跳轉到

七、 JSON

JSON 模組整合了針對工業視覺偵測場景的四大核心 JSON 處理工具,旨在提高資料集的清洗、轉換與分析效率。


1. 缺陷分類 (qx_class)

功能說明: 系統會自動掃描指定目錄下的所有 JSON 標註檔案,根據其內部的 "label" 欄位值進行智慧分揀。

  • 分類邏輯:

    • 單類檔案,以缺陷命名的資料夾:僅包含一種缺陷型別的影像。
    • Multi_class混合類檔案:包含兩種及以上缺陷型別的影像。
    • Null_Pictures空值檔案:不包含任何 label 標籤的檔案。

    class2.png

  • 路徑配置:

    • 預設輸出:D:\ToolsetCatalog\缺陷分类\qx_class_output

    class1.png

    • 自定義:支援使用者透過介面手動選擇輸出基準路徑。

應用場景

用於快速提取特定缺陷(如“劃傷”)的樣本,或剔除標註不全的空資料。


2. YOLO TXT 轉 JSON

功能說明: 將 YOLO 格式的 .txt 標籤檔案轉換回標準 .json 格式。

  • 轉換特性:
    • 自動匹配影像解析度。
    • 支援 OBB(旋轉框)與正框的座標還原。
    • 保持原有的類別索引與標籤名稱對應關係。

3. 空 JSON 批次生成

功能說明: 在深度學習訓練中,為了降低誤報率(FP),通常需要加入一定比例的“負樣本”(OK 圖)。

  • 操作流程:
    1. 選擇一個存放“純淨影像”(無缺陷圖)的資料夾。
    2. 系統會為每張影像生成一個對應的“空 JSON”檔案。
  • 目的: 實現正負樣本的比例對沖,有效抑制模型對背景噪聲的誤判。

4. 資料集視覺化分析

fx.png

功能說明: 提供全自動化、互動式的資料集質量評估報告。

📊 自動分析報告

選擇資料集目錄並點選 [分析] 按鈕,系統將實時生成包含以下內容的看板:

  • 檔案/各類別數量分佈餅狀圖。

  • 檔案/缺陷數量表格。

  • 資料集文字分析報告。

🛠️ 實時清理操作

分析完成後,支援在介面上進行即時資料處理:

  • 移除:快速刪除包含某一類特定缺陷的所有檔案(影像+JSON)。

  • 刪除框:只刪除某一類缺陷,而保持原始檔案目錄不被物理移除。

注意

第一種 移除 操作為移動操作,預設移動到D:\ToolsetCatalog\数据可视化。