目标检测——基于 YOLOv8 实现钢材表面缺陷检测

原创已于 2024-01-21 21:59:04 修改 · 1.6k 阅读

35 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习 #YOLO #python

于 2023-10-24 21:02:01 首次发布

目标检测专栏收录该内容

2 篇文章

订阅专栏

目标检测——基于 YOLOv8 实现钢材表面缺陷检测

【参考博客】：代码实战：YOLOv5实现钢材表面缺陷检测 - CV技术指南（公众号） - 博客园 (cnblogs.com)
【如何使用 YOLOv8】：用 YOLOv8 解决图像检测_Re.Gin的博客-CSDN博客

数据集

下载

【原数据集链接】：东北大学教师个人主页宋克臣–中文主页–NEU surface defect database
链接：https://pan.baidu.com/s/1Mg-JZTYTlP8jZKHKk9aYNw?pwd=5sz4
提取码：5sz4
含yaml 数据集配置文件、已转换好的 labels 标注文件

结构

datasets
  |--NEU-DET
    |--annotations
      |--xx1.xml
    |--images
      |--train
        |--xx1.png
      |--val
        |--xx2.png
    |--labels
      |--train
        |--xx1.txt
      |--val
        |--xx2.txt

转换

从官网获取的数据集的标注文件是 VOC（xml 格式）的，我们需要把它转换成 YOLO（txt 格式）的.
代码：如果数据集格式是严格按照作者博客【用 YOLOv8 解决图像检测】，代码中的路径无需修改；若数据集格式与作者约定的不同，请自行修改路径

import xml.etree.ElementTree as ET
import os
from os import getcwd
from tqdm import tqdm

classes = ["crazing", "inclusion", "patches", "pitted_surface", "rolled-in_scale", "scratches"]


def convert(size, box):
    dw = 1. / size[0]
    dh = 1. / size[1]
    x = (box[0] + box[1]) / 2.0
    y = (box[2] + box[3]) / 2.0
    w = box[1] - box[0]
    h = box[3] - box[2]
    x = x * dw
    w = w * dw
    y = y * dh
    h = h * dh
    return x, y, w, h


def convert_annotation(image_id):
    in_file = 'datasets/NEU-DET/annotations/%s.xml' % (image_id)
    out_file = open('datasets/NEU-DET/labels/train/%s.txt' % (image_id), 'w')
    tree = ET.parse(in_file)
    root = tree.getroot()
    size = root.find('size')
    w = int(size.find('width').text)
    h = int(size.find('height').text)

    for obj in root.iter('object'):
        difficult = obj.find('difficult').text
        cls = obj.find('name').text
        if cls not in classes or int(difficult) == 1:
            continue
        cls_id = classes.index(cls)
        xmlbox = obj.find('bndbox')
        b = (float(xmlbox.find('xmin').text), float(xmlbox.find('xmax').text), float(xmlbox.find('ymin').text),
             float(xmlbox.find('ymax').text))
        bb = convert((w, h), b)
        out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')


if __name__ == "__main__":
    wd = getcwd()
    print(wd)
    if not os.path.exists('datasets/NEU-DET/labels/'):
        os.makedirs('datasets/NEU-DET/labels/')
    image_ids = os.listdir('datasets/NEU-DET/images/train')
    for image_id in tqdm(image_ids):
        convert_annotation(image_id.split('.')[0])