简介一套基于YOLOv8的桥梁裂缝检测系统面向人工智能、计算机视觉方向的在校学生、教师及毕业设计开发者既可直接用于桥梁裂缝识别与目标检测实战也可作为课程设计、大作业和初期项目演示的基础框架。资源共97个文件以Python源码为主70个py包含模型权重4个pt、配置文件5个xml、说明文档2个txt以及真实场景演示视频1个mp4压缩包整体仅24.21MB轻量易部署。项目集成可视化操作界面覆盖训练、验证、检测一体化流程支持一键生成核心指标曲线、混淆矩阵、F1分数曲线、精确率-召回率曲线、验证集预测结果与标签分布图便于答辩时直观呈现模型效果。同时附有完整数据集和部署教程代码均已测试运行成功既能帮助初学者快速上手YOLOv8目标检测实践也可支撑后续二次功能开发目录结构按界面、模型、工具等模块划分方便查阅。目前已有51人学习适合作为毕设或课设的可靠参考。1. 桥梁裂缝检测为什么绕不开YOLOv8处理桥梁裂缝检测需求的时候我很少先和对方谈模型多花哨而是先确认一件事要检测的裂缝在图片里占多大。那些细长、浅色的发丝裂缝常常连人眼都要放大才能看清。传统图像处理靠阈值分割做裂缝提取光照一变、水渍一多换张图直接翻车稍微正规一点的项目早就转向目标检测了。基于YOLOv8的桥梁裂缝检测系统就是把“找裂缝”这件事做成一个能训练、能评估、能部署的完整闭环。源码、数据集、可视化界面和部署教程放在一起简单部署就能跑出检测框特别适合要做毕业设计或课程设计的学生也适合工程检测人员做快速原型验证。这个方案的好处在于你不用从零搭网络也不用理解太深的检测原理只要会改数据路径和几个训练参数就能得到一个可演示、可写进论文的裂缝检测系统。2. 数据集准备把VOC标注转成YOLOv8的txt格式一个脚本解决2.1 拿到数据集先看标注格式别急着训练桥梁裂缝检测的数据集常见的就是一批裂缝图片加对应的标注文件。标注格式有两种最常碰到一种是PASCAL VOC的xml文件框坐标写在bndbox里另一种是YOLO的txt文件一行一条目标格式是“类别ID 中心x 中心y 宽 高”所有值都做了归一化。YOLOv8训练时认的是后者所以拿到xml标注的第一步就是转换。常见的数据集文件结构是这样的bridge_crack/ ├── images/ │ ├── train/ │ │ ├── crack_001.jpg │ │ └── crack_002.jpg │ └── val/ │ ├── crack_050.jpg │ └── crack_051.jpg ├── labels/ │ ├── train/ │ │ ├── crack_001.txt │ │ └── crack_002.txt │ └── val/ │ ├── crack_050.txt │ └── crack_051.txt ├── data.yaml └── voc_annotations/ ├── crack_001.xml └── crack_002.xml网上能搜到CSDD这类公开的混凝土表面缺陷数据集也可以自己拍几百张现场照片补充。自己标注的话常见标注工具是LabelImg或Labelme导出时选PASCAL VOC格式存成xml后面统一走转换脚本。2.2 一个脚本把VOC转成YOLO标签转换脚本的逻辑不复杂解析xml里的width、height把每个目标的xmin、ymin、xmax、ymax换算成相对图片尺寸的中心坐标和宽高。这里最容易出问题的是忘记归一化或者坐标算到了0到1之外训练时会出现大量警告。# -*- coding: utf-8 -*- # voc2yolo.py # 用法先把xml文件集中放在一个目录改下面三个路径后直接运行 import os import glob import xml.etree.ElementTree as ET class VOC2YOLO: def __init__(self, xml_dir, img_dir, out_dir, classes): self.xml_dir xml_dir self.img_dir img_dir # 用于校验图片是否存在 self.out_dir out_dir self.classes classes # 类别列表索引就是YOLO类别ID def _get_image_size(self, xml_path): tree ET.parse(xml_path) root tree.getroot() size root.find(size) w int(size.find(width).text) h int(size.find(height).text) return w, h def convert(self): os.makedirs(self.out_dir, exist_okTrue) for xml_path in glob.glob(os.path.join(self.xml_dir, *.xml)): img_w, img_h