简介针对桥梁道路裂缝检测需求这套资料包提供基于YOLOv8的完整落地解决方案适合计算机视觉初学者、算法工程师及土木工程相关研究者快速上手。压缩包内共2000个文件包含1610个txt格式标注文件、139张jpg原始图像、171个Python源码、56个yaml配置文件以及训练好的pt权重和QT界面ui文件等可用于模型训练、验证与可视化部署。数据集已按YOLO格式标注并同时提供xml格式标签配置好PyTorch环境即可直接调用。模型在道路裂缝场景上完成训练能识别多种裂缝形态配套QT界面方便非专业用户进行图片或视频检测。资料包整体约374MB附带说明文档、启动脚本和配置文件结构清晰。当前已有1282人学习下载适合需要快速获取训练模型、标注数据集并搭建检测界面的开发者。 做桥梁和道路裂缝检测这个方向前前后后折腾了两个多月从数据采集、标注、训练YOLOv8模型到最后用QT把整套流程包成一个带界面的桌面工具总算是完整跑通了一套可以拿来直接用的方案。这篇文章把这个项目完整复盘一遍重点说清楚几件事为什么选YOLOv8而不是传统图像处理或者别的检测框架训练好的模型和标注好的数据集从哪来、怎么用QT界面又是怎么和模型配合的以及在打包发布和实际部署里踩过的那些坑。适合正在做土木视觉检测、毕业设计或者想把深度学习检测模型落到桌面端工具的朋友参考。1. 项目整体思路与方案选型1.1 为什么是YOLOv8而不是传统图像处理裂缝检测这个场景最直觉的做法其实是传统图像处理Canny边缘检测、Sobel算子、阈值分割之类。早期我也试过效果怎么说呢在干净的路面、均匀光照下确实能出结果但一到真实场景就撑不住了——阴影、伸缩缝、积水痕迹、柏油路面的石料纹理全是干扰边缘检测结果里毛刺多到没法看而且你根本没法区分裂缝和伸缩缝更别说还要输出位置和置信度。深度学习目标检测把这个问题的解法完全换了一种思路把“裂缝长什么样”交给模型去学习端到端输出检测框、类别和置信度。YOLO系列是这里面的常青树而YOLOv8在工程落地上有几点特别诱人首先是anchor-free 解耦检测头的架构对小目标更友好裂缝恰恰是典型的小目标细长目标其次是ultralytics官方库把训练、验证、导出这条链路封装得非常顺一条命令就能训完再导出ONNX第三是生态好后续要往RK3588、Jetson这类边缘设备上迁移也有成熟的部署路径。选具体规格时我对比了yolov8n/s/m三个尺寸。桥梁公路裂缝这种目标细长、数量不一定多但背景复杂纯追求速度选n追求精度但显存有限的选s。我手里这块GTX 1660Ti 6G显存最后定在yolov8s性能和显存之间刚好平衡。1.2 为什么界面选QT模型训练好之后总不能每张图都跑到命令行里去检测。工程验收、现场检查的人需要的是一个能打开图片、点一下按钮就能出结果的工具。桌面端选型主要在QT和纯Python那套GUI方案之间纠结。如果用PySide6或者pyqt开发确实快画界面几乎零成本跑模型也方便。但真到交付阶段Python打包体积大、启动慢而且现场机器上各种兼容问题会把你折磨疯。C Qt ONNX Runtime这套组合部署体积小、启动快、内存占用稳打包出来一个exe就能跑非常省心。所以这个项目的技术路线非常明确训练阶段用Python ultralytics部署阶段用Qt 5.15.2 MSVC2019 OpenCV ONNX Runtime。训练和部署完全解耦模型只以best.onnx的形式提供给QT端后面想换TensorRT版本或者换边缘设备上位机逻辑基本不用动。1.3 完整数据流整个系统的数据链路是这样的打开图片/视频流 → 读取帧 → letterbox等比例缩放填充到640×640 → ONNX Runtime前向推理 → 解析输出(1, 84, 8400) → 置信度过滤 NMS → 坐标映射回原图 → 在界面上绘制检测框和统计信息 → 支持结果导出2. 数据集准备与标注决定上限的一步2.1 数据怎么来说句实在话这个项目里最花时间的不是训练是数据。深度学习任务里有个说法模型只是逼近数据的上限。裂缝检测尤其典型网上公开的桥梁裂缝数据集非常少大部分做这个方向的人都是自己采集。我这次的数据来源分两块。