简介本资源为面向YOLO系列目标检测算法的轮胎字符数据集适用于yolov5、yolov8、yolov9、yolov7、yolov10及yolo11等主流框架可直接用于模型训练与验证测试适合从事工业质检、字符识别方向的研究者与开发者。压缩包共2000个文件约69.89MB包含1219个xml标注文件与781个txt标注文件分别对应VOC格式与YOLO格式其中YOLO格式采用类别索引与归一化中心点、宽高坐标便于直接读取训练。数据集已划分完毕并附带data.yaml配置文件省去手动整理与格式转换的步骤。目前已有65人学习下载可作为轮胎字符检测任务的基线数据帮助读者快速搭建训练流程、验证模型效果并对比不同YOLO版本的性能表现。1. 轮胎字符数据集与 YOLO 检测1741 张图像能跑出什么结果拿到一个标注好的轮胎字符数据集1741 张图像带标签第一反应通常不是兴奋而是先算一笔账这个量级够不够训练一个可用的 YOLO 检测器我的经验是对于单类别或少量字符类别的工业场景1741 张图像如果标注质量过关、场景覆盖到位完全能训出一个在产线固定工位上可用的模型。轮胎字符检测的典型场景是轮胎侧面有一串模压字符规格、批次、生产日期需要在轮胎流转过程中自动识别并录入系统。和通用 OCR 不同轮胎字符是凸起或凹陷的模压字光照不均、对比度低、字符有弧度变形用通用文字检测模型直接跑翻车概率很高。这个数据集的价值在于它把场景限定死了——轮胎、字符、固定拍摄距离模型只需要在这个窄域里学好。适合谁用做工业视觉检测的工程师、想入门 YOLO 目标检测的学生、需要快速验证轮胎字符识别可行性的产品团队。接下来的内容按“数据集怎么用 → YOLO 怎么配 → 训练怎么调 → 坑在哪 → 怎么验证”推进每一步都给可复现的命令和参数。2. 轮胎字符数据集的结构拆解与 YOLO 格式转换2.1 拿到 zip 后先做三件事解压、看目录、统计类别1741 张图像带标签的 zip 包解压后常见的目录结构有两种一种是images/和labels/平行存放另一种是JPEGImages/和Annotations/分开。先别急着写训练脚本用几条命令把数据摸清楚。# 解压后进入目录先看整体结构 unzip tire_char_dataset.zip -d tire_char cd tire_char find . -maxdepth 2 -type d | sort # 统计图像数量和标签文件数量 find . -name *.jpg -o -name *.png | wc -l find . -name *.txt -o -name *.xml | wc -l # 看标签文件长什么样假设是 txt head -5 labels/$(ls labels | head -1)逻辑说明find的-maxdepth 2限制只看两层目录避免输出爆炸。统计图像和标签数量是为了确认是否一一对应——1741 张图像如果只有 1700 个标签文件说明有 41 张漏标训练前必须处理。head -5看标签格式YOLO 的 txt 标签每行是class_id x_center y_center width height值都是归一化到 0-1 的浮点数。如果看到的是 XMLVOC 格式就需要转换。参数说明-maxdepth控制目录深度-name支持通配符wc -l统计行数。这些命令在 Linux 和 macOS 下通用Windows 下用 WSL 或 Git Bash 执行。2.2 VOC 转 YOLO转换脚本与四个边界坑如果标签是 XML 格式需要转成 YOLO 的 txt。转换的核心逻辑是读 XML 里的bndbox坐标xmin, ymin, xmax, ymax除以图像宽高做归一化再算中心点和宽高。import xml.etree.ElementTree as ET import os from PIL import Image def voc_to_yolo(xml_dir, img_dir, out_dir, class_map): xml_dir: XML 标签目录 img_dir: 图像目录 out_dir: 输出 txt 目录 class_map: {字符类别名: 类别索引} os.makedirs(out_dir, exist_okTrue) for xml_file in os.listdir(xml_dir): if not xml_file.endswith(.xml): continue tree ET.parse(os.path.join(xml_dir, xml_file)) root tree.getroot() # 图像文件名XML 里 filename 字段或直接用 xml 文件名替换后缀 img_name root.find(filename).text