self._get_image_size(xml_path) # 图片名与xml文件名一致 img_file os.path.join(self.img_dir, os.path.splitext(os.path.basename(xml_path))[0] .jpg) if not os.path.exists(img_file): print(f警告找不到图片 {img_file}跳过) continue txt_path os.path.join(self.out_dir, os.path.splitext(os.path.basename(xml_path))[0] .txt) tree ET.parse(xml_path) root tree.getroot() with open(txt_path, w, encodingutf-8) as f: for obj in root.iter(object): name obj.find(name).text if name not in self.classes: continue cls_id self.classes.index(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) # 归一化到 [0,1]YOLO 用的是中心坐标 宽高 x_center (xmin xmax) / 2.0 / img_w y_center (ymin ymax) / 2.0 / img_h w (xmax - xmin) / img_w h (ymax - ymin) / img_h # 防止标注越界导致训练异常 x_center min(max(x_center, 0), 1) y_center min(max(y_center, 0), 1) w min(max(w, 0), 1) h min(max(h, 0), 1) f.write(f{cls_id} {x_center:.6f} {y_center:.6f} {w:.6f} {h:.6f}\n) print(转换完成输出目录, self.out_dir) if __name__ __main__: # 类别顺序不要乱0就是第一个类 converter VOC2YOLO( xml_dirvoc_annotations, img_dirimages/all, out_dirlabels/all, classes[crack] ) converter.convert()这段脚本里有两个细节值得说一是检查图片文件是否存在很多网上数据集xml和jpg数量对不上漏掉的图片转出空标签训练时会导致加载错误二是坐标做了0到1的边界截断因为偶尔会有标注框略微超出图片边缘不处理的话YOLO训练虽然能跑但早停和评估阶段可能反复报坐标警告。类别列表classes的顺序就是最终模型输出的类别编号如果后面还有“露筋”“剥落”等类别按0、1、2的顺序排好即可。2.3 划分训练集和验证集别让同一座桥出现在两边数据划分这件事看似简单却最影响你对模型效果的判断。如果训练集和验证集都来自同一段桥梁的视频帧很多图片内容高度相似模型可能是在“背图”而不是“学特征”验证mAP会虚高得离谱。我一般按图集来源或拍摄时间划分而不是把所有图片混在一起随机打散。要是数据是连续帧抽出来的至少隔几帧抽一张再按目录分开。import os import random random.seed(42) # 保证每次运行划分结果一致 img_dir images/all val_ratio 0.2 all_imgs [f for f in os.listdir(img_dir) if f.lower().endswith((.jpg, .jpeg, .png))] all_imgs.sort() random.shuffle(all_imgs) val_count max(1, int(len(all_imgs) * val_ratio)) val_files all_imgs[:val_count] train_files all_imgs[val_count:] os.makedirs(images/train, exist_okTrue) os.makedirs(images/val, exist_okTrue) os.makedirs(labels/train, exist_okTrue) os.makedirs(labels/val, exist_okTrue) for f in train_files: os.rename(os.path.join(images/all, f), os.path.join(images/train, f)) label os.path.splitext(f)[0] .txt if