红外管道泄漏检测数据集：505张VOC/YOLO格式与YOLO训练实战

1. 红外图像管道泄漏检测数据集的核心价值拆解

1.1 为什么红外图像适合做管道泄漏检测

管道泄漏这件事，本质上是一个"温差事件"。无论是供热管道、化工输送管道还是埋地输油管道，一旦发生泄漏，泄漏点附近的温度场分布就会和周围正常区域产生明显差异。这种差异在可见光图像里几乎看不出来——管道外壁可能完好无损，颜色纹理毫无异常，但红外热成像仪能直接捕捉到这种温度异常，把泄漏点以高亮或暗斑的形式暴露出来。

这就是红外图像做管道泄漏检测的底层逻辑：利用热辐射差异实现非接触式、大面积、全天候的异常定位。相比传统的声波检测、压力梯度法、光纤传感方案，红外成像的优势在于响应快、覆盖广、不需要在管道上布设传感器，尤其适合巡检场景下的快速筛查。

但问题也随之而来：红外图像的信噪比普遍偏低，背景热噪声、环境反射、大气衰减都会干扰判断。人眼盯着热像图看久了容易疲劳漏判，这时候就需要引入深度学习目标检测模型来自动识别泄漏区域。而训练一个靠谱的检测模型，第一步就是要有标注好的数据集。

1.2 505张1类别数据集的定位与适用边界

这个数据集的核心参数很明确：505张红外图像，VOC和YOLO两种标注格式，1个类别。1个类别意味着它只做"泄漏/非泄漏"的二分类检测，不区分泄漏类型、泄漏程度或管道材质。这个定位决定了它的适用场景：

• 适合：快速验证红外管道泄漏检测的可行性、做baseline模型训练、教学演示、算法原型开发
• 不适合：直接用于工业级部署（样本量偏少）、多类别泄漏分类任务、需要精细分割的场景

505张这个量级，说实话不算大。按照目标检测的经验法则，单类别检测任务至少需要每类500-1000个实例才能让模型收敛到可用水平。505张图像如果每张有1-2个泄漏目标，实例总数大概在500-1000之间，刚好卡在"能训出东西但容易过拟合"的临界线上。所以这个数据集的正确用法是作为起点，配合数据增强、迁移学习、以及后续的主动学习扩充，而不是指望它一步到位。

1.3 VOC与YOLO双格式的实际意义

数据集同时提供VOC和YOLO两种格式，这不是简单的格式冗余，而是覆盖了两条主流技术路线：

VOC格式的XML文件保留了图像尺寸、目标类别、边界框的绝对像素坐标，适合需要精确坐标回溯的场景；YOLO格式的TXT文件把坐标归一化到0-1之间，直接喂给YOLO系列训练脚本就能跑。两种格式并存，意味着你可以用同一批图像在MMDetection里跑Faster R-CNN，也可以在Ultralytics里跑YOLOv8，做横向对比实验时省去了格式转换的麻烦。

注意：格式转换本身有坑。VOC转YOLO时如果图像尺寸记录错误，归一化坐标会整体偏移；YOLO转VOC时如果忘记乘以图像宽高，框会缩到左上角。拿到数据集后第一件事应该是可视化验证标注是否正确。

2. 数据集结构与标注细节深度解析

2.1 目录组织与文件命名规范

一个规范的目标检测数据集，目录结构应该清晰到"闭着眼睛都能找到文件"。基于VOC+YOLO双格式的常见组织方式，我推测这个数据集的目录结构大致如下：

pipe_leak_dataset/ ├── JPEGImages/ # 505张红外图像 │ ├── 000001.jpg │ ├── 000002.jpg │ └── ... ├── Annotations/ # VOC格式XML标注 │ ├── 000001.xml │ ├── 000002.xml │ └── ... ├── labels/ # YOLO格式TXT标注 │ ├── 000001.txt │ ├── 000002.txt │ └── ... ├── ImageSets/ │ └── Main/ │ ├── train.txt │ ├── val.txt │ └── test.txt └── data.yaml # YOLO训练配置文件