一块是自己拍的桥梁高墩、箱梁腹板、桥面铺装、水泥混凝土路面和沥青路面分开拍尽量覆盖不同的光照条件——大太阳底下的强阴影、阴天的漫反射、树荫遮挡还有不同拍摄距离和角度。另一块是公开数据集补充像CrackForest这些道路裂缝数据集质量不错可以拿来补充路面场景的样本。最终整理出1800张图道路场景约1200张、桥梁场景约600张。单类别“crack”标注框总数大概4600个。做下来我的感受是单类别目标检测想有实用效果数据量最好控制在1000张以上少于这个量模型在没见过的场景上泛化能力会明显不足。当然如果你能搞到3000张以上效果会更稳。2.2 标注规范和工具标注工具我用的LabelImg导出YOLO格式的txt文件每行是“类别id 中心x 中心y 宽 高”坐标全部归一化到0~1之间。工具本身没什么好讲的重点是标注规范。裂缝这种目标跟检测猫狗完全不一样它细长、不规则、经常被阴影或者障碍物打断。我总结了几条实践规范检测框要紧贴裂缝区域不要为了省事把整段路面框进去框里背景太多会干扰模型学习。一条完整裂缝被障碍物、桥面接缝、树影隔断时要分成多个框分别标注。模型学的是局部纹理特征分框标注不仅不影响效果还等于变相增加样本。尽量少出现极端长宽比的框。很多人习惯把一个一米多长的裂缝用一个细长条框起来这在归一化坐标里计算没问题但对模型回归不太友好。我是把长裂缝切成几个子块来框实测对收敛速度有小幅提升。质检环节必须做写个脚本扫描所有txt检查有没有空标签文件、有没有坐标越界、有没有类别id超出范围。这类低级错误在训练时会莫名其妙地让loss变成nan排查起来非常痛苦。数据划分上我按8:1:1切成训练集1440张、验证集180张、测试集180张。划分的时候确保同一场景的照片不要同时出现在训练集和测试集里否则会有数据泄漏指标虚高。2.3 数据增强的取舍YOLOv8训练时默认开了不少数据增强Mosaic、随机左右翻转、HSV色域变换、随机平移缩放。这些默认配置在常规目标上表现不错但裂缝场景要稍微动一下。Mosaic是把四张图拼成一张训练对小目标场景是好事但它有可能把一条完整裂缝切成好几截目标变得特别碎。我在实际对比中把mosaic概率从默认的1.0降到0.6最终mAP50反而涨了一点。另外针对裂缝场景我又额外加了亮度和对比度抖动用来模拟逆光、阴影、阴天的光照变化以及轻微高斯模糊模拟雨天或者镜头失焦的情况。有个点要特别提醒负样本一定不要省。我加了大约5%完全没有裂缝的纯背景图进训练集比如干净的桥面、平整的沥青路。这样做的目的是压误检——模型没见过的背景容易乱报喂一些负样本让它知道“这些地方没有裂缝”precision会明显提升。3. 环境配置与YOLOv8训练实测3.1 训练到底需不需要GPU搜索这个项目关键词时看到好多人问“YOLOv8需要用到GPU吗”。分两个阶段回答训练阶段强烈建议GPUCPU不是不能跑是慢到没有耐心等完——yolov8s在纯CPU上训练100个epoch按我的数据量可能要跑几十个小时显卡上也就是几个小时的事推理阶段QT端用CPU完全没问题800ms以内的单帧延迟对裂缝检测这种非实时场景完全能接受。我用的GTX 1660Ti 6G显存实测下来yolov8n可以轻松跑batch 16yolov8s跑batch 16在640分辨率下也扛得住yolov8m就比较吃力了batch要降到8以下训练时间明显拉长。所以6G显存这个档位优先在n和s里选。软件栈方面推荐Python 3.9 torch 2.x ultralyticsCUDA版本选11.8比较稳太新的CUDA配合老显卡反而容易出兼容问题。3.2 训练参数可以直接抄作业训练配置文件不强求直接命令行就能启动yolo detect train datadataset.yaml modelyolov8s.pt epochs150 imgsz640 batch16 patience20 projectruns namecrackdataset.yaml里指定train和val路径nc1names[crack]这个不用多说。几个关键参数讲一下为什么这么设imgsz640我原始图最大能有4000×3000直接拿原始尺寸训练一张图就要吃好几个G显存而且小目标的像素尺寸会被压得更小反而难学。更合理的做法是先用滑窗把大图切成640×640的小块再喂给模型训练。