os.path.exists(os.path.join(labels/all, label)): os.rename(os.path.join(labels/all, label), os.path.join(labels/train, label)) else: print(警告训练图片缺少标签, f) for f in val_files: os.rename(os.path.join(images/all, f), os.path.join(images/val, f)) label os.path.splitext(f)[0] .txt if os.path.exists(os.path.join(labels/all, label)): os.rename(os.path.join(labels/all, label), os.path.join(labels/val, label)) else: print(警告验证图片缺少标签, f) print(f训练集 {len(train_files)} 张验证集 {len(val_files)} 张)这个脚本会把images/all和labels/all里的文件直接移动到 train 或 val 子目录跑之前先备份原始数据。随机种子固定用42方便别人复现你的数据划分这在毕业设计里是个加分项。另外提醒一句类别分布要大致看一眼如果训练集里只有细裂缝、验证集里全是粗裂缝那评估结果不能代表真实场景。2.4 YAML配置与数据质量排查YOLOv8训练时靠一个data.yaml文件找到数据和类别路径建议写绝对路径因为训练命令的工作目录不一定在数据集根目录。# bridge_crack.yaml path: /home/user/bridge_crack train: images/train val: images/val nc: 1 names: 0: crack只有一个类别时nc: 1names里0对应的就是裂缝。如果你的数据集里把裂缝又细分成了“横向裂缝”“纵向裂缝”那nc就是2names里按顺序列全。需要注意的是txt文件里的类别ID必须和YAML里names的索引一致转换脚本里classes[crack]的索引0对应YAML里0: crack。数据准备阶段最后花几分钟做一次质量排查扫描整个labels目录统计哪些txt文件是空的哪些图片文件打不开哪些标签里的宽高为0。这类脏数据往往只占一小部分但会让训练过程莫名抖动甚至让best模型在某个验证batch上出现诡异跌点。3. 训练前的三个选择模型、分辨率、数据增强然后一条命令开跑3.1 环境与预训练模型的选择yolov8n起步最稳搭环境是很多新手最大的心理门槛但YOLOv8这一步其实很轻。安装依赖就是一条命令的事主要装ultralytics包和对应版本的PyTorch。如果电脑没有独立显卡就装CPU版PyTorch训练会慢一些但撑住小数据集也能跑完。先不要追求yolov8x这种大模型桥梁裂缝数据集通常只有几百到一两千张图大模型很容易过拟合而且训练和推理都慢。常见做法是用YOLOv8n起步n是nano参数量最小一张普通显卡带得动。等训练流程完全跑通、指标看明白了再试yolov8s或yolov8m对比效果。用预训练权重做迁移学习比从头训练收敛快得多# 最小可训练命令 yolo detect train \ databridge_crack.yaml \ modelyolov8n.pt \ epochs150 \ imgsz1280 \ batch8 \ device0 \ projectruns/train \ namebridge_1280 \ patience50modelyolov8n.pt会自动下载COCO预训练权重到当前目录如果运行环境不能联网去另一台联网机器上下好同一个pt文件拷贝过来放到项目目录也能直接用。imgsz1280是裂缝检测里很关键的一个参数裂缝本身细长640输入下可能只有十几个像素宽特征几乎要被下采样抹平提到1280会让mAP明显变好代价是显存占用变大、训练变慢。显卡显存不够时先把batch降到4或2再把imgsz降到640先跑通流程不要一上来就追求最优指标。project和name控制结果输出目录训练完的权重在runs/train/bridge_1280/weights/下里面有best.pt和last.pt后面部署用best.pt。patience50的意思是验证集指标连续50个epoch不提升就自动停止防止无效训练耗时间。3.2 数据增强的取舍裂缝目标小别让Mosaic帮倒忙YOLOv8默认开了不少数据增强Mosaic会把四张图拼成一张再训练对小目标检测通常有帮助但裂缝这种本身就细的目标Mosaic拼图之后尺寸更小容易出现碎片化裂缝模型学到的是“断断续续的纹理”而不是完整的裂缝走向。我一般会在训练初期把Mosaic关掉或调低先让模型看清裂缝整体形态等后期再打开做精调。