这里有几个细节值得注意。图像文件名和标注文件名必须严格一一对应，差一个字符就会导致训练时找不到标注。ImageSets/Main/下的txt文件记录的是不含扩展名的图像ID列表，这是VOC标准做法。而YOLO训练需要的data.yaml则要指定train、val、nc、names四个关键字段。

2.2 VOC XML标注文件字段解读

打开一个典型的VOC XML文件，你会看到这样的结构：

<annotation> <folder>JPEGImages</folder> <filename>000001.jpg</filename> <size> <width>640</width> <height>512</height> <depth>3</depth> </size> <object> <name>leak</name> <pose>Unspecified</pose> <truncated>0</truncated> <difficult>0</difficult> <bndbox> <xmin>213</xmin> <ymin>156</ymin> <xmax>387</xmax> <ymax>302</ymax> </bndbox> </object> </annotation>

其中<size>里的宽高是图像的真实像素尺寸，<bndbox>是泄漏区域的绝对坐标。<name>字段就是类别名，这个数据集只有1类，所以所有object的name应该都是同一个值（可能是"leak"、"leakage"或"pipe_leak"之类）。<difficult>标记通常设为0，表示该目标不难以识别；如果某些泄漏区域特别模糊、被遮挡或面积过小，理论上应该标为1，但很多自建数据集会忽略这个字段。

2.3 YOLO TXT标注的归一化计算

YOLO格式的每一行代表一个目标，格式为：

<class_id> <x_center> <y_center> <width> <height>

所有数值都是归一化到0-1之间的浮点数。以刚才那个VOC标注为例，假设图像尺寸是640×512：

• x_center = (213 + 387) / 2 / 640 = 300 / 640 = 0.46875
• y_center = (156 + 302) / 2 / 512 = 229 / 512 = 0.44727
• width = (387 - 213) / 640 = 174 / 640 = 0.27188
• height = (302 - 156) / 512 = 146 / 512 = 0.28516

对应的TXT行就是：

0 0.46875 0.44727 0.27188 0.28516

这个计算过程看起来简单，但实际转换时最容易出错的地方是图像尺寸的获取。有些脚本直接从XML的<size>里读宽高，但如果XML里的尺寸和实际图像尺寸不一致（比如图像被裁剪过但XML没更新），归一化坐标就会错位。稳妥的做法是用PIL或OpenCV重新读取图像获取真实尺寸。

2.4 类别定义与标注一致性检查

1个类别的数据集，类别定义看似简单，但恰恰因为简单，标注一致性问题反而容易被忽视。我见过不少单类别数据集，标注时有人把"泄漏区域"框得很大（包含周围管道），有人只框泄漏点本身，还有人把反光误标成泄漏。这种不一致会直接导致模型学偏。

拿到数据集后，建议做一次标注一致性抽查：

• 随机抽20张图，用脚本把标注框画到图像上，肉眼检查框的位置是否合理
• 统计所有标注框的宽高分布，如果出现极端值（比如宽高比超过10:1的细长框），要确认是真实泄漏形状还是标注错误
• 检查是否有空标注文件（图像存在但TXT为空），这些样本在训练时会被当作负样本，如果数量过多会拉低召回率

实操心得：我习惯用labelImg或Label Studio重新打开数据集抽查，这两个工具都能直接加载VOC和YOLO格式，可视化效果比写脚本画框更直观。抽查比例不用太高，10%左右就能发现系统性问题。

3. 从零跑通YOLO训练的关键步骤

3.1 环境搭建与依赖版本选择

训练YOLO模型，环境配置是第一道坎。以目前主流的Ultralytics YOLOv8为例，推荐的环境组合是：

# 创建虚拟环境 conda create -n pipe_leak python=3.10 conda activate pipe_leak # 安装PyTorch（根据CUDA版本选择） pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118 # 安装Ultralytics pip install ultralytics # 验证安装 yolo checks

