4. 数据集准备与标注：工业数据集来源、LabelImg与CVAT标注工具使用、标注格式转换（XML转TXT）

做工业视觉，最头疼的事是什么？

不是模型选型，不是调参，而是——数据。

我在好几个项目里都栽过跟头。有一次，客户给了两万张产线图片，结果打开一看，全是同一批次的产品，光照、角度、背景几乎一模一样。模型训练完，在实验室跑得飞起，一到现场就崩了。说白了，数据质量决定了模型的天花板。

这一章，我就把工业数据集怎么找、怎么标、怎么转格式，掰开了讲清楚。

4.1 工业数据集从哪来？

工业场景的数据集，不像公开数据集那样随手就能下载。我一般从三个渠道入手：

来源	特点	适合场景
公开数据集	免费、量大、但场景泛化	预训练、算法验证
产线采集	真实、但成本高、需脱敏	最终部署、定制化模型
合成数据	可控、可补长尾、但需验证	缺陷样本不足、极端场景

4.1.1 公开数据集推荐

工业视觉领域，有几个数据集我反复用过：

• MVTec AD：工业异常检测的标杆，15类物体，包含纹理、物体、药品等。我拿它做基线测试，百试不爽。
• NEU-DET：钢材表面缺陷，6类常见缺陷（裂纹、夹杂、斑块等）。做金属检测的同学可以重点关注。
• PCB-DET：印刷电路板缺陷，短路、断路、孔洞等。电子制造行业必备。

4.2 标注工具：LabelImg vs CVAT

标注工具我用了不少，但真正在工业项目里站稳脚跟的，就两个：LabelImg 和 CVAT。

为什么是它们？

• LabelImg：轻量、离线、单机搞定。适合小团队、快速验证。
• CVAT：在线协作、功能强大、支持半自动标注。适合多人团队、大规模标注。

4.2.1 LabelImg：轻量级标注利器

LabelImg 是我个人最常用的工具。它基于 Python + Qt，安装简单，开箱即用。

安装方式：

# 方式一：pip 安装
pip install labelImg

# 方式二：源码运行
git clone https://github.com/tzutalin/labelImg
cd labelImg
python labelImg.py

使用步骤：

1. 打开 LabelImg，点击 Open Dir 选择图片文件夹。
2. 点击 Change Save Dir 设置标注文件保存路径。
3. 按 w 键进入标注模式，框选目标。
4. 输入类别名称（如 bottle_defect），确认。
5. 按 Ctrl+S 保存，默认生成 XML 文件（Pascal VOC 格式）。

我在项目里遇到过一个问题：标注到一半，软件突然卡死，没保存的标注全丢了。后来我养成了一个习惯——每标完一张图就按一次 Ctrl+S。别嫌麻烦，血的教训。

4.2.2 CVAT：团队协作标注平台

CVAT 是 Intel 开源的在线标注平台。它最大的优势是多人协作和半自动标注。

部署方式：

# 使用 Docker 一键部署
docker run -p 8080:8080 \
  -e CVAT_HOST=your-server-ip \
  cvat/server

部署完成后，浏览器打开 http://localhost:8080，注册账号即可使用。

核心功能：

• 任务分配：管理员创建任务，分配给不同标注员。
• 半自动标注：内置深度学习模型（如 YOLO、Mask R-CNN），先自动标注，人工修正。
• 质量控制：可以设置审核流程，标注完成后由专人检查。

4.3 标注格式转换：XML 转 TXT

工业场景里，标注格式五花八门。但 YOLO 只认一种——TXT 格式。

LabelImg 默认输出的是 Pascal VOC 格式（XML），而 YOLO 需要的是归一化坐标的 TXT。所以，格式转换是绕不开的一步。

4.3.1 两种格式的差异

格式	坐标表示	文件结构	适用框架
Pascal VOC (XML)	坐标 (xmin, ymin, xmax, ymax)	每个图片对应一个 XML 文件	Faster R-CNN, SSD
YOLO (TXT)	归一化坐标 (class, x_center, y_center, width, height)	每个图片对应一个 TXT 文件	YOLOv5, YOLOv8, YOLOX

归一化坐标的计算公式：

x_center = (xmin + xmax) / 2 / image_width
y_center = (ymin + ymax) / 2 / image_height
width    = (xmax - xmin) / image_width
height   = (ymax - ymin) / image_height

4.3.2 转换脚本实战

我写了一个 Python 脚本，专门做这个转换。它是我工具箱里最常用的脚本之一。

import xml.etree.ElementTree as ET
import os

def convert_voc_to_yolo(xml_file, output_dir, classes):
    """
    将 Pascal VOC XML 转换为 YOLO TXT
    :param xml_file: XML 文件路径
    :param output_dir: 输出目录
    :param classes: 类别列表，如 ['bottle', 'cap', 'label']
    """
    tree = ET.parse(xml_file)
    root = tree.getroot()

    # 获取图片尺寸
    size = root.find('size')
    img_width = int(size.find('width').text)
    img_height = int(size.find('height').text)

    # 生成 TXT 文件名
    txt_name = os.path.splitext(os.path.basename(xml_file))[0] + '.txt'
    txt_path = os.path.join(output_dir, txt_name)

    with open(txt_path, 'w') as f:
        for obj in root.findall('object'):
            class_name = obj.find('name').text
            if class_name not in classes:
                continue
            class_id = classes.index(class_name)

            bbox = obj.find('bndbox')
            xmin = int(bbox.find('xmin').text)
            ymin = int(bbox.find('ymin').text)
            xmax = int(bbox.find('xmax').text)
            ymax = int(bbox.find('ymax').text)

            # 归一化
            x_center = (xmin + xmax) / 2.0 / img_width
            y_center = (ymin + ymax) / 2.0 / img_height
            width = (xmax - xmin) / img_width
            height = (ymax - ymin) / img_height

            f.write(f"{class_id} {x_center:.6f} {y_center:.6f} {width:.6f} {height:.6f}\n")

# 使用示例
classes = ['bottle', 'cap', 'label']
xml_dir = 'path/to/xml_files'
output_dir = 'path/to/txt_files'

for xml_file in os.listdir(xml_dir):
    if xml_file.endswith('.xml'):
        convert_voc_to_yolo(os.path.join(xml_dir, xml_file), output_dir, classes)

4.4 本章知识体系

我把这一章的核心逻辑画成了流程图，方便你理解数据准备的完整链路：

从数据来源到标注工具，再到格式转换，每一步都有坑。但只要你按这个流程走，至少能保证数据准备阶段不出大问题。