切图的时候我设置了10%~20%的重叠率避免裂缝正好被切在边缘上导致漏检。epochs150 patience20150轮训练配上早停机制。模型通常在60~90轮左右就收敛了patience20的意思是连续20轮验证集指标不提升就自动停止防止过拟合。optimizer默认auto会自动选AdamW对中小数据集挺友好的我没动。训练过程中loss曲线大概是这样前10轮下降非常陡box loss和cls loss都在快速收敛后面30~50轮进入平缓期会有小幅波动最终稳定下来。这个阶段不用每天盯着看日志里每轮的mAP50趋势就行。3.3 训练结果怎么评估单类别裂缝检测我主要看三个指标mAP50、mAP50-95、recall。mAP50到0.8以上算基本可用0.7左右就需要继续优化。我这次best.pt的最终成绩是mAP500.87mAP50-950.52precision0.86recall0.88在实际测试集上表现够用。如果recall偏低说明漏检多优先考虑提高imgsz、增加小目标样本、或者做滑窗切图时降低切图尺寸。如果precision偏低说明误检多优先检查是否缺负样本、是否场景差异太大。训练完务必看一下验证集上的badcase很多问题在指标上看不出来一看图就知道是标注问题还是数据分布问题。调完模型执行导出命令yolo export modelruns/crack/weights/best.pt formatonnx dynamicFalse imgsz640导出后用Netron打开best.onnx确认输出维度我这边输出是(1, 6, 8400)因为只有一个类别84对应的就是“4个坐标 1个置信度 1个类别概率”里的6。这一步确认好后面QT端解析输出才不会搞错。4. QT界面开发与模型集成4.1 界面功能设计QT端界面用了Qt 5.15.2整体结构是一个典型的图像处理软件布局顶部工具栏左侧大图显示区右侧信息面板和结果列表底部是状态栏。功能上支持打开单张图片、打开视频文件、摄像头实时检测、停止检测、清空结果和导出报表按钮逻辑都不复杂复杂的是界面背后跟模型推理的配合。右侧信息面板实时显示裂缝数量、平均置信度、单帧检测耗时以及当前的FPS。检测结果会同步列在下方的表格里每一行显示目标编号、左上角坐标、框的宽高和置信度。界面用QSS做了一套深色主题对图像显示友好观感上也比较专业。4.2 推理必须放子线程别在主线程里跑模型这是这个项目里最容易犯、一犯就必炸的错。Qt主线程要跑UI事件循环如果你在按钮点击事件里直接做ONNX Runtime推理模型推理期间界面就会完全卡死窗口拖不动、按钮点不了严重的还会被系统判定为“无响应”。虽然单帧推理只要几十毫秒但视频流检测时帧率上来卡顿感会非常明显。正确做法是把检测工作放到QThread里用信号槽传递结果。核心结构类似这样class DetectWorker : public QObject { Q_OBJECT public slots: void doDetect(const cv::Mat frame); signals: void resultReady(const DetectionResult result); };主线程通过信号把图像传给worker检测检测完成后worker再通过resultReady信号把带检测框的结果图像和统计信息传回主线程更新UI。视频检测时还要做帧率控制用一个队列加条件变量处理不过来就丢帧保证界面始终流畅。4.3 ONNX Runtime推理的完整流程模型加载用ONNX Runtime C API这个库非常简洁。推理管线核心是四步// 1. letterbox等比例缩放灰边填充 cv::Mat letterbox(const cv::Mat src, int target 640); // 2. 预处理BGR转RGB归一化到0~1HWC转CHW // 3. 推理session-Run() // 4. 后处理解析输出 置信度过滤 NMS 坐标还原letterbox是最容易出问题的一步。很多人图省事直接cv::resize把图拉伸到640×640检测出来的框会整体偏移尤其是非正方形原图偏差特别明显。正确做法是保持长宽比缩放然后用灰色(114,114,114)填充剩余区域记录缩放比例和padding偏移量后处理时再映射回原图坐标。