版本选择上有几个经验点：Python 3.10是目前兼容性最好的版本，3.11+在某些CUDA扩展上还有坑；PyTorch 2.x配合CUDA 11.8是经过大量验证的稳定组合；Ultralytics建议用最新版，因为旧版本对某些数据增强参数的支持不完整。

如果你的显卡显存小于8GB，训练时需要把batch调小，或者用yolov8n.pt这种nano模型。505张图的数据集，用YOLOv8n或YOLOv8s就足够了，上大模型反而容易过拟合。

3.2 data.yaml配置文件编写

YOLO训练的核心配置文件data.yaml需要包含以下字段：

path: /path/to/pipe_leak_dataset train: images/train val: images/val test: images/test nc: 1 names: 0: leak

这里有几个容易踩的坑：

• path必须是绝对路径，相对路径在不同工作目录下会解析失败
• train/val指向的是图像目录，YOLO会自动在同级目录下找labels文件夹里的TXT标注
• nc是类别数量，必须和names的条目数一致
• names的键从0开始，对应TXT文件里的class_id

如果数据集原本是VOC格式，需要先做格式转换。Ultralytics提供了转换脚本，但更稳妥的做法是自己写一个转换函数，顺便做数据校验：

import xml.etree.ElementTree as ET from PIL import Image import os def voc_to_yolo(xml_path, img_path, class_map): tree = ET.parse(xml_path) root = tree.getroot() # 从实际图像获取尺寸，而不是从XML读取 img = Image.open(img_path) w, h = img.size lines = [] for obj in root.findall('object'): name = obj.find('name').text if name not in class_map: continue cls_id = class_map[name] bbox = obj.find('bndbox') xmin = float(bbox.find('xmin').text) ymin = float(bbox.find('ymin').text) xmax = float(bbox.find('xmax').text) ymax = float(bbox.find('ymax').text) x_center = (xmin + xmax) / 2 / w y_center = (ymin + ymax) / 2 / h bw = (xmax - xmin) / w bh = (ymax - ymin) / h lines.append(f"{cls_id} {x_center:.6f} {y_center:.6f} {bw:.6f} {bh:.6f}") return lines

3.3 训练参数设置与显存优化

505张图的数据集，训练参数需要针对性调整。以下是我实测下来比较稳的一套配置：

from ultralytics import YOLO model = YOLO('yolov8s.pt') # 从预训练权重开始 results = model.train( data='data.yaml', epochs=200, # 小数据集需要更多轮次 imgsz=640, # 红外图像通常不需要太大分辨率 batch=16, # 根据显存调整 patience=50, # 早停耐心值 lr0=0.001, # 初始学习率 lrf=0.01, # 最终学习率因子 momentum=0.937, weight_decay=0.0005, warmup_epochs=3, augment=True, # 开启数据增强 mosaic=1.0, # Mosaic增强概率 mixup=0.1, # Mixup增强概率 copy_paste=0.1, # 复制粘贴增强 device=0, # GPU编号 workers=4, project='pipe_leak_runs', name='exp1' )

关键参数的解释：

• epochs=200：小数据集需要更多轮次让模型充分学习，但配合patience=50可以防止无效训练
• imgsz=640：红外图像细节有限，640分辨率足够，再大只会增加计算量
• batch=16：8GB显存下YOLOv8s用16的batch比较稳，显存不够就降到8
• mosaic=1.0：Mosaic增强对小数据集特别有效，能显著提升泛化能力
• mixup=0.1：Mixup概率不宜过高，否则红外图像的温度特征会被过度混合

