​带标注的胶囊缺陷识别数据集识别率68.9%可识别印刷不良裂纹戳痕划痕挤压变形五种缺陷219张图支持yolococo jsonvoc xml,文末有模型训练代码模型训练指标参数模型训练图数据集拆分总图数219 张图数训练集165 张图验证集27 张图测试集27 张图预处理自动定向应用调整大小拉伸到640x640增强每个训练样本生成 3 组增强输出翻转水平翻转、垂直翻转错切变换水平 ±10°、垂直 ±10°饱和度浮动范围 - 25% ~ 25%曝光度浮动范围 - 10% ~ 10%噪声最高向 1.01% 的像素点添加噪声数据集标签[‘bad imprint’, ‘crack’, ‘poke’, ‘scratch’, ‘squeeze’]标签解释bad imprint —— 印字不良crack —— 裂纹 / 开裂poke —— 戳痕、扎痕scratch —— 划痕、刮伤squeeze —— 挤压变形、压瘪数据集图片和标注信息示例数据集下载yolo26:https://download.csdn.net/download/pbymw8iwm/92885126yolo v12:https://download.csdn.net/download/pbymw8iwm/92885125yolo v11: https://download.csdn.net/download/pbymw8iwm/92885123yolo v9:https://download.csdn.net/download/pbymw8iwm/92885119yolo v8:https://download.csdn.net/download/pbymw8iwm/92885121yolo v7: https://download.csdn.net/download/pbymw8iwm/92885122coco json:https://download.csdn.net/download/pbymw8iwm/92885120pascal voc xml: https://download.csdn.net/download/pbymw8iwm/92885124YOLO模型训练下载数据集之后解压到当前文件夹然后将 我的仓库 https://gitcode.com/pbymw8iwm/YOLOProject里的训练模型脚本复制到文件夹下假设你使用的是yolov8来训练你就用 python train_yolov8.py​​模型验证测试情况验证测试代码#需要安装pip install ultralyticsfromultralyticsimportYOLOimportcv2# 加载训练好的 YOLO .pt 模型modelYOLO(best.pt)# 替换为你实际的 .pt 模型文件路径# 定义要测试的图片路径image_path./image.jpg# 替换为你实际的图片文件路径# 使用模型对图片进行预测resultsmodel(image_path)# 获取预测结果forresultinresults:# 获取绘制了检测框的图片annotated_imageresult.plot()# 显示图片cv2.imshow(YOLOv Inference,annotated_image)# 等待按键退出cv2.waitKey(0)# 关闭所有 OpenCV 窗口cv2.destroyAllWindows()推理结果{“predictions”: [{“x”: 770,“y”: 485,“width”: 78,“height”: 104,“confidence”: 0.778,“class”: “poke”,“class_id”: 2,“detection_id”: “377abfac-b6a3-45e3-8c70-31039113e861”}]}