输出解析这块ONNX模型输出shape是(1, 6, 8400)8400是三个尺度特征图预设anchor的总数。解析时先转置成(8400, 6)按置信度阈值0.25过滤剩下的候选框用cv::dnn::NMSBoxes做非极大值抑制IoU阈值默认0.45。NMS的作用是同一裂缝上多个重叠框时只保留置信度最高的那个不然后处理结果会很难看。4.4 加分项裂缝宽度估算光输出检测框有时候还满足不了实际需求。工程现场的人更关心这条裂缝大概多宽是缝还是裂纹。我在QT界面里加了一个宽度估算功能检测框拿到后对框内区域做灰度化、大津阈值分割提取裂缝像素再结合标定信息估算宽度范围。这个功能属于后处理扩展原理不复杂但实际验收时特别加分。5. 打包发布与常见问题排查5.1 用windeployqt打包exe训练好的模型和QT界面都齐了最后一步是把程序打包成可以发给别人、双击就能跑的exe。打包我用的是Qt自带的windeployqt工具步骤很简单用Release模式编译整个工程得到单独的exe。在exe所在目录执行windeployqt your_app.exe它会自动把Qt的dll和plugins目录拷进来。手动把opencv_world4xx.dll、onnxruntime.dll复制到exe目录。用整个exe目录做分发。windeployqt有一个坑它有时候不会自动带全OpenCV和ONNX Runtime的依赖需要手动补。补完最好用Dependencies这个工具扫一遍exe确认没有红色未解析项再发出去。5.2 必踩的坑no qt platform plugin could be initialized这个报错几乎是所有Qt打包新手都会遇到的搜索引擎里相关热度居高不下。现象是程序在外面电脑上双击后弹出一个黑色错误框提示no qt platform plugin could be initialized然后程序退出。根本原因就一个exe旁边缺少qwindows.dll这个平台插件。Qt的GUI程序启动时要加载平台插件找不到就当场罢工。解决办法是把Qt安装目录下plugins/platforms整个目录复制到你exe同级目录下保持platforms/qwindows.dll这种相对结构。也可以设置环境变量QT_QPA_PLATFORM_PLUGIN_PATH指向插件目录但打包分发时直接复制目录最省事。还有一个细节点如果你把程序放在中文路径下偶尔也会触发类似的插件加载异常分发时尽量让对方的路径保持纯英文能避开很多玄学问题。5.3 高频问题速查表现象可能原因处理方式双击exe提示缺少DLLwindeployqt漏掉依赖用Dependencies扫描后补dll打开界面后卡死推理运行在GUI主线程把推理逻辑放到QThread子线程检测框位置偏得不正常letterbox后坐标没还原后处理时乘回缩放比并减去padding中文路径的图片打不开OpenCV imread对中文路径支持差用QFile读成字节再imdecode训练时loss变成nan学习率过大或标签越界降低学习率、扫描标注txt同一裂缝重复出很多框NMS阈值太低或没做NMS确保做了NMSIoU设0.45mAP高但现场实际检测差训练数据和现场场景差异大采集现场数据增量训练增加负样本5.4 后续可以怎么扩展这个项目做完后往工程化方向继续走的路子其实是通的模型可以导出TensorRT部署到RK3588、Jetson这类边缘设备QT端逻辑改成接收网络流或者串口数据就能做在线检测算法层面如果想进一步提升细长裂缝的召回率可以试试给小目标增加P2检测头或者用GFPN、CFFM这类改进结构替换默认neck网上也有不少现成方案可以参考。数据集本身也可以整理成标准的YOLO格式持续扩充后续遇到新场景直接增量训练就行。最后再分享一个小技巧。我在项目后期给QT界面加了一个“导出检测报表”功能把检测结果连同原图文件名、裂缝数量、平均置信度、检测时间一起写入CSV和Excel工程验收的时候直接拿报表给甲方看比当场一张一张截图省事太多。很多同学容易忽略这种“非核心但很实用”的小功能但其实它对整体体验的提升非常明显。本文还有配套的精品资源点击获取