# 关闭Mosaic降低色彩增强强度更适配裂缝这种灰白细纹理目标 yolo detect train \ databridge_crack.yaml \ modelyolov8n.pt \ epochs150 \ imgsz1280 \ batch8 \ device0 \ mosaic0.0 \ hsv_h0.0 \ hsv_s0.3 \ hsv_v0.3mosaic0.0是关闭拼图增强hsv_h0.0表示不随机改色调因为桥梁裂缝基本是灰白色色调变了反而让模型学到错误颜色关联hsv_s和hsv_v保留小范围扰动模拟不同光照下的饱和度与明度变化。这几个参数是训练裂缝数据时比较实用的起点如果想试试开启Mosaic的影响可以设mosaic0.5再看验证集变化。3.3 从last.pt到best.pt断点续训与训练中断排查训练过程如果电脑断电、显存溢出导致进程退出不用从头跑。YOLOv8支持断点续训只要之前训练生成的last.pt还在# 从上次中断的权重继续训练 yolo detect train databridge_crack.yaml modelruns/train/bridge_1280/weights/last.pt resumeTrue注意resumeTrue会尝试恢复原来的全部训练状态包括优化器参数、学习率甚至数据增强配置。如果目录名变了它可能找不到原实验配置此时建议不要改project和name。另外要区分best.pt和last.ptbest是验证集指标最好的权重last是最后一个epoch的权重。两者可能差距很大尤其是训练后期发生过拟合时last模型的精度可能明显低于best。做界面和部署时一定记得加载best.pt这个坑我见人踩过不止一次。训练中另一个常见问题是没有生成best.pt。如果数据集目录结构不对YOLOv8可能跑完一个epoch就看到验证集为空指标全是0。遇到这种情况直接看终端输出里有没有“WARNINGYOLOVAL”之类的提示最有效的做法是在数据准备阶段就用脚本清点train和val下图片数量确认两边都有非空标签文件而不是等训练完才发现结果目录里只有last.pt。3.4 训练日志与硬件占用怎么看训练不是启动就完事。跑起来之后每隔几十个epoch观察终端里输出的box_loss、cls_loss、dfl_loss以及验证指标。如果loss下降很慢先看是不是学习率太低或数据集标注噪声太大如果loss正常下降但mAP上不去多半是数据分布问题比如验证集里有大量光线极暗的图。训练过程中打开任务管理器或nvidia-smi看一眼显存占用占用率超过90%说明batch或imgsz开高了尽早降下来避免训练到一半显存溢出崩掉。训练到中途YOLO会在runs/train/bridge_1280/下生成results.csv每一行是一个epoch的完整记录。不要等到训练全部结束再去看训练过程中就可以边看边调整。如果发现验证集loss连续几十个epoch不降反升训练集loss却在继续下降这就是过拟合信号把epoch数调小或者回退到增强更弱的版本。4. 评估才算数mAP、PR曲线与裂缝漏检怎么查4.1 指标怎么判mAP50、mAP50-95、precision与recall训练完成不等于项目完成要看模型到底行不行。YOLOv8的验证命令会自动算出一组指标# 用最好的权重跑验证集 yolo detect val \ modelruns/train/bridge_1280/weights/best.pt \ databridge_crack.yaml终端会打印Precision、Recall、mAP50和mAP50-95。很多人只看mAP50但对裂缝检测来说mAP50-95更重要因为它计算了多个IoU阈值下的平均精度能反映检测框和真实裂缝贴合得紧不紧。裂缝宽度窄框稍微偏一点IoU就会掉很多如果mAP50挺高但mAP50-95很低说明模型能找到裂缝但框回归质量不够精细。指标含义裂缝场景怎么读mAP50IoU大于0.5的平均精度检测框大致位置准不准够不够用先看它mAP50-95多个IoU阈值的平均精度框是否贴合裂缝走向偏一点就会掉Precision预测框中有多少是真实裂缝高一点好避免满屏误报Recall真实裂缝中有多少被找到低于0.8说明漏检多部署时要调低置信度验证集中的precision和recall受置信度阈值影响YOLO在评估时会遍历所有阈值绘制PR曲线所以验证阶段的指标和部署阶段你在代码里设的conf不是一回事。部署时conf设0.25可能recall偏低设成0.1recall会回升但误报增多。要在界面上保留一个可调的conf参数不要写死。4.2 一条命令出指标一张表格读懂结果验证完成后runs/val/目录下会生成confusion_matrix.png、PR_curve.png、F1_curve.png和labels.jpg。