YOLOv8 训练自己的数据集：以 NEU-DET 钢材表面缺陷检测为例

数据集

NEU-DET 数据集是什么

为什么做这一步先弄清数据规模和类别，后面的划分与指标都依赖这些数字。

NEU-DET 是东北大学宋克臣团队发布的热轧钢带表面缺陷检测数据集，属于 NEU surface defect database 的检测子集。数据集共 1,800 张 200×200 灰度图，6 类缺陷各 300 张，标注为 VOC XML 格式。

本次核对得到 4,189 个标注框。其中 3 处是同一张图里完全重复的标注行，Ultralytics 读取时自动去重，实际生效 4,186 个框。图像数、框数和类别数是三个不同的量，写报告时要分开写。

第 1 步

YOLO 数据集格式与 VOC 转 YOLO

为什么做这一步YOLO 不读 XML。每张图需要一个同名 TXT，每行一个框。

YOLO 检测标签一行五列：class_id x_center y_center width height。后四列都按原图宽高归一化到 0–1。VOC 的 bndbox 给出的是像素角点 xmin、ymin、xmax、ymax，需要换算。

例如 200×200 的图中有一个类别 0 的框 (20, 40, 100, 120)，换算后的一行是 0 0.30 0.40 0.40 0.40。同一张图有两个缺陷就写两行。

neu_det_yolo/
├── data.yaml
└── data/
    ├── images/{train,val,test}/crazing_103.jpg
    └── labels/{train,val,test}/crazing_103.txt

x_center = (xmin + xmax) / (2W)
y_center = (ymin + ymax) / (2H)
width    = (xmax - xmin) / W
height   = (ymax - ymin) / H

第 2 步

划分训练集、验证集和测试集

为什么做这一步train 用于更新权重，val 用于选模型和早停，test 只用于最后报告成绩。

本次按图像类别分层，固定随机种子，按 70%/15%/15% 划分为 1,260/270/270 张，每类 210/45/45 张。四个模型共用同一份划分清单。

划分前先计算每张图的 SHA256。本次发现 patches_101.jpg 与 patches_105.jpg 内容完全相同，两张图放在同一个集合；如果分到 train 和 test 两边，测试成绩会偏高。

测试集不能用来挑轮数、学习率或增强参数。看过测试集错误后再改模型，需要新的独立数据来验证。

第 3 步

data.yaml 怎么写

为什么做这一步data.yaml 告诉 YOLO 三个集合的图片位置和类别名称。

train、val、test 指向图片目录，YOLO 会把路径中的 images 替换为 labels 去找标签。不同 Ultralytics 版本对相对 path 的解析不同，换到 GPU 服务器上训练时，在服务器上重新生成使用绝对路径的 data.yaml 最稳妥。

path: /absolute/path/to/neu_det_yolo/data
train: images/train
val: images/val
test: images/test
names:
  0: crazing
  1: inclusion
  2: patches
  3: pitted_surface
  4: rolled-in_scale
  5: scratches

第 4 步

训练 YOLOv8 与 YOLO11

为什么做这一步四个模型使用完全相同的参数，结果才能比较。

nvidia-smi
python -c "import torch, ultralytics; print(torch.__version__, torch.cuda.is_available(), ultralytics.__version__)"

yolo detect train data=data.yaml model=yolov8n.pt \
  epochs=200 patience=50 batch=16 imgsz=640 \
  optimizer=SGD lr0=0.01 seed=20261027 deterministic=True \
  workers=4 device=0

第 5 步

YOLO 训练结果分析：先读训练曲线

为什么做这一步曲线用来判断模型是否收敛、是否过拟合，不用来报告最终成绩。

第 6 步

mAP50 和 mAP50-95 是什么，多少算好

为什么做这一步直接回答“我的 mAP 正常吗”：要和同一数据集、同一评估方式的基线比较。

IoU 是预测框与真实框交集面积除以并集面积。mAP50 是 IoU 阈值取 0.5 时各类 AP 的平均，只要求框大致对上。mAP50-95 是 IoU 从 0.50 到 0.95、每隔 0.05 取一次、共 10 个阈值的 AP 平均，要求框贴得更准，所以总是低于 mAP50。