img_path os.path.join(img_dir, img_name) # 坑1图像可能不存在或文件名大小写不一致 if not os.path.exists(img_path): print(f缺失图像: {img_name}) continue with Image.open(img_path) as im: w, h im.size lines [] for obj in root.findall(object): cls_name obj.find(name).text if cls_name not in class_map: continue cls_id class_map[cls_name] bbox obj.find(bndbox) xmin float(bbox.find(xmin).text) ymin float(bbox.find(ymin).text) xmax float(bbox.find(xmax).text) ymax float(bbox.find(ymax).text) # 坑2坐标可能越界需要裁剪到 [0, w] 和 [0, h] xmin max(0, min(xmin, w)) xmax max(0, min(xmax, w)) ymin max(0, min(ymin, h)) ymax max(0, min(ymax, h)) # 坑3宽高为 0 的框要跳过 if xmax xmin or ymax ymin: continue x_center (xmin xmax) / 2.0 / w y_center (ymin ymax) / 2.0 / h bw (xmax - xmin) / w bh (ymax - ymin) / h # 坑4归一化值必须在 (0,1) 之间浮点误差可能导致 1.0000001 x_center min(max(x_center, 0.0), 1.0) y_center min(max(y_center, 0.0), 1.0) bw min(max(bw, 0.0), 1.0) bh min(max(bh, 0.0), 1.0) lines.append(f{cls_id} {x_center:.6f} {y_center:.6f} {bw:.6f} {bh:.6f}) out_file os.path.join(out_dir, os.path.splitext(xml_file)[0] .txt) with open(out_file, w) as f: f.write(\n.join(lines)) # 调用示例 class_map {0: 0, 1: 1, 2: 2, 3: 3, 4: 4, 5: 5, 6: 6, 7: 7, 8: 8, 9: 9, A: 10, B: 11} voc_to_yolo(Annotations, JPEGImages, labels, class_map)逻辑说明这个脚本处理了四个常见边界问题——图像缺失、坐标越界、零面积框、归一化浮点溢出。class_map把字符映射为整数索引YOLO 训练时类别索引从 0 开始连续。如果数据集里字符类别不连续比如只有 0-9 和 A-F需要重新映射成 0-15。参数说明x_center和y_center是框中心点归一化坐标bw和bh是框宽高归一化值。保留 6 位小数足够YOLO 官方实现内部用 float32精度损失可忽略。2.3 数据集划分训练集、验证集、测试集的比例怎么定1741 张图像我一般按 8:1:1 划分即训练集 1392 张、验证集 174 张、测试集 175 张。如果场景变化大不同光照、不同轮胎型号验证集比例可以提到 15%。划分时要注意同一轮胎的多个角度图像不能同时出现在训练集和验证集否则验证指标会虚高。# 用 Python 脚本按比例划分保证随机种子固定 python -c import os, random, shutil random.seed(42) imgs [f for f in os.listdir(images) if f.endswith(.jpg)] random.shuffle(imgs) n len(imgs) train, val, test imgs[:int(n*0.8)], imgs[int(n*0.8):int(n*0.9)], imgs[int(n*0.9):] for split, files in [(train, train), (val, val), (test, test)]: os.makedirs(fdatasets/tire/{split}/images, exist_okTrue) os.makedirs(fdatasets/tire/{split}/labels, exist_okTrue) for