这几张图值得逐个看一遍PR_curve能看出不同置信度下精度和召回率的平衡点曲线越靠右上角越好混淆矩阵能快速定位“把背景当裂缝”和“把裂缝漏掉”这两种错误的比例labels.jpg展示所有真实标签框的位置和大小分布如果标签框普遍非常小说明数据集中细裂缝占比高模型难点也会集中在这里。不要只看一张总图就下结论。我习惯把验证集里预测错误的图单独挑出来看YOLO验证时会在runs/val/下保存带标注的图片对照原图找到错误类型。裂缝漏检最常见的原因是裂缝颜色浅、和背景纹理对比度低误报最常见的原因是阴影边缘、伸缩缝、积水反光被当成裂缝。这些错误方向是后面调优的重点。4.3 画损失函数曲线图results.csv别只等它自己出训练生成的results.csv记录了每个epoch的训练loss和验证loss画成曲线能直观看出训练是否正常收敛。别把csv直接扔给导师画一张图放进毕业论文里更有说服力。# plot_loss.py import pandas as pd import matplotlib.pyplot as plt df pd.read_csv(runs/train/bridge_1280/results.csv) # 列名里可能带前后空格先打印确认 print(df.columns.tolist()) fig, axes plt.subplots(2, 2, figsize(10, 8)) axes[0, 0].plot(df[epoch], df[train/box_loss], labeltrain box_loss) axes[0, 0].plot(df[epoch], df[val/box_loss], labelval box_loss) axes[0, 0].set_title(box_loss) axes[0, 0].legend() axes[0, 1].plot(df[epoch], df[train/cls_loss], labeltrain cls_loss) axes[0, 1].plot(df[epoch], df[val/cls_loss], labelval cls_loss) axes[0, 1].set_title(cls_loss) axes[0, 1].legend() axes[1, 0].plot(df[epoch], df[train/dfl_loss], labeltrain dfl_loss) axes[1, 0].plot(df[epoch], df[val/dfl_loss], labelval dfl_loss) axes[1, 0].set_title(dfl_loss) axes[1, 0].legend() axes[1, 1].plot(df[epoch], df[metrics/mAP50], labelmAP50) axes[1, 1].plot(df[epoch], df[metrics/mAP50-95], labelmAP50-95) axes[1, 1].set_title(mAP) axes[1, 1].legend() plt.tight_layout() plt.savefig(training_curves.png, dpi150)这段代码把三类loss和mAP画在一起。判断标准很简单训练loss和验证loss都要平稳下降验证loss如果后期反弹就是过拟合mAP曲线如果还在明显上升说明epoch还不够。如果训练loss下降但验证loss不降先检查验证集是不是和训练集分布差异太大。4.4 挑漏检预测保存带标签的txt并对照原图评估指标只能给你一个整体印象落地时要的是知道模型在哪些图上不行。用预测命令批量跑一遍测试图并让YOLO把每个检测框连同置信度一起输出# 对测试文件夹逐张预测保存带框图片和标签txt yolo detect predict \ modelruns/train/bridge_1280/weights/best.pt \ sourcedatasets/test/images \ imgsz1280 \ conf0.25 \ saveTrue \ save_txtTrue \ save_confTrue结果在runs/detect/predict/下predict文件夹里的txt是YOLO格式的标签每一行是“类别ID x_center y_center w h confidence”。拿这些txt和原始标注做对比时重点不是数量对不上的样本而是置信度很高的漏检样本。如果一条裂缝被漏检但旁边有个置信度0.9的误检框说明模型把某个纹理特征学偏了。遇到这种情况优先去补对应场景的训练图比如把“阴影下的裂缝”和“干燥表面的裂缝”分别多标注几十张。5. 可视化界面部署的常见问题与排查从Flask到打包5.1 可视化界面选型Flask网页版是性价比最高的方案标题里带了“可视化界面”这个界面通常有两种做法PyQt5桌面程序或Flask网页版。