三、 数据优化

本章节介绍如何使用 ATSVisionOps 内置的 Test 工具进行数据集优化。该功能支持在不破坏原始数据的基础上，实现自动化的重命名、缺陷类名统一及映射修改。

1. 默认测试逻辑（直接优化）

如果你不需要对当前的图片名称或缺陷名称进行任何修改，只需优化数据集，可以使用默认操作。

• 操作步骤：
  1. 确认输入路径无误。
  2. 直接点击 [开始优化数据集] 按钮（默认不勾选任何更改选项）。
• 执行结果：
  • 显示“已完成”后，系统会在对应的 结果文件夹 中生成图片与 JSON 文件。
  • 数据一致性：图片与 JSON 文件一一对应，可直接用于后续的 COCO 格式转换或模型训练。

---

2. 批量重命名文件

为了方便数据管理，你可以对数据集进行全局重命名，系统会自动同步更新 JSON 内部的引用字段。

• 操作步骤：
  1. 勾选 「批量重命名文件」 选项。
  2. 在输入框中输入目标前缀（例如：111）。
  3. 点击 [开始优化数据集]。

• 功能特性：

  • 同步修改：不仅修改物理磁盘上的文件名（如 111_000001.jpg），同时会自动修正 JSON 文件内部的 imagePath 字段，确保数据关联不丢失。

  • 

  • 

---

3. 缺陷名称管理

针对标签名不规范或需要合并类别的情况，系统提供以下两种模式：

A. 统一修改缺陷名（全局覆盖）

适用于将当前数据集中所有不同类别的缺陷合并为一个新名称。

• 示例：原标签为 qx（缺陷），希望统一改为 bd（白点）。

• 效果：处理后，结果文件夹内所有 JSON 里的 label 字段将全部变为 bd。

B. 映射指定缺陷（精准替换）

适用于只修改特定的缺陷类别，而保持其他类别不变。

• 示例：数据集中包含 qx、zz、bd 三种标签，仅需将 zz（杂质）修改为 bszz（白色杂质）。

• 操作：勾选 「映射指定缺陷」，在旧名称栏输入 zz，新名称栏输入 bszz。

• 效果：仅有 zz 会被替换，其余标签不受影响。

---

数据安全：所有优化操作均在“结果文件夹”中进行，不会修改您的原始输入数据。