f in files: shutil.copy(fimages/{f}, fdatasets/tire/{split}/images/{f}) lbl os.path.splitext(f)[0] .txt if os.path.exists(flabels/{lbl}): shutil.copy(flabels/{lbl}, fdatasets/tire/{split}/labels/{lbl}) print(ftrain: {len(train)}, val: {len(val)}, test: {len(test)}) 逻辑说明random.seed(42)保证每次划分结果一致方便复现。shutil.copy复制而非移动保留原始数据。划分后目录结构是datasets/tire/train/images/和datasets/tire/train/labels/这是 YOLO 官方训练脚本默认读取的结构。参数说明0.8和0.9是划分阈值可根据数据量调整。如果数据量小于 1000建议 7:2:1验证集大一点更稳。3. YOLO 训练配置从 data.yaml 到超参数调优3.1 data.yaml 的五个必填字段与路径写法YOLO 训练需要一个data.yaml描述数据集。以 YOLOv8 为例字段包括path、train、val、test、nc、names。# data.yaml path: /home/user/datasets/tire # 数据集根目录 train: train/images # 相对 path 的训练图像目录 val: val/images test: test/images nc: 12 # 类别数根据实际字符类别调整 names: 0: 0 1: 1 2: 2 3: 3 4: 4 5: 5 6: 6 7: 7 8: 8 9: 9 10: A 11: B逻辑说明path是绝对路径train/val/test是相对路径。YOLO 会拼接path train找到图像目录然后自动把images替换为labels找标签。nc必须等于names的条目数否则训练时报维度错误。参数说明如果数据集里只有数字 0-9nc设为 10names只写 0-9。字符类别顺序不重要但训练和推理时必须一致。3.2 用 YOLOv8 在本地跑通最小训练命令假设已经装好ultralytics包一条命令启动训练。yolo detect train \ datadata.yaml \ modelyolov8n.pt \ epochs100 \ imgsz640 \ batch16 \ device0 \ projecttire_char_runs \ nameexp1逻辑说明modelyolov8n.pt加载预训练权重n 是最小模型适合 1741 张的小数据集。epochs100是上限实际训练中如果验证集指标 20 轮不提升早停会触发。imgsz640是输入分辨率轮胎字符如果占图像比例小可以提到 1280但显存占用翻倍。batch16在 8GB 显存下跑 640 分辨率够用显存不够就降到 8。参数说明device0指定第一块 GPUCPU 训练去掉这个参数但速度慢 10 倍以上。project和name控制输出目录所有日志、权重、曲线图都在tire_char_runs/exp1/下。3.3 学习率和锚框两个最容易被默认值坑的参数YOLOv8 默认学习率是lr00.01对 1741 张的小数据集偏大容易在训练前期震荡。我一般降到0.001配合cos_lrTrue余弦退火。yolo detect train \ datadata.yaml \ modelyolov8n.pt \ epochs150 \ imgsz640 \ batch16 \ lr00.001 \ lrf0.01 \ cos_lrTrue \ warmup_epochs5 \ device0逻辑说明lr0是初始学习率lrf是最终学习率因子最终学习率 lr0 * lrfcos_lr让学习率按余弦曲线下降。warmup_epochs5在前 5 轮线性升温避免初始大梯度破坏预训练权重。参数说明如果训练损失曲线前期剧烈震荡把lr0再降到0.0005。如果损失下降太慢检查lrf是否设得太小导致后期学习率接近 0。锚框方面YOLOv8 是 anchor-free 的不需要手动设锚框。但如果用 YOLOv5需要根据轮胎字符的宽高比重新聚类锚框。轮胎字符通常是细长型宽高比在 1:3 到 1:8 之间默认锚框偏方形召回率会低。# YOLOv5 锚框聚类 python utils/autoanchor.py --data data.yaml --img-size 640 --anchors 9逻辑说明这个脚本用 k-means 对训练集标注框的宽高聚类输出 9 个锚框。