基于YOLOv8与Qt的桥梁裂缝检测系统实战复盘
简介针对桥梁道路裂缝检测需求这套资料包提供基于YOLOv8的完整落地解决方案适合计算机视觉初学者、算法工程师及土木工程相关研究者快速上手。压缩包内共2000个文件包含1610个txt格式标注文件、139张jpg原始图像、171个Python源码、56个yaml配置文件以及训练好的pt权重和QT界面ui文件等可用于模型训练、验证与可视化部署。数据集已按YOLO格式标注并同时提供xml格式标签配置好PyTorch环境即可直接调用。模型在道路裂缝场景上完成训练能识别多种裂缝形态配套QT界面方便非专业用户进行图片或视频检测。资料包整体约374MB附带说明文档、启动脚本和配置文件结构清晰。当前已有1282人学习下载适合需要快速获取训练模型、标注数据集并搭建检测界面的开发者。 做桥梁和道路裂缝检测这个方向前前后后折腾了两个多月从数据采集、标注、训练YOLOv8模型到最后用QT把整套流程包成一个带界面的桌面工具总算是完整跑通了一套可以拿来直接用的方案。这篇文章把这个项目完整复盘一遍重点说清楚几件事为什么选YOLOv8而不是传统图像处理或者别的检测框架训练好的模型和标注好的数据集从哪来、怎么用QT界面又是怎么和模型配合的以及在打包发布和实际部署里踩过的那些坑。适合正在做土木视觉检测、毕业设计或者想把深度学习检测模型落到桌面端工具的朋友参考。1. 项目整体思路与方案选型1.1 为什么是YOLOv8而不是传统图像处理裂缝检测这个场景最直觉的做法其实是传统图像处理Canny边缘检测、Sobel算子、阈值分割之类。早期我也试过效果怎么说呢在干净的路面、均匀光照下确实能出结果但一到真实场景就撑不住了——阴影、伸缩缝、积水痕迹、柏油路面的石料纹理全是干扰边缘检测结果里毛刺多到没法看而且你根本没法区分裂缝和伸缩缝更别说还要输出位置和置信度。深度学习目标检测把这个问题的解法完全换了一种思路把“裂缝长什么样”交给模型去学习端到端输出检测框、类别和置信度。YOLO系列是这里面的常青树而YOLOv8在工程落地上有几点特别诱人首先是anchor-free 解耦检测头的架构对小目标更友好裂缝恰恰是典型的小目标细长目标其次是ultralytics官方库把训练、验证、导出这条链路封装得非常顺一条命令就能训完再导出ONNX第三是生态好后续要往RK3588、Jetson这类边缘设备上迁移也有成熟的部署路径。选具体规格时我对比了yolov8n/s/m三个尺寸。桥梁公路裂缝这种目标细长、数量不一定多但背景复杂纯追求速度选n追求精度但显存有限的选s。我手里这块GTX 1660Ti 6G显存最后定在yolov8s性能和显存之间刚好平衡。1.2 为什么界面选QT模型训练好之后总不能每张图都跑到命令行里去检测。工程验收、现场检查的人需要的是一个能打开图片、点一下按钮就能出结果的工具。桌面端选型主要在QT和纯Python那套GUI方案之间纠结。如果用PySide6或者pyqt开发确实快画界面几乎零成本跑模型也方便。但真到交付阶段Python打包体积大、启动慢而且现场机器上各种兼容问题会把你折磨疯。C Qt ONNX Runtime这套组合部署体积小、启动快、内存占用稳打包出来一个exe就能跑非常省心。所以这个项目的技术路线非常明确训练阶段用Python ultralytics部署阶段用Qt 5.15.2 MSVC2019 OpenCV ONNX Runtime。训练和部署完全解耦模型只以best.onnx的形式提供给QT端后面想换TensorRT版本或者换边缘设备上位机逻辑基本不用动。1.3 完整数据流整个系统的数据链路是这样的打开图片/视频流 → 读取帧 → letterbox等比例缩放填充到640×640 → ONNX Runtime前向推理 → 解析输出(1, 84, 8400) → 置信度过滤 NMS → 坐标映射回原图 → 在界面上绘制检测框和统计信息 → 支持结果导出2. 数据集准备与标注决定上限的一步2.1 数据怎么来说句实在话这个项目里最花时间的不是训练是数据。深度学习任务里有个说法模型只是逼近数据的上限。裂缝检测尤其典型网上公开的桥梁裂缝数据集非常少大部分做这个方向的人都是自己采集。我这次的数据来源分两块。