七、 JSON
JSON 模块集成了针对工业视觉检测场景的四大核心 JSON 处理工具，旨在提高数据集的清洗、转换与分析效率。
1. 缺陷分类 (qx_class)¶
功能说明：
系统会自动扫描指定目录下的所有 JSON 标注文件，根据其内部的 "label" 字段值进行智能分拣。
-
分类逻辑：
- 单类文件，以缺陷命名的文件夹：仅包含一种缺陷类型的图片。
- Multi_class混合类文件：包含两种及以上缺陷类型的图片。
- Null_Pictures空值文件：不包含任何 label 标签的文件。
-
路径配置：
- 默认输出：
D:\ToolsetCatalog\缺陷分类\qx_class_output
- 自定义：支持用户通过界面手动选择输出基准路径。
- 默认输出：
应用场景
用于快速提取特定缺陷（如“划伤”）的样本，或剔除标注不全的空数据。
2. YOLO TXT 转 JSON¶
功能说明：
将 YOLO 格式的 .txt 标签文件转换回标准 .json 格式。
- 转换特性：
- 自动匹配图片分辨率。
- 支持 OBB（旋转框）与正框的坐标还原。
- 保持原有的类别索引与标签名称对应关系。
3. 空 JSON 批量生成¶
功能说明： 在深度学习训练中，为了降低误报率（FP），通常需要加入一定比例的“负样本”（OK 图）。
- 操作流程：
- 选择一个存放“纯净图片”（无缺陷图）的文件夹。
- 系统会为每张图片生成一个对应的“空 JSON”文件。
- 目的： 实现正负样本的比例对冲，有效抑制模型对背景噪声的误判。
4. 数据集可视化分析¶
功能说明： 提供全自动化、交互式的数据集质量评估报告。
📊 自动分析报告¶
选择数据集目录并点击 [分析] 按钮，系统将实时生成包含以下内容的看板：
-
文件/各类别数量分布饼状图。
-
文件/缺陷数量表格。
-
数据集文字分析报告。
🛠️ 实时清理操作¶
分析完成后，支持在界面上进行即时数据处理：
-
移除：快速删除包含某一类特定缺陷的所有文件（图片+JSON）。
-
删除框：只删除某一类缺陷，而保持原始文件目录不被物理移除。
注意
第一种 移除 操作为移动操作，默认移动到D:\ToolsetCatalog\数据可视化。