把结果替换到模型配置文件的anchors字段。参数说明--anchors 9是锚框数量小数据集用 6 个也够。聚类结果如果和默认锚框差异大说明数据分布特殊必须替换。4. 轮胎字符检测的避坑与排查记录4.1 坑一验证集 mAP 很高但实际推理漏检严重现象训练日志里验证集 mAP0.5 到了 0.95但拿测试集图像跑推理字符漏检一半以上。原因验证集和训练集来自同一批图像场景高度相似。测试集如果包含不同光照或不同轮胎型号模型泛化能力不足。另外验证集的标注可能比测试集更规范测试集有漏标或框不准的情况。解决重新划分数据集确保测试集包含至少 20% 的不同场景图像。如果测试集标注质量差先人工校验一遍。推理时降低置信度阈值到 0.15看召回率是否提升如果提升明显说明模型对测试集字符的响应分数偏低需要补充类似场景的训练数据。4.2 坑二训练损失正常下降但验证损失反弹现象训练到 30 轮左右训练损失还在降验证损失开始上升mAP 停滞。原因过拟合。1741 张图像对 YOLOv8n 来说不算多模型容量相对数据量偏大。另外如果数据增强太弱模型会记住训练集的噪声。解决加强数据增强特别是mosaic和mixup。YOLOv8 默认开启 mosaic但可以调mosaic1.0和mixup0.1。同时加weight_decay0.0005和dropout0.1。如果还不行换更小的模型或减少训练轮数。yolo detect train \ datadata.yaml \ modelyolov8n.pt \ epochs100 \ imgsz640 \ batch16 \ mosaic1.0 \ mixup0.1 \ weight_decay0.0005 \ dropout0.1 \ device0逻辑说明mosaic把四张图像拼成一张增加场景多样性。mixup把两张图像按透明度叠加进一步正则化。weight_decay是 L2 正则化系数dropout在分类头随机丢弃神经元。参数说明mosaic1.0表示 100% 概率启用训练后期可以降到 0.5 让模型适应真实分布。mixup0.1是混合比例太大会导致图像模糊。4.3 坑三推理时字符框重叠严重NMS 后只剩一个现象轮胎上相邻字符距离近推理输出多个重叠框NMS 后只保留一个导致漏检。原因NMS 的 IoU 阈值默认 0.45相邻字符框的 IoU 可能超过这个值被误删。轮胎字符间距小框的宽高比又细长IoU 计算容易偏高。解决提高 NMS 的 IoU 阈值到 0.6 或 0.7或者改用 soft-NMS。YOLOv8 推理时通过iou参数控制。yolo detect predict \ modeltire_char_runs/exp1/weights/best.pt \ sourcetest/images \ conf0.25 \ iou0.6 \ saveTrue逻辑说明conf0.25是置信度阈值低于此值的框被过滤。iou0.6是 NMS 的 IoU 阈值提高后保留更多相邻框。如果还重叠用agnostic_nmsTrue让不同类别的框也参与 NMS。参数说明iou设太高如 0.9会导致重复框设太低如 0.3会漏检相邻字符。轮胎字符场景建议 0.5-0.6 之间试。4.4 坑四图像预处理不一致导致训练和推理结果对不上现象训练时用了imgsz640推理时图像直接 resize 到 640但长宽比变了字符被拉伸检测框位置偏移。原因YOLO 训练时默认用 letterbox 填充保持长宽比推理时如果直接 resize 会改变字符形状。另外训练时的归一化是/255推理时如果忘了这一步输入值域不对。解决推理时也用 letterboxYOLO 的predict模式默认就是 letterbox不用手动改。如果自己写推理脚本确保预处理和训练一致。import cv2 import numpy as np def letterbox(img, new_shape640, color(114, 114, 114)): 保持长宽比的 resize 填充 shape img.shape[:2] r min(new_shape / shape[0], new_shape / shape[1]) new_unpad (int(round(shape[1] * r)), int(round(shape[0] * r))) dw, dh new_shape - new_unpad[0], new_shape - new_unpad[1] dw / 2 dh / 2 img cv2.resize(img, new_unpad, interpolationcv2.INTER_LINEAR) top, bottom int(round(dh - 0.1)), int(round(dh 0.1)) left, right int(round(dw - 0.1)), int(round(dw 0.1)) img cv2.copyMakeBorder(img, top, bottom, left, right, cv2.BORDER_CONSTANT, valuecolor) return img逻辑说明r是缩放比例取长边缩放到 640 的比例。