一块是自己拍的桥梁高墩、箱梁腹板、桥面铺装、水泥混凝土路面和沥青路面分开拍尽量覆盖不同的光照条件——大太阳底下的强阴影、阴天的漫反射、树荫遮挡还有不同拍摄距离和角度。另一块是公开数据集补充像CrackForest这些道路裂缝数据集质量不错可以拿来补充路面场景的样本。最终整理出1800张图道路场景约1200张、桥梁场景约600张。单类别“crack”标注框总数大概4600个。做下来我的感受是单类别目标检测想有实用效果数据量最好控制在1000张以上少于这个量模型在没见过的场景上泛化能力会明显不足。当然如果你能搞到3000张以上效果会更稳。2.2 标注规范和工具标注工具我用的LabelImg导出YOLO格式的txt文件每行是“类别id 中心x 中心y 宽 高”坐标全部归一化到0~1之间。工具本身没什么好讲的重点是标注规范。裂缝这种目标跟检测猫狗完全不一样它细长、不规则、经常被阴影或者障碍物打断。我总结了几条实践规范检测框要紧贴裂缝区域不要为了省事把整段路面框进去框里背景太多会干扰模型学习。一条完整裂缝被障碍物、桥面接缝、树影隔断时要分成多个框分别标注。模型学的是局部纹理特征分框标注不仅不影响效果还等于变相增加样本。尽量少出现极端长宽比的框。很多人习惯把一个一米多长的裂缝用一个细长条框起来这在归一化坐标里计算没问题但对模型回归不太友好。我是把长裂缝切成几个子块来框实测对收敛速度有小幅提升。质检环节必须做写个脚本扫描所有txt检查有没有空标签文件、有没有坐标越界、有没有类别id超出范围。这类低级错误在训练时会莫名其妙地让loss变成nan排查起来非常痛苦。数据划分上我按8:1:1切成训练集1440张、验证集180张、测试集180张。划分的时候确保同一场景的照片不要同时出现在训练集和测试集里否则会有数据泄漏指标虚高。2.3 数据增强的取舍YOLOv8训练时默认开了不少数据增强Mosaic、随机左右翻转、HSV色域变换、随机平移缩放。这些默认配置在常规目标上表现不错但裂缝场景要稍微动一下。Mosaic是把四张图拼成一张训练对小目标场景是好事但它有可能把一条完整裂缝切成好几截目标变得特别碎。我在实际对比中把mosaic概率从默认的1.0降到0.6最终mAP50反而涨了一点。另外针对裂缝场景我又额外加了亮度和对比度抖动用来模拟逆光、阴影、阴天的光照变化以及轻微高斯模糊模拟雨天或者镜头失焦的情况。有个点要特别提醒负样本一定不要省。我加了大约5%完全没有裂缝的纯背景图进训练集比如干净的桥面、平整的沥青路。这样做的目的是压误检——模型没见过的背景容易乱报喂一些负样本让它知道“这些地方没有裂缝”precision会明显提升。3. 环境配置与YOLOv8训练实测3.1 训练到底需不需要GPU搜索这个项目关键词时看到好多人问“YOLOv8需要用到GPU吗”。分两个阶段回答训练阶段强烈建议GPUCPU不是不能跑是慢到没有耐心等完——yolov8s在纯CPU上训练100个epoch按我的数据量可能要跑几十个小时显卡上也就是几个小时的事推理阶段QT端用CPU完全没问题800ms以内的单帧延迟对裂缝检测这种非实时场景完全能接受。我用的GTX 1660Ti 6G显存实测下来yolov8n可以轻松跑batch 16yolov8s跑batch 16在640分辨率下也扛得住yolov8m就比较吃力了batch要降到8以下训练时间明显拉长。所以6G显存这个档位优先在n和s里选。软件栈方面推荐Python 3.9 torch 2.x ultralyticsCUDA版本选11.8比较稳太新的CUDA配合老显卡反而容易出兼容问题。3.2 训练参数可以直接抄作业训练配置文件不强求直接命令行就能启动yolo detect train datadataset.yaml modelyolov8s.pt epochs150 imgsz640 batch16 patience20 projectruns namecrackdataset.yaml里指定train和val路径nc1names[crack]这个不用多说。几个关键参数讲一下为什么这么设imgsz640我原始图最大能有4000×3000直接拿原始尺寸训练一张图就要吃好几个G显存而且小目标的像素尺寸会被压得更小反而难学。更合理的做法是先用滑窗把大图切成640×640的小块再喂给模型训练。