3.4 训练过程监控与指标解读

训练启动后，Ultralytics会在runs/detect/exp1/下生成一系列文件，其中最重要的是：

• results.csv：每个epoch的损失和指标记录
• weights/best.pt：验证集指标最好的权重
• weights/last.pt：最后一个epoch的权重
• confusion_matrix.png：混淆矩阵
• results.png：训练曲线图

需要重点关注的指标：

如果训练到50轮后mAP50还在0.3以下，大概率是数据或配置有问题，需要回头检查标注质量、类别定义、学习率设置。

4. 小数据集训练的避坑与调优策略

4.1 过拟合的识别与应对

505张图训练YOLO，过拟合是最常见的失败模式。典型表现是：训练集损失持续下降，但验证集损失在某个epoch后开始上升，mAP50停滞甚至下降。

识别过拟合的方法很简单，看results.png里的损失曲线。如果train/box_loss和val/box_loss的差距越来越大，就是过拟合的明确信号。

应对策略按优先级排列：

1. 增加数据增强强度：把mosaic保持1.0，mixup提到0.2，开启copy_paste和degrees旋转
2. 引入正则化：提高weight_decay到0.001，或者加dropout（YOLOv8默认没有dropout层，需要改模型结构）
3. 早停：patience设小一点，比如30，让训练在验证指标不再提升时及时停止
4. 冻结骨干网络：前50轮冻结backbone，只训练检测头，之后再解冻微调
5. 降低模型复杂度：从YOLOv8s换到YOLOv8n，参数量减少后过拟合风险降低

实操心得：我试过在505张图的数据集上直接训YOLOv8m，结果验证集mAP50卡在0.45上不去，换成YOLOv8s后反而到了0.72。小数据集配小模型，这是铁律。

4.2 红外图像特有的预处理技巧

红外图像和可见光图像在像素分布上有本质差异。可见光图像是RGB三通道，红外图像通常是单通道灰度（或者伪彩色三通道但信息量等价于单通道）。这个差异会影响YOLO的输入处理。

YOLO默认把输入图像当作3通道处理，如果红外图像是单通道，需要先转成3通道（复制或伪彩色映射）。但更关键的是对比度增强。红外图像的温度差异往往集中在很窄的灰度范围内，直接送进网络，泄漏区域和背景的区分度不够。

我常用的预处理流程：

import cv2 import numpy as np def preprocess_ir_image(img_path): # 读取为灰度 img = cv2.imread(img_path, cv2.IMREAD_GRAYSCALE) # CLAHE对比度受限自适应直方图均衡 clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8, 8)) img_eq = clahe.apply(img) # 转三通道 img_3ch = cv2.cvtColor(img_eq, cv2.COLOR_GRAY2BGR) return img_3ch

CLAHE的clipLimit控制对比度增强程度，2.0是比较温和的值，设太高会放大噪声。tileGridSize决定局部均衡的粒度，8×8适合大多数红外图像。

另一个技巧是两点校正。红外探测器存在非均匀性，图像上会有固定的条纹噪声。两点校正通过黑体参考源计算增益和偏移系数，对每个像素做线性校正。如果数据集里的图像已经做过校正，这步可以跳过；如果没做过，可以尝试用简单的高斯滤波或中值滤波做近似去噪。

4.3 数据增强的参数调优

YOLO内置的数据增强参数很多，但并非所有都适合红外管道泄漏检测。以下是我的推荐配置和理由：

# 适合红外管道泄漏检测的增强配置 hsv_h=0.0, # 红外图像无色调概念，关闭 hsv_s=0.0, # 饱和度对红外无意义，关闭 hsv_v=0.3, # 亮度微调，模拟不同曝光 degrees=10.0, # 小角度旋转，管道方向不会大变 translate=0.1, # 平移，模拟目标位置变化 scale=0.3, # 缩放，模拟不同距离拍摄 shear=2.0, # 轻微剪切 perspective=0.0, # 透视变换对红外图像不自然，关闭 flipud=0.0, # 上下翻转，管道泄漏场景不适用 fliplr=0.5, # 左右翻转，可以接受 mosaic=1.0, # Mosaic，强烈推荐 mixup=0.1, # Mixup，适度使用 copy_paste=0.1, # 复制粘贴，增加正样本