new_unpad是缩放后的尺寸dw和dh是填充宽度。copyMakeBorder用灰色填充和 YOLO 官方一致。参数说明color(114, 114, 114)是 YOLO 默认填充色改成其他值会影响模型对边界的判断。interpolation用线性插值不要用最近邻否则字符边缘锯齿严重。4.5 坑五GPU 显存不足导致训练中断现象训练到一半报CUDA out of memorybatch 已经设了 16再降就影响 BN 层效果。原因YOLOv8 训练时显存占用和imgsz、batch、模型大小都相关。640 分辨率下yolov8n 的 batch16 大约占 6-7GB如果同时开了其他进程显存不够。解决用batch-1让 YOLO 自动找最大 batch或者用梯度累积模拟大 batch。yolo detect train \ datadata.yaml \ modelyolov8n.pt \ epochs100 \ imgsz640 \ batch-1 \ device0逻辑说明batch-1时 YOLO 会从 batch1 开始试逐步增加直到显存占用 90%。如果自动 batch 太小如 4用nbs64和accumulate参数模拟大 batch 效果。参数说明nbs是名义 batch size梯度累积步数 nbs / batch。比如 batch4nbs64则每 16 个 batch 更新一次权重。5. 训练完怎么验证mAP 之外必须看的三个指标5.1 混淆矩阵看字符类别之间有没有互相误判训练结束后runs/exp1/下会生成confusion_matrix.png。轮胎字符里最容易混的是0和O、1和I、8和B。如果混淆矩阵显示0被大量预测为O说明模型对这两个类别的特征区分不够。解决检查标注是否一致有些标注员把0标成O。如果标注没问题增加这两个类别的训练样本或者在损失函数里给这两个类别更高权重。5.2 PR 曲线看每个类别的召回率是否均衡PR_curve.png展示每个类别的精确率-召回率曲线。如果某个类别的曲线明显低于其他类别说明这个类别的样本太少或特征不明显。轮胎字符里6和9在模压字里容易因方向混淆PR 曲线会体现出来。解决对低召回类别做过采样或者用copy_paste数据增强把该类别字符粘贴到更多背景上。5.3 实际推理可视化用测试集图像跑一遍看框准不准指标再好最终要看框。用predict模式跑测试集保存可视化结果。yolo detect predict \ modeltire_char_runs/exp1/weights/best.pt \ sourcetest/images \ conf0.25 \ iou0.6 \ saveTrue \ save_txtTrue逻辑说明saveTrue保存带框图像到runs/detect/predict/save_txtTrue保存预测框坐标到 txt。对比预测 txt 和真实标签算每个字符的 IoU低于 0.5 的算定位不准。参数说明conf0.25是展示阈值实际部署时可以调。如果可视化发现框偏大或偏小检查标注框是否贴合字符边缘YOLO 对框的宽高很敏感。5.4 一个具体技巧用 TTA 提升小字符召回轮胎字符在 640 分辨率下可能只有 20-30 像素高模型容易漏。推理时开 TTA测试时增强把图像翻转、缩放后分别推理再融合结果。yolo detect predict \ modeltire_char_runs/exp1/weights/best.pt \ sourcetest/images \ conf0.2 \ iou0.6 \ augmentTrue \ saveTrue逻辑说明augmentTrue启用 TTAYOLO 会对每张图像做水平翻转、多尺度缩放分别推理后合并框。召回率通常能提升 2-5 个百分点代价是推理速度慢 3 倍左右。参数说明conf0.2比默认 0.25 低配合 TTA 使用让更多候选框进入融合阶段。如果误检增多把conf调回 0.25。我自己的习惯是训练完先看混淆矩阵再看 PR 曲线最后一定要用测试集图像跑一遍可视化。指标是黑匣子框才是真相。有一次 mAP 0.92 的模型可视化后发现所有框都往右偏了 5 个像素原因是标注时用了错误的图像尺寸。这个坑没有后悔药只能靠肉眼查。希望帮到你。本文还有配套的精品资源点击获取