切图的时候我设置了10%~20%的重叠率避免裂缝正好被切在边缘上导致漏检。epochs150 patience20150轮训练配上早停机制。模型通常在60~90轮左右就收敛了patience20的意思是连续20轮验证集指标不提升就自动停止防止过拟合。optimizer默认auto会自动选AdamW对中小数据集挺友好的我没动。训练过程中loss曲线大概是这样前10轮下降非常陡box loss和cls loss都在快速收敛后面30~50轮进入平缓期会有小幅波动最终稳定下来。这个阶段不用每天盯着看日志里每轮的mAP50趋势就行。3.3 训练结果怎么评估单类别裂缝检测我主要看三个指标mAP50、mAP50-95、recall。mAP50到0.8以上算基本可用0.7左右就需要继续优化。我这次best.pt的最终成绩是mAP500.87mAP50-950.52precision0.86recall0.88在实际测试集上表现够用。如果recall偏低说明漏检多优先考虑提高imgsz、增加小目标样本、或者做滑窗切图时降低切图尺寸。如果precision偏低说明误检多优先检查是否缺负样本、是否场景差异太大。训练完务必看一下验证集上的badcase很多问题在指标上看不出来一看图就知道是标注问题还是数据分布问题。调完模型执行导出命令yolo export modelruns/crack/weights/best.pt formatonnx dynamicFalse imgsz640导出后用Netron打开best.onnx确认输出维度我这边输出是(1, 6, 8400)因为只有一个类别84对应的就是“4个坐标 1个置信度 1个类别概率”里的6。这一步确认好后面QT端解析输出才不会搞错。4. QT界面开发与模型集成4.1 界面功能设计QT端界面用了Qt 5.15.2整体结构是一个典型的图像处理软件布局顶部工具栏左侧大图显示区右侧信息面板和结果列表底部是状态栏。功能上支持打开单张图片、打开视频文件、摄像头实时检测、停止检测、清空结果和导出报表按钮逻辑都不复杂复杂的是界面背后跟模型推理的配合。右侧信息面板实时显示裂缝数量、平均置信度、单帧检测耗时以及当前的FPS。检测结果会同步列在下方的表格里每一行显示目标编号、左上角坐标、框的宽高和置信度。界面用QSS做了一套深色主题对图像显示友好观感上也比较专业。4.2 推理必须放子线程别在主线程里跑模型这是这个项目里最容易犯、一犯就必炸的错。Qt主线程要跑UI事件循环如果你在按钮点击事件里直接做ONNX Runtime推理模型推理期间界面就会完全卡死窗口拖不动、按钮点不了严重的还会被系统判定为“无响应”。虽然单帧推理只要几十毫秒但视频流检测时帧率上来卡顿感会非常明显。正确做法是把检测工作放到QThread里用信号槽传递结果。核心结构类似这样class DetectWorker : public QObject { Q_OBJECT public slots: void doDetect(const cv::Mat frame); signals: void resultReady(const DetectionResult result); };主线程通过信号把图像传给worker检测检测完成后worker再通过resultReady信号把带检测框的结果图像和统计信息传回主线程更新UI。视频检测时还要做帧率控制用一个队列加条件变量处理不过来就丢帧保证界面始终流畅。4.3 ONNX Runtime推理的完整流程模型加载用ONNX Runtime C API这个库非常简洁。推理管线核心是四步// 1. letterbox等比例缩放灰边填充 cv::Mat letterbox(const cv::Mat src, int target 640); // 2. 预处理BGR转RGB归一化到0~1HWC转CHW // 3. 推理session-Run() // 4. 后处理解析输出 置信度过滤 NMS 坐标还原letterbox是最容易出问题的一步。很多人图省事直接cv::resize把图拉伸到640×640检测出来的框会整体偏移尤其是非正方形原图偏差特别明显。