重点解释几个：

• hsv_h和hsv_s必须关掉，因为红外图像的"颜色"是伪彩色映射的结果，改变色调饱和度会破坏温度信息的物理意义
• flipud关掉是因为管道通常有重力方向性，上下翻转会产生不自然的样本
• mosaic保持1.0，这是小数据集最有效的增强手段，把4张图拼成1张，相当于变相增加了batch size和场景多样性
• copy_paste对单类别检测特别有用，可以把泄漏区域复制到其他图像上，增加正样本数量

4.4 迁移学习与预训练权重选择

505张图从零训练几乎不可能收敛到可用水平，必须用预训练权重。YOLOv8官方提供了在COCO数据集上预训练的权重，但COCO是可见光图像，和红外图像有域差异。

更好的选择是找红外图像预训练的权重。如果找不到，可以用COCO预训练权重做初始化，然后在前20轮冻结backbone只训练检测头，让检测头先适应红外域，之后再解冻全部参数微调。

# 第一阶段：冻结backbone model = YOLO('yolov8s.pt') model.train(data='data.yaml', epochs=20, freeze=10, lr0=0.001) # 第二阶段：解冻微调 model = YOLO('runs/detect/exp1/weights/best.pt') model.train(data='data.yaml', epochs=180, lr0=0.0001)

freeze=10表示冻结前10层（backbone的主要部分）。第二阶段的学习率要调小，因为此时模型已经接近最优，大学习率会破坏已学到的特征。

5. 模型评估与部署前的验证要点

5.1 验证集指标的可信度评估

mAP50达到0.8以上，是不是就说明模型可用了？不一定。505张图的数据集，验证集可能只有50-100张，指标波动会很大。我见过验证集mAP50=0.85但实际测试时漏检率超过30%的情况。

评估模型可信度，我通常会做三件事：

1. 交叉验证：把505张图分成5折，轮流做验证集，看mAP50的均值和方差。如果方差超过0.1，说明模型不稳定，需要更多数据或更强正则化
2. 按场景分层评估：如果数据集里包含不同管道类型、不同拍摄距离、不同环境温度的图像，要分别统计各子集的指标。整体指标好但某个子集指标差，说明模型在该场景下泛化不足
3. 可视化预测结果：随机抽50张验证集图像，用训练好的模型预测，把预测框和真实框画在一起对比。肉眼检查漏检和误检的模式

5.2 混淆矩阵与错误模式分析

YOLO训练完成后会生成confusion_matrix.png，这是分析错误模式的重要工具。单类别检测的混淆矩阵是2×2的：

重点关注FN（漏检）和FP（误检）的比例。管道泄漏检测场景下，漏检的代价远大于误检——漏掉一个泄漏点可能导致严重事故，而误检只是多派一次巡检。所以模型调优时应该优先保证高召回率，哪怕牺牲一些精确率。

如果FN偏高，可以：

• 降低置信度阈值（从0.25降到0.15）
• 增加正样本的增强强度
• 检查是否有小目标泄漏被忽略（YOLO对小目标检测能力有限）

如果FP偏高，可以：

• 提高置信度阈值
• 增加负样本（无泄漏的图像）
• 检查是否有反光、热源等干扰被误判

5.3 模型导出与推理速度测试

训练完成后，模型需要导出为部署格式。YOLOv8支持多种导出格式：

# 导出ONNX yolo export model=best.pt format=onnx # 导出TensorRT（需要NVIDIA GPU） yolo export model=best.pt format=engine half=True # 导出OpenVINO（Intel CPU/GPU） yolo export model=best.pt format=openvino

