跳到主要内容

目标检测

目标检测（Object Detection）用于识别图像中的目标类别，并用矩形框标出每个目标的位置。它适合零部件定位、装配检查、缺陷区域定位和目标计数等任务。

本文以引脚定位数据集为例，介绍使用 Labelme 检查标注、在 AI 训练平台创建并训练目标检测项目，以及在 AI 测试平台检查模型结果的操作流程。

文件结构​

同一任务的文件集中存放在一个项目文件夹内：

  1. 1-训练集：存放训练图像和与图像同名的 Labelme JSON 标注文件，内部可以建立多层文件夹。
  2. 2-AI模型：存放训练完成的 AI 模型、日志、混淆矩阵和过漏检数据。
  3. AI 项目文件：后缀名为 .dva，记录项目目录和训练参数。

本示例使用以下结构：

引脚检测/
├─ 1-训练集/
│  ├─ 引脚NG/
│  │  ├─ Image_*.jpg
│  │  └─ Image_*.json
│  └─ 引脚OK/
│     ├─ Image_*.jpg
│     └─ Image_*.json
├─ 2-AI模型/
└─ 引脚检测.dva

数据集准备​

使用 Labelme 检查标注​

目标检测使用矩形框标注目标。每张已标注图像应有一个同名 JSON 文件，标注形状类型为 rectangle。

在 Labelme 中单击【打开目录】，选择 引脚检测/1-训练集。文件列表会显示目录中的图像，单击文件后检查标签名称和矩形框位置。

本示例数据集包含 62 张 1024 × 1024 图像，其中“引脚NG”和“引脚OK”各 31 张，共有 400 个“引脚”标注框。

参考：Labelme 基本功能

Labelme 文件列表和引脚矩形框标注

创建项目​

打开 AI 训练平台，在项目列表中单击【创建项目】，设置以下内容：

  • 项目名称：引脚检测
  • 数据集路径：引脚检测/1-训练集
  • 模型路径：引脚检测/2-AI模型
  • 任务类型：单击【目标检测】

确认【目标检测】处于选中状态后，单击【创建项目】。软件会在项目目录生成 引脚检测.dva。

创建项目时，模型路径应指向上文的 2-AI模型。

创建目标检测项目，模型路径为 2-AI模型

数据分析​

进入【数据分析】并单击【加载数据集】。打开【显示】开关后，数据集预览会在图像上绘制标注框和标签，右侧表格显示类别数量和占比。

本示例加载结果：

  • 图像总数：62
  • 图像尺寸：1024 × 1024
  • 标签名称：引脚
  • 标注框数量：400
  • 标签占比：100%

显示标注后的数据集预览和类别统计

页面下方的【图像分布】用于查看图像尺寸和格式统计。本示例的 62 张图像均为 JPG 格式，尺寸均为 1024 × 1024。

数据增强​

进入【数据增强】后，目标检测项目默认包含以下处理：

  1. 调整图像大小：目标尺寸为 640 × 640。
  2. 随机调整亮度：概率为 0.5，最小幅度为 0.8，最大幅度为 1.2。
  3. 随机调整对比度：概率为 0.5，最小幅度为 0.8，最大幅度为 1.2。
  4. 随机 JPG 编码：概率为 0.5，最小幅度为 80，最大幅度为 100。

每个处理模块左侧会显示实际图像预览，右侧显示当前参数。

调整图像大小和随机调整亮度

随机调整对比度和随机 JPG 编码

训练参数​

训练参数的详细说明参考：训练参数。

本示例使用以下设置：

  • 训练集 / 验证集：100% / 20%
  • 数据倍增：2
  • 训练代数：12
  • 验证间隔：1
  • 批量大小：2
  • 学习率：0.001
  • 权重衰减：0.0001
  • 输入尺寸：640 × 640
  • 使用 OK 图训练：开启
  • 保存过漏检数据：开启

设置完成后单击【开始训练】。

目标检测训练参数

训练记录​

训练完成后，进入 AI 训练平台的【历史记录】，选择本次训练。训练进度页面会显示开始时间、结束时间、训练时长和完成比例。

本示例共训练 12 代，训练状态为【已完成】，开始时间为 2026 年 9 月 28 日 20:03:33，结束时间为 20:05:01，训练时长为 1 分 28 秒，训练进度为 100%。训练完成后的指标为 1.0，目标 100% 检出。

训练历史记录、损失曲线和检测指标

混淆矩阵​

展开【评估指标】查看混淆矩阵。横轴为实际值，纵轴为预测值；“背景”用于统计漏检和误检。

本示例最终记录中，“引脚”正确检测数为 86，漏检和背景误检均为 0。

目标检测混淆矩阵

测试模型结果​

打开 AI 测试平台，加载训练生成的模型，数据路径选择完整的 引脚检测/1-训练集。软件会递归读取“引脚NG”和“引脚OK”中的 62 张图像。

下图左侧显示多张测试图像，并在顶部显示当前为第 1 张、总数为 62 张；中间区域显示当前图像的检测框、类别和置信度。

AI 测试平台加载 62 张图像并显示检测结果

测试时检查以下内容：

  • 图像总数是否为 62 张。
  • 每个引脚是否都被检测到。
  • 检测框是否准确覆盖引脚。
  • 是否将背景区域误判为引脚。
  • “引脚NG”和“引脚OK”图像上的结果是否稳定。