正确做法是保持长宽比缩放然后用灰色(114,114,114)填充剩余区域记录缩放比例和padding偏移量后处理时再映射回原图坐标。输出解析这块ONNX模型输出shape是(1, 6, 8400)8400是三个尺度特征图预设anchor的总数。解析时先转置成(8400, 6)按置信度阈值0.25过滤剩下的候选框用cv::dnn::NMSBoxes做非极大值抑制IoU阈值默认0.45。NMS的作用是同一裂缝上多个重叠框时只保留置信度最高的那个不然后处理结果会很难看。4.4 加分项裂缝宽度估算光输出检测框有时候还满足不了实际需求。工程现场的人更关心这条裂缝大概多宽是缝还是裂纹。我在QT界面里加了一个宽度估算功能检测框拿到后对框内区域做灰度化、大津阈值分割提取裂缝像素再结合标定信息估算宽度范围。这个功能属于后处理扩展原理不复杂但实际验收时特别加分。5. 打包发布与常见问题排查5.1 用windeployqt打包exe训练好的模型和QT界面都齐了最后一步是把程序打包成可以发给别人、双击就能跑的exe。打包我用的是Qt自带的windeployqt工具步骤很简单用Release模式编译整个工程得到单独的exe。在exe所在目录执行windeployqt your_app.exe它会自动把Qt的dll和plugins目录拷进来。手动把opencv_world4xx.dll、onnxruntime.dll复制到exe目录。用整个exe目录做分发。windeployqt有一个坑它有时候不会自动带全OpenCV和ONNX Runtime的依赖需要手动补。补完最好用Dependencies这个工具扫一遍exe确认没有红色未解析项再发出去。5.2 必踩的坑no qt platform plugin could be initialized这个报错几乎是所有Qt打包新手都会遇到的搜索引擎里相关热度居高不下。现象是程序在外面电脑上双击后弹出一个黑色错误框提示no qt platform plugin could be initialized然后程序退出。根本原因就一个exe旁边缺少qwindows.dll这个平台插件。Qt的GUI程序启动时要加载平台插件找不到就当场罢工。解决办法是把Qt安装目录下plugins/platforms整个目录复制到你exe同级目录下保持platforms/qwindows.dll这种相对结构。也可以设置环境变量QT_QPA_PLATFORM_PLUGIN_PATH指向插件目录但打包分发时直接复制目录最省事。还有一个细节点如果你把程序放在中文路径下偶尔也会触发类似的插件加载异常分发时尽量让对方的路径保持纯英文能避开很多玄学问题。5.3 高频问题速查表现象可能原因处理方式双击exe提示缺少DLLwindeployqt漏掉依赖用Dependencies扫描后补dll打开界面后卡死推理运行在GUI主线程把推理逻辑放到QThread子线程检测框位置偏得不正常letterbox后坐标没还原后处理时乘回缩放比并减去padding中文路径的图片打不开OpenCV imread对中文路径支持差用QFile读成字节再imdecode训练时loss变成nan学习率过大或标签越界降低学习率、扫描标注txt同一裂缝重复出很多框NMS阈值太低或没做NMS确保做了NMSIoU设0.45mAP高但现场实际检测差训练数据和现场场景差异大采集现场数据增量训练增加负样本5.4 后续可以怎么扩展这个项目做完后往工程化方向继续走的路子其实是通的模型可以导出TensorRT部署到RK3588、Jetson这类边缘设备QT端逻辑改成接收网络流或者串口数据就能做在线检测算法层面如果想进一步提升细长裂缝的召回率可以试试给小目标增加P2检测头或者用GFPN、CFFM这类改进结构替换默认neck网上也有不少现成方案可以参考。数据集本身也可以整理成标准的YOLO格式持续扩充后续遇到新场景直接增量训练就行。最后再分享一个小技巧。我在项目后期给QT界面加了一个“导出检测报表”功能把检测结果连同原图文件名、裂缝数量、平均置信度、检测时间一起写入CSV和Excel工程验收的时候直接拿报表给甲方看比当场一张一张截图省事太多。很多同学容易忽略这种“非核心但很实用”的小功能但其实它对整体体验的提升非常明显。本文还有配套的精品资源点击获取
