当前位置：首页 > news >正文

YOLOv8小目标检测优化：工业质检实战

news 2026/7/24 14:08:01

1. 项目背景与核心挑战

去年夏天参与了一个工业质检项目，需要从高空拍摄画面中检测微小缺陷。当我把现成的YOLOv5模型直接套用上去时，recall值直接跌到30%以下——那些在2000万像素图像中只有20×20像素左右的焊点缺陷，就像大海捞针一样难以捕捉。这促使我系统研究了YOLOv8在小目标检测上的优化方案，特别是在Visidron这类无人机航拍数据集上的实践。

小目标检测的难点主要来自三个方面：首先，经过常规下采样后，小目标的特征信息几乎消失殆尽；其次，航拍图像中存在大量相似背景干扰（如建筑物纹理、植被等）；最后，Visidron数据集特有的低对比度成像特点，使得目标与背景区分度进一步降低。传统方案通常直接缩小输入尺寸来提升小目标检测效果，但这会导致大目标检测性能断崖式下跌，我们需要更精细的改进策略。

2. 数据准备与增强策略

2.1 数据集特性分析

Visidron数据集包含约15,000张4K分辨率航拍图像，目标物体平均仅占图像面积的0.02%-0.5%。通过统计分析发现两个关键特征：一是目标多集中在图像中心区域（无人机云台稳定拍摄导致）；二是70%的目标呈现灰黑色调，与水泥地面、沥青屋顶等背景颜色相近。

基于这些发现，我们放弃了通用的RandomCrop增强，改为：

transform = [ A.CenterCrop(height=2048, width=2048, p=0.8), # 聚焦中心区域 A.HueSaturationValue(hue_shift_limit=10, sat_shift_limit=30, val_shift_limit=20, p=0.7), # 增强色彩对比 A.RandomGamma(gamma_limit=(60,140), p=0.5) # 对抗低对比度 ]

2.2 标签自适应优化

原始标注存在两个问题：一是部分目标被标注为"difficult"但未做特殊处理；二是密集小目标存在漏标。我们的解决方案是：

对difficult样本进行2×过采样
使用SAHI工具进行滑动窗口辅助标注：

python scripts/sliced_inference.py \ --image_dir ./raw_images \ --model_path yolov8x.pt \ --slice_size 512 \ --overlap_ratio 0.2

通过这种方式新增了1,200个漏标目标，使mAP@0.5提升约4.3%。

3. 模型架构改进方案

3.1 特征金字塔重构

YOLOv8默认的PANet结构在深层特征融合时丢失了大量小目标信息。我们进行了三项关键修改：

在Backbone的stage3后增加一个P2输出层（160×160分辨率）
将原始的add操作改为concat+1×1卷积融合
为浅层特征添加Coordinate Attention模块

class CA_PAN(nn.Module): def __init__(self, in_channels): super().__init__() self.ca = CoordAtt(in_channels, reduction=8) self.conv = Conv(in_channels*2, in_channels, k=1) def forward(self, x1, x2): x1 = self.ca(x1) x = torch.cat([x1, F.interpolate(x2, scale_factor=2)], dim=1) return self.conv(x)

3.2 检测头优化

针对小目标特点，我们：

将obj分支的BCE损失改为FocalLoss(alpha=0.8, gamma=2)
在分类头前加入SimAM注意力模块
调整anchor设置：使用k-means重新聚类得到更适合小目标的anchor尺寸

修改后的检测头在Visidron测试集上召回率提升12.6%，特别是对20-50像素目标的检测效果显著改善。

4. 训练技巧与超参调优

4.1 渐进式图像缩放

采用分阶段训练策略：

前50epoch：输入尺寸640×640，lr=0.01
中间30epoch：尺寸增至1024×1024，lr=0.001
最后20epoch：尺寸1280×1280，lr=0.0001

配合使用EMA(decay=0.9999)和AMP混合精度训练，在保持训练稳定的同时，使小目标AP@0.5提升约8.2%。

4.2 损失函数调参

通过消融实验确定最优权重组合：

loss: box: 7.0 # 原始值为5.0 cls: 1.5 # 原始值为0.5 dfl: 1.2 # 新增DFL损失 obj: 2.0 # 原始值为1.0

这种设置特别有利于解决小目标分类模糊的问题。

5. 后处理优化方案

5.1 动态置信度阈值

传统固定阈值(如0.25)会过滤掉大量真实小目标。我们实现动态调整：

def dynamic_thresh(pred, min_thresh=0.1, scale=0.3): # pred: [..., xywh, conf, cls] area = pred[..., 2] * pred[..., 3] # w*h adj = min_thresh + (1 - area) * scale return pred[pred[..., 4] > adj]

该方法在保证精度的同时，召回率提升5.7%。

5.2 多尺度测试集成

最终预测采用三尺度融合：

原图1280×1280
1.5倍放大
滑动窗口512×512（步长384）

使用WBF加权框融合，关键参数设置：

weights = [0.6, 0.3, 0.1] # 对应三个尺度 iou_thr = 0.35 skip_box_thr = 0.0001

6. 实战效果与问题排查

6.1 性能指标对比

在Visidron测试集上的对比结果：

方法	AP@0.5	AP@0.5:0.95	小目标召回率
YOLOv8官方模型	0.423	0.261	0.381
本方案	0.587	0.402	0.692
改进幅度	+38.7%	+54.0%	+81.6%

6.2 典型问题解决方案

问题1：训练初期loss震荡剧烈

现象：前10个epoch的box_loss波动超过30%
排查：发现部分标注框宽高比异常（最大达1:28）
解决：添加数据清洗步骤，过滤宽高比>1:15的样本

问题2：验证集指标突然下降

现象：第45epoch时mAP下降约5%
分析：学习率调度器在尺寸切换时未同步调整
修复：添加尺寸变化时的lr warmup：

if epoch == 50: # 首次放大尺寸 scheduler.last_epoch = 0 # 重置学习率调度

问题3：GPU显存溢出

场景：使用1280尺寸训练时出现OOM
优化：采用梯度累积（每4个step更新一次）

train: batch: 8 accumulate: 4

7. 工程部署建议

在实际部署中发现两个关键点：

TensorRT加速时，需要保持动态尺度输入的一致性：

config->setOptimizationProfile(0) ->setDimensions(INPUT_NAME, OptProfileSelector::kMIN, Dims4(1,3,640,640)) ->setDimensions(INPUT_NAME, OptProfileSelector::kOPT, Dims4(1,3,1280,1280))