六、 分類偵測資料集產生
分類偵測工具 專門用於構建深度學習分類模型所需的訓練資料集。它支援在匯出前進行實時資料增強、多格式轉碼以及靈活的樣本地圖劃分,能夠一鍵生成符合主流框架要求的目錄結構。
¶
1. 功能核心流程¶
分類工具按照以下邏輯順序執行操作:
-
讀取:掃描輸入目錄下按資料夾分類的原始影像。
-
增強:根據配置對每一類樣本進行映象、旋轉或色彩變換。
-
轉碼:將所有生成的樣本統一轉換為指定的影象格式。
-
分發:根據設定的比例將資料分撥至
train(訓練集)和val(驗證集)資料夾。
2. 資料增強配置¶
在生成之前,您可以勾選以下增強運算子。系統將基於原始影像,按照您設定的 「圖數」 進行變換擴充:
| 增強運算子 | 物理邏輯 | 工業應用建議 |
|---|---|---|
| 橫向映象 | 左右翻轉(Y軸對稱)。 | 適用於區分工件的左/右側型號。 |
| 縱向映象 | 上下翻轉(X軸對稱)。 | 適用於無固定放置方向的傳送帶物料。 |
| 旋轉一週 | 360° 隨機角度旋轉。 | 圓形工件必備,解決點標樣板的旋轉不變性。 |
| 色度/對比度 | 隨機亮度與色彩偏移。 | 模擬生產現場光照波動及相機曝光差異。 |
3. 生成引數設定¶
影象輸出格式¶
您可以根據儲存空間或後續訓練框架的要求選擇目標格式:
-
BMP / PNG:無損格式,推薦用於高精度工業缺陷分類。
-
JPG:壓縮格式,適合大規模資料集,節省磁碟空間。
-
原格式:不進行重編碼,直接保留輸入檔案的原始字尾。
訓練集與驗證集比例¶
- 邏輯說明:比例數值代表分配給訓練集的百分比。
- 分包示例:若設為 80,則 80% 資料進入
train資料夾,20% 進入val資料夾。 - 特殊設定:若設為 100,則系統不進行切分,全部輸出為訓練集。
4. 操作步驟¶
- 配置路徑:
- 輸入目錄:選擇包含原始分類資料夾(如
OK/,NG/)的根路徑。 - 輸出目錄:指定生成後的資料集存放位置(建議新建空資料夾)。
- 輸入目錄:選擇包含原始分類資料夾(如
- 設定圖數:在介面輸入每個類別最終希望生成的影像總數。
- 執行生成:確認格式和比例後,點選 [開始生成]。

5. 生成後的目錄結構預覽¶
完成生成後,您的輸出目錄將呈現如下結構:

dataset_20260415_114920/
├── train/ # 训练集路径 (Train)
│ ├── OK/ # 增强后的正常样本
│ └── NG/ # 增强后的缺陷样本
└── val/ # 验证集路径 (Val)
├── OK/ # 自动划分的验证样本
└── NG/ # 自动划分的验证样本
├── Label # 包含类别信息
├── train_list # 训练集的图片列表
├── val_list # 验证集的图片列表
開發經驗分享
在工業分類任務中,樣本均衡至關重要。如果您的原始 NG 樣本只有 20 張,而 OK 樣本有 200 張,請將 NG 增強至 200 張左右,這樣能有效防止模型產生類別偏向。