网上常见“mAP50-95 大于 0.7 算良好”的说法没有数据集条件。NEU-DET 的缺陷边界模糊，四个模型的 mAP50-95 都在 41%–43%，五篇论文报告的 YOLOv8n mAP50 在 74.8%–78.4%。在这个数据集上，mAP50 约 75%、mAP50-95 约 42% 是正常基线水平。

第 7 步

混淆矩阵怎么看

为什么做这一步混淆矩阵告诉你错误是类别判错，还是漏检和误检。

先看坐标轴：这张图横轴是真实类别（True），纵轴是预测类别（Predicted）。对角线是判对的框数。

最下面的 background 行是漏检：真实存在、但模型没有报出来的框。龟裂一列有 53 个漏检，只判对 54 个，测试集 107 个龟裂框里漏了一半。最右边的 background 列是误检：模型报了框，但对应位置没有真实缺陷。龟裂行有 49 个误检，压入氧化皮行有 47 个。

六类缺陷之间几乎没有互相判错，只有 1 个斑块被判成麻点。NEU-DET 上的主要问题是缺陷和背景分不开，不是类别之间混淆。

第 8 步

逐类 AP 与错误样例：哪一类最难

为什么做这一步总 mAP 会掩盖最差类别。逐类 AP 能告诉你下一步该改哪里。

龟裂是细碎的网状纹理，分布在整片区域，标注框的边界很难统一；压入氧化皮与正常氧化层的纹理相近。这两类的 AP50-95 分别只有 14.6% 和 28.6%。想提高总 mAP，优先针对这两类：检查标注一致性，分析漏检样例，再考虑改结构。

原理

为什么同一个模型，换种评估方式排名就变了

为什么做这一步解释你的结果与论文、与别人对不上的常见原因。

本次训练写的是 imgsz=640，但 Ultralytics 的 val 默认使用矩形推理（rect=True），200×200 的图实际被处理成 672×672。用 predict 在 640×640 下保存预测、再计算 AP，得到的结果不同。

在 640 方式下：YOLO11n mAP50 为 74.29%，YOLO11s 74.03%，YOLOv8n 70.52%，YOLOv8s 69.53%。在 val 默认方式下 YOLOv8n 排第一，在 640 方式下 YOLO11n 排第一。同一批权重，评估方式不同，排名就会变化。

这个差异由独立审阅发现，报告中两套结果分开列出。和论文比较时，至少要对齐划分方式、输入尺寸、轮数、预训练权重、软件版本以及是 val 还是 test 上的结果。

选择

YOLOv8 还是 YOLO11，n 还是 s

为什么做这一步按精度、速度和模型大小选模型。

在 NEU-DET 这种 1,800 张图的小数据集上，s 版本没有比 n 版本更准，CPU 推理却慢 2–3 倍。数据量小时先用 n 版本做基线；YOLO11n 参数更少，mAP50-95 略高。数据量更大或目标更小时，再试 s 及以上规模。

运行记录

本页结果是怎么得到的

为什么做这一步说明数据来源与运行条件，方便你复核。

本页的全部数字来自 2026 年 10 月 27 日在 Scientify 上的一次长周期研究任务。用户上传任务书后，Scientify 列出 5 条研究要求供确认，随后自行下载数据、核对重复图像、租用一块 T4 GPU 依次训练四个模型，训练结果同步回工作区后释放 GPU，再写出 35 页中文报告。

第一版报告完成后，独立审阅指出验证与测速使用的输入尺寸不一致（672 与 640）。Scientify 补做了 640 方式的完整复算，把结论从“YOLOv8n 最好”改为“排名取决于评估方式”，第二次审阅通过。全程约 5 小时，其中 GPU 使用约 3 小时。