越界先看是转换问题还是标注问题。转换问题用前面提到的 min/max 裁剪解决；标注问题需要人工确认这条数据是否应该保留。扫描脚本非常简单，读每个 txt，按行按列检查数值范围，有越界就打印文件名和行号。

4.2 验证集 mAP50 为 0 但 mAP50-95 正常：验证集里丢了稀有类别

现象：训练完成后的验证结果里，某个类别的 recall 直接显示 0，但其他类别正常，整体 mAP50 被拉低。打开验证集标签一看，发现里面有 3 个类别，但某个类别一张都没有。

原因：随机划分数据集时没有做分层处理。缺陷检测数据集中各类别数量天然不均衡，破损样本可能只有 80 张，随机 shuffle 后有 20% 概率全部掉进训练集，验证集就缺了这个类别。

解决：改用分层划分。可以用 sklearn 的 StratifiedShuffleSplit，但缺陷检测的多标签问题需要先为每张图构造一个多标签向量，比如[1, 0, 1, 0]表示这张图有类别 0 和类别 2，然后基于这个矩阵做分层划分。这样验证集能保证每个类别都有最少样本数。

4.3 误检严重，背景全被检测成缺陷：训练集里缺了“正常”样本

现象：模型训练效果看着挺好，但一到实际测试，把纸箱上的褶皱、印刷文字全部检成缺陷，误检率奇高。

原因：整套数据集只有 1200 张缺陷图，几乎全是正样本，缺少负样本——也就是没有缺陷但容易混淆的背景图。模型没有机会学到“看起来像缺陷但实际正常”的负样本特征，只能把一切边缘纹理异常都归为缺陷。

解决：从 1200 张图里分出一部分不标注任何缺陷的纯净包装盒图作为负样本，和正常正样本一起放进训练集，并在 data.yaml 里保留类别定义。更实际的常见做法是，从这个数据集之外额外收集一些无缺陷包装盒图，数量控制在正样本的 10% 到 20%。注意这里负样本也要有标注文件，只不过 txt 是空文件，内容为 0 行。YOLO 允许空标签，但要在划分脚本里单独处理这类文件。

4.4 data.yaml 的 names 顺序和 txt 的 class_id 对不上

现象：训练能跑通，但看类别损失时发现类别名错乱，比如 names 第三个写的是“破损”，实际对应的是“划痕”。推理时预测出的类别名完全对不上。

原因：转换脚本中class_names列表的顺序与 data.yaml 里的names列表顺序不一致。YOLO 格式只存 class_id，不存类别名，模型根本不知道什么叫“破损”，它只知道编号。一旦两边顺序错位，整个模型学的东西标签全部错位。

解决：训练前做一个强制校验。写一个脚本，遍历验证集前 20 张图的 labels，把每张图的类别 id 分布统计出来，再和 data.yaml 里的 names 列表一一对照，确认每个 id 对应的类别名是否符合预期。特别强调：很多人以为 class_id 不重要，实际上在缺陷检测这种类别容易混淆的场景里，类别名错位会导致模型完全无效，而且很难排查。

5. 验证和部署：mAP 之外还要看什么，TRT 能跑多快

5.1 缺陷检测的评估：召回率优先，误检也要看

训练完成后的第一件事不是看 map50 有多高，而是先看 per-class 的 recall，也就是每个类别单独算召回率。在包装盒缺陷检测场景中，漏检一个破损的代价远大于误检一个正常盒子，因为误检顶多导致人工多看一眼，而漏检会让破损包装流到下一道工序。所以我评估模型的顺序永远是先保证 recall，再去控制 precision 的提升。

Ultralytics 的 validation 结果会输出每个类别的 P、R、mAP50，打开 runs/box_defect/val 里的混淆矩阵图。我通常会关注对角线上的数值是否每个类别都达到 0.8 以上。如果某类的 recall 偏低，优先怀疑这个类别的训练样本是不是太少，或者目标框是不是很碎导致 NMS 互相抑制。

5.2 推理阈值怎么调：conf_thres、iou_thres 和 NMS

模型训练好后，在最终业务上跑推理时，阈值不能直接沿用默认值 0.25 和 0.45。缺陷检测场景下我还专门给客户调过一次参数：

yolo predict model=runs/box_defect/weights/best.pt source=test_img.jpg conf_thres=0.05 iou_thres=0.7

conf_thres 设成 0.05 是很激进的做法。缺陷检测中有些瑕疵非常微小，置信度天然偏低，尤其是“划痕”这类形态不明显的类别，可能只有 0.1 左右的置信度。如果固守 0.25，这些缺陷全部被过滤掉。把置信度阈值降低的好处是召回率显著提升，坏处是会产生很多误检框；配合高一点的 iou_thres=0.7，NMS 时对重叠框更宽容，不容易把靠得很近的多个缺陷框合并成一个。

这个参数组合不是说所有场景通用，而是给你一个调试思路：宁可多检一些让后端再过滤，也别在检测阶段就漏掉缺陷。调阈值时我习惯先跑一批测试图，把 conf_thres 从 0.3 往下每 0.05 试一档，看哪个档位 recall 不再提升但误检数量还能接受，就停在那个档位。

5.3 TensorRT 部署前的预估：T4 上 640 分辨率能跑多少路

训练完还要考虑落地部署的算力规划，这也是很多人下载这类数据集时真正关心的点。最常见的部署场景是：一台 T4 GPU，输入分辨率 640，要接多路摄像头的包装线视频流，每路 25 帧每秒。很多人问 T4 上用 TensorRT 跑 YOLO 640 分辨率能扛几路，我给出的估算逻辑是先算单路占用再反推。

YOLOv8n 在 T4 上用 TensorRT FP16 推理，单帧耗时通常在 2 到 3 毫秒，也就是单路 25 帧每秒大约需要 2.5ms×25=62.5ms 的 GPU 时间，理论上 T4 能轻松并行二三十路——但这个数字是纯推理时间，实际部署时瓶颈往往不在模型推理，而在多路视频流的解码、图像缩放、以及后处理 NMS 的 CPU 开销。NMS 如果跑在 CPU 端，多路并发时容易把 CPU 打满，反而拖慢整体吞吐。所以真正估算多少路时，我会在部署环境里先做压测：用 TensorRT 的 engine 同时跑 8 路视频流，看 GPU 利用率和 NMS 排队延迟，再来定最终上限。

就我自己拆包下载这类数据集的习惯来说，现在一定会先做一个最小验证闭环：拿 20 张测试图，跑一遍离线预测，把检测框画出来放大看缺陷区域的匹配情况，再决定要不要往下做 TensorRT 的部署优化。画图的代码很笨，但每次都能逼着我把 conf 阈值、类别映射和标注质量检查至少过一遍。从那以后，我每次拿到新数据集都强制走一遍这个流程，宁可先花两小时确认数据和参数，也不要训练完才发现类别顺序错了。希望帮到你。

本文还有配套的精品资源，点击获取