导出后必须做推理速度测试。管道巡检场景通常要求实时或准实时检测，推理速度直接决定方案可行性。测试方法：

import time from ultralytics import YOLO model = YOLO('best.onnx') img = 'test_image.jpg' # 预热 for _ in range(10): model(img) # 计时 start = time.time() for _ in range(100): model(img) end = time.time() print(f"平均推理时间: {(end - start) / 100 * 1000:.2f} ms")

在RTX 3060上，YOLOv8s ONNX模型的单张推理时间大约在15-25ms，换算成FPS是40-60，满足实时检测需求。如果部署在边缘设备（如Jetson Nano），可能需要用TensorRT加速，或者换更小的模型。

5.4 实际部署中的域偏移问题

实验室指标好看，部署到现场就拉胯，这是红外检测项目最常见的翻车点。域偏移的来源包括：

• 环境温度变化：夏天和冬天的背景温度分布完全不同
• 拍摄角度差异：训练集都是俯拍，现场可能是侧拍
• 设备差异：不同型号红外相机的分辨率、噪声特性、温度标定都不同
• 管道材质：金属管道和塑料管道的热传导特性不同，泄漏的热特征也不同

应对域偏移，最直接的办法是在目标场景下采集新数据并标注，用增量训练的方式微调模型。如果标注成本太高，可以先用无监督域适应方法（如风格迁移）把目标域图像转换成源域风格，再送进模型推理。

实操心得：我在一个供热管道项目上遇到过模型在实验室mAP50=0.82、现场只有0.51的情况。后来发现是现场管道外面包了保温层，泄漏的热量被保温层扩散了，热特征和训练集里的裸管泄漏完全不同。补标了200张带保温层的图像重新训练后，现场mAP50回到了0.76。数据集的场景覆盖度，比样本数量更重要。

6. 数据集扩展与持续迭代思路

6.1 主动学习：用模型找值得标注的样本

505张图训出的模型，虽然指标不一定很高，但已经可以用来做初步筛选。主动学习的思路是：用当前模型推理大量未标注图像，挑出模型"最不确定"的样本送去人工标注，标注后加入训练集重新训练。

"最不确定"的衡量方式有几种：

• 置信度在0.3-0.7之间的预测框（模型拿不准）
• 预测框数量异常多的图像（可能有很多误检）
• 与历史预测结果差异大的图像（可能是新场景）

这种方法能让每一张人工标注的图像都产生最大的信息增益，比随机抽样效率高得多。

6.2 半自动标注：模型预标注+人工修正

当模型mAP50达到0.6以上时，可以用模型做预标注，人工只需要修正错误的框，而不是从零画框。这能把标注效率提升3-5倍。

具体流程：

1. 用当前模型推理所有未标注图像，输出YOLO格式的预测TXT
2. 把预测TXT导入LabelImg或Label Studio
3. 人工检查并修正：删除误检框、补充漏检框、调整不准确的框
4. 修正后的标注加入训练集

这个流程的关键是预标注质量要过得去。如果模型mAP50低于0.5，预标注的框大部分都是错的，人工修正的时间可能比重新标注还长。

6.3 多模态融合的扩展方向

纯红外图像检测有局限性：当环境温度和泄漏点温度接近时，红外对比度会很低。这时候可以引入可见光图像做多模态融合。可见光提供纹理和结构信息，红外提供温度信息，两者互补能显著提升检测鲁棒性。

多模态数据集的组织方式通常是：同一场景同时采集红外和可见光图像，分别标注或联合标注。训练时可以用双流网络，或者把红外和可见光图像拼接成6通道输入。这个方向的数据集目前还比较稀缺，如果有条件采集，会是很有价值的扩展。

6.4 从检测到分割的升级路径

目标检测输出的是边界框，对于管道泄漏场景，边界框只能定位泄漏的大致区域，无法精确描述泄漏的形状和范围。如果需要更精细的分析（比如估算泄漏面积），就需要升级到实例分割。