做毕业设计的话我推荐Flask网页版理由很实际不用处理Qt的复杂布局也不用面对打包exe时的卫生问题。Flask的HTML模板简单上传一张图片、显示结果图代码量很少演示时用浏览器就能跑还能顺便做成局域网共享老师在自己电脑上也能访问你的检测页面这比桌面版更适合答辩场景。网页版的核心流程就三步用户上传图片后端加载模型预测把带检测框的结果图返回给页面。下面是一个最小可用的实现。5.2 最小可视化界面代码与目录# app.py # 上传图片 - YOLOv8推理 - 返回结果图 from pathlib import Path from flask import Flask, request, render_template, send_file from ultralytics import YOLO BASE_DIR Path(__file__).resolve().parent MODEL_PATH BASE_DIR / best.pt UPLOAD_DIR BASE_DIR / uploads UPLOAD_DIR.mkdir(exist_okTrue) model YOLO(str(MODEL_PATH)) app Flask(__name__) app.route(/, methods[GET]) def index(): return render_template(index.html) app.route(/predict, methods[POST]) def predict(): # 固定临时文件名避免中文文件名导致OpenCV读不出 img_path UPLOAD_DIR / tmp.jpg request.files[image].save(img_path) results model.predict( sourcestr(img_path), conf0.25, imgsz1280, saveTrue, projectstr(BASE_DIR / results), namelatest, exist_okTrue, ) # results[0].path 是保存了检测框的结果图路径 return send_file(results[0].path, mimetypeimage/jpeg) if __name__ __main__: # threadedTrue 至少能同时处理多个静态请求 app.run(host0.0.0.0, port5000, threadedTrue)这段代码有几个值得注意的细节。第一模型路径用BASE_DIR / best.pt不写相对路径否则你在项目根目录能跑换到其他目录启动时找不到权重。第二上传文件存成固定名字tmp.jpg因为有时候学生交了中文名文件OpenCV和部分Windows路径组合会读取失败。第三project和name固定结果图每次都写到同一个目录不会因为多次预测生成一堆文件夹前端找图也稳定。配套的index.html只需要一个表单记得加对enctype!DOCTYPE html html langzh-CN head meta charsetUTF-8 title桥梁裂缝检测系统/title /head body h1桥梁裂缝检测/h1 form action/predict methodpost enctypemultipart/form-data input typefile nameimage acceptimage/* required button typesubmit开始检测/button /form /body /html把index.html放在app.py同级的templates目录下运行python app.py浏览器打开http://127.0.0.1:5000就能看到页面。这里最常踩的坑是form里input的name属性写成了“file”“img”之类而后端代码用的是request.files[image]名字对不上就会报400错误。5.3 部署到没配好环境的机器先做这三件事毕设演示很可能在答辩教室的电脑上跑那台机器不一定有你训练时的环境。让系统“简单部署即可运行”常见做法是写一个requirements.txt和启动脚本。# requirements.txt ultralytics8.0.0 flask2.2.0 opencv-python4.8.0再加一个run.bat放在项目根目录Windows下双击就能启动echo off chcp 65001 null pip install -r requirements.txt python app.py pause在没配过环境的机器上第一次跑要留意Python版本和pip源。如果是全新安装的Python 3.10以上pip install -r requirements.txt一般不会出问题。若安装了多个Python版本直接python app.py可能用的是老版本环境建议运行前用python --version确认一下避免误用Anaconda之外的其他解释器。