跳轉到

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。

class.png

1. 功能核心流程

分類工具按照以下邏輯順序執行操作:

  1. 讀取:掃描輸入目錄下按資料夾分類的原始影像。

  2. 增強:根據配置對每一類樣本進行映象、旋轉或色彩變換。

  3. 轉碼:將所有生成的樣本統一轉換為指定的影象格式。

  4. 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

  1. 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)。
  2. 設定圖數:在介面輸入每個類別最終希望生成的影像總數。
  3. 執行生成:確認格式和比例後,點選 [開始生成]。

classdata.png


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:

classcomplete.png

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。