YOLOv8-seg支持实例分割，标注格式是YOLO polygon格式（多边形顶点坐标）。从检测升级到分割，需要重新标注数据——把边界框改成多边形轮廓。这个标注成本更高，但输出的信息量也更大。如果项目对泄漏区域的精确量化有需求，这是值得投入的方向。

7. 几个容易被忽视的工程细节

7.1 图像尺寸不一致的处理

505张红外图像，尺寸可能不统一。有的红外相机输出640×512，有的输出320×240，还有的可能是384×288。YOLO训练时会把所有图像缩放到imgsz指定的大小（默认640），但如果原始图像的长宽比差异很大，缩放后会出现变形。

处理方式有两种：

• Letterbox：保持长宽比，短边补灰边。YOLO默认用这种方式，不会变形，但补边区域是无效信息
• 直接Resize：强制缩放到目标尺寸，会变形，但所有像素都是有效信息

对于红外图像，我倾向于用Letterbox，因为温度场的空间分布是有物理意义的，变形会破坏这种分布。Ultralytics的imgsz参数配合默认的Letterbox逻辑就能处理，不需要额外操作。

7.2 标注框的边界处理

当泄漏区域位于图像边缘时，标注框可能会超出图像边界。VOC格式允许坐标超出图像尺寸，但YOLO格式的归一化坐标必须在0-1之间。转换时需要做裁剪：

xmin = max(0, xmin) ymin = max(0, ymin) xmax = min(w, xmax) ymax = min(h, ymax)

如果不做裁剪，归一化后会出现负数或大于1的值，YOLO训练时会报错或产生异常梯度。

7.3 训练日志的保存与分析

YOLO训练默认只保存results.csv，但更详细的分析需要开启额外日志。我习惯在训练脚本里加TensorBoard回调：

from ultralytics import YOLO model = YOLO('yolov8s.pt') model.train( data='data.yaml', epochs=200, project='pipe_leak_runs', name='exp1', # 开启TensorBoard plots=True, save=True, save_period=10 # 每10轮保存一次权重 )

训练完成后，用tensorboard --logdir pipe_leak_runs启动TensorBoard，可以交互式查看损失曲线、学习率变化、指标趋势。比看静态的results.png直观得多。

7.4 随机种子的固定

深度学习训练有随机性，同样的数据和参数，两次训练的结果可能差几个百分点。为了实验可复现，需要固定随机种子：

import random import numpy as np import torch def set_seed(seed=42): random.seed(seed) np.random.seed(seed) torch.manual_seed(seed) torch.cuda.manual_seed_all(seed) torch.backends.cudnn.deterministic = True torch.backends.cudnn.benchmark = False set_seed(42)

注意cudnn.deterministic = True会降低训练速度，但能保证结果可复现。如果追求速度，可以设为False，接受一定的随机性。

8. 关于这个数据集的实际使用建议

回到这个505张1类别的红外管道泄漏检测数据集本身。我的实际使用体会是：它适合作为入门验证和原型开发的起点，但不适合直接用于生产部署。

如果你刚接触红外目标检测，用这个数据集跑通YOLOv8的训练流程，理解VOC和YOLO格式的转换、数据增强的配置、训练指标的解读，是非常好的练手材料。505张图的规模，在单卡上训练200轮大约需要1-2小时，迭代速度快，适合做大量对比实验。

如果你是要做实际项目，这个数据集需要扩充。扩充的方向按优先级排列：先补充目标场景的实拍数据（解决域偏移），再增加不同环境条件下的样本（解决泛化），最后考虑多模态融合和实例分割升级。

最后分享一个小技巧：训练YOLO时，把val设为True让每轮都做验证，虽然会慢一点，但能及时发现过拟合。另外，save_period设成10而不是1，避免保存太多权重文件占满硬盘。这些细节看起来不起眼，但实际跑起来能省不少事。