如果答辩要求交一个独立的exe可以用PyInstaller打包Flask应用但模型文件、templates目录都要手动加进打包配置。最稳妥的办法是把工程文件夹整个拷到目标机器提前装好Anaconda环境答辩前当场跑启动脚本别等现场再折腾打包。5.4 部署排错清单现象、原因、解决以下五条是我在部署可视化界面时真实遇到过、也帮人解决过的典型问题。现象启动app.py时控制台报FileNotFoundError: best.pt。原因当前工作目录和app.py所在目录不一致相对路径找不到模型。解决用Path(__file__).resolve().parent拼接模型路径不要用best.pt这种裸文件名。现象图片上传后页面转圈很久最后报500 Internal Server Error。原因uploads目录不存在或者输入图片本身损坏。解决代码里加UPLOAD_DIR.mkdir(exist_okTrue)上传前先用PIL或OpenCV试着读一遍文件头。现象CPU只有几核推理一张1280图片要十几秒。原因模型是yolov8s或yolov8m加上imgsz1280CPU推理非常吃力。解决部署端换用yolov8n训练出的best.pt推理imgsz先降到640如果想要精度又不想慢就用滑窗裁小图推理后面会讲到。现象验证集指标不错但网页端连续漏检几条明显裂缝。原因界面里conf设得太高细裂缝置信度普遍在0.3到0.5之间。解决把conf参数放到软件界面上做成滑块默认0.25漏检多时往低调到0.1误报多时往高调。现象打包成exe后页面打开正常一上传图片就提示找不到模型或templates目录。原因PyInstaller打包时没有把pt文件和templates文件夹作为数据文件加进去。解决不要打onefile模式直接打成文件夹模式把best.pt和templates放到exe同级目录或者用--add-data best.pt:.这类参数指定附加数据。6. 想让裂缝检得更准先试这三招再换模型6.1 分辨率1280可能是性价比最高的提升很多人训练完觉得模型不行第一反应是换更大的YOLOv8。我的经验是先看输入分辨率。裂缝检测和常规物体检测最大的差异就在这里一个行人框占图片面积的10%但一条宽度3像素、长度200像素的裂缝只占图片面积的0.5%左右。把imgsz从640提到1280裂缝在特征图上的有效像素能多出几倍效果通常比从n换到s更明显。代价是显存和推理时间但至少要做一次分辨率对比实验再决定要不要换模型。6.2 测试增强与滑窗推理对超高清桥面图直接把整张图喂给模型小裂缝经过缩放可能变成一两个像素很难检测。常见做法是滑窗推理把大图切成640或512的小块按顺序预测再把检测框坐标还原到原图。切出来的裂缝块更接近训练样本的尺寸检测效果会稳健很多。# 滑窗推理伪代码重点看坐标还原逻辑 import torch def sliding_window_infer(model, img, win_size640, step320): H, W, _ img.shape boxes [] for y0 in range(0, H - win_size 1, step): for x0 in range(0, W - win_size 1, step): patch img[y0:y0 win_size, x0:x0 win_size] result model(patch, conf0.25) for box in result[0].boxes.data.cpu().numpy(): x1, y1, x2, y2, score, cls box # 把窗口内的坐标还原到原图坐标 boxes.append([x0 x1, y0 y1, x0 x2, y0 y2, score, cls]) return boxes # 如果重叠多再用torchvision.ops.nms做一遍去重参数说明win_size640和训练时的输入尺寸保持一致step320让相邻窗口有重叠避免裂缝刚好卡在切缝处被截断还原坐标时一定要把窗口左上角偏移量加回去。重叠区域会重复检测同一条裂缝最后用非极大值抑制合并它们。这个技巧对部署也友好内存占用比一次处理大图低很多。6.3 用一组小实验验证你的改进换模型、调参数之前先固定验证集做一个只有两个变量的对比分辨率和Mosaic开关。比如跑三组640Mosaic关闭、1280Mosaic关闭、1280Mosaic开启。每组用相同epoch数记录mAP50-95和推理时间。这三组对比做完你大概就知道瓶颈在数据增强还是在分辨率上。我处理裂缝项目时习惯把“训练时的imgsz”和“部署时的imgsz”当成同一件事管理否则训练用1280效果很好部署时图方便改成640评估数字立刻掉几个点还以为模型没保存好。希望帮到你。本文还有配套的精品资源点击获取