简介：基于YOLOv8的路面、桥梁、墙体裂缝识别项目，面向计算机视觉学习者和道路检测相关开发者，解决混凝土结构表面裂缝自动检测与定位问题，难度适中，适合课程设计或实战练手。压缩包共78个文件，以26个yaml配置、21个Python脚本、18个pyc预编译文件为主，并附5张png、4张jpeg、2张jpg示例图片和2份md文档，整体仅2.55MB，结构紧凑便于快速部署。项目源码已经本地编译验证可运行，评审分达95分以上，内容经过助教审定，能够覆盖从数据集配置、模型训练到预测输出的完整流程。通过阅读文档和调试脚本，可掌握YOLOv8在裂缝识别场景中的模型配置、推理参数调整与结果可视化方法。目前已有131人学习下载，对于需要参考深度学习目标检测落地案例的学习者而言，是一份实用且高质量的参考资料。
1. 基于YOLOv8的路面桥梁墙体裂缝识别：这套“高分项目”到底在做什么
市政道路巡检、桥梁定检和建筑外墙检测里，裂缝是最普遍也最磨人的病害。人工目检一天走两公里就眼花，无人机拍回来的照片堆在硬盘里没人看，裂缝宽度超过0.2mm就该干预，但人眼在照片上连0.2mm是什么概念都很难保持一致。用YOLOv8做裂缝识别，是这类“视觉+土木”交叉项目里最容易跑通、也最容易出效果的一条路：单卡能训，源码结构清晰，文档齐全的项目把数据、权重和训练参数都一并交付，落到实地只需要复现、微调、验证三步。这套方案适合三类人：土木背景想给检测业务加上自动化的工程师，计算机视觉入门想拿真实落地点写简历的开发者，以及正在做本科毕设或硕士课题、需要“开箱能跑又能讲清楚原理”的学生。它的核心价值不在模型本身，而在于把“看裂缝”这件模糊的事，变成一套可以量化、可复现、可验收的流程。
2. 裂缝识别第一步并不是训练，而是把数据集做成“能训的样子”
很多人拿到裂缝识别项目的第一反应是直接跑训练脚本，结果模型在测试集上表现不错，一到现场的实拍照片就露馅。问题几乎都出在数据集没有经过工程化处理。裂缝检测的数据集不是“有裂缝就行”，而是要让模型见过足够多真实环境下的正样本和负样本，同时把标注质量控制在像素级可用的程度。
2.1 采集与初筛：手机、工业相机到无人机照片都能用，关键是裂缝到底断没断
裂缝数据的来源很杂：路面裂缝常用行车记录仪帧、手机拍摄样片，桥梁裂缝一般是工业相机在架桥车上拍的高清照片，墙体裂缝可能来自无人机航拍或手持相机。不同来源对应不同的尺度、光照和拍摄角度，这反而对模型泛化有利，前提是你做对初筛。
初筛的标准不是“照片里有没有裂缝”，而是这张照片能不能被可靠标注和识别。我一般按三个条件筛：目标物在画面中的像素宽度是否足够（裂缝占比小于3%的图直接丢，训练了也学不到纹理）；画面是否严重模糊或有强烈逆光（这类图即使人眼都看不清边界，模型只会学到噪声）；裂缝是否连续贯穿画面（如果裂缝被阴影或杂物截断成几段，且无法判断是否为同一条，建议放弃而不是强行标注）。筛完的照片建议按来源分文件夹，后面做训练/验证集划分时可以按来源抽，避免全部数据来自同一台设备导致泛化能力虚高。
这步做完，通常几千张原始照片里能留下60%-70%。数量少不是问题，裂缝检测对正样本数量的要求不像物体检测那么苛刻，几百张高质量的标注图就能训出可用的模型，关键是每张图里裂缝的形态和背景都要有代表性。粗筛时顺手记录一下每张图的拍摄设备和大致焦距，后面算像素尺寸会用到。
2.2 标注细节：用X-AnyLabeling还是LabelImg，裂缝的“边界线”才是命门
标注工具方面，老牌的LabelImg对单框标注够用，但我更推荐X-AnyLabeling，它对YOLO格式支持更直接，支持自动标注辅助和更顺滑的缩放操作。裂缝本质上是细长目标，标注方式和日常物体检测完全不同。日常检测框追求紧贴目标，裂缝如果死贴边界，框会变成一条宽度极小、长度很大的长条，这种极端宽高比的框在YOLO训练时非常不稳定，因为anchor匹配和NMS都对这种形状不友好。
实际做法是给裂缝留一点余量：标注框覆盖裂缝主体的同时，上下左右各留5到10个像素的边。如果是多条平行的细裂缝，宁可分别标两个细长框，也不要合并成一个大方框——合框会让模型学到“这个区域有裂缝”，但学不到“裂缝具体在哪条线上”。裂缝交叉成网状时，按主裂缝方向拆成多个框，每个框只包含一段连续的裂缝纹理。
标注格式是YOLO的txt文件，每行五个值：类别索引、归一化后的中心点x、中心点y、框宽w、框高h。举个实际标注文件的例子：
0 0.4536 0.5128 0.0872 0.0134 0 0.6214 0.3864 0.1145 0.0109第一行表示类别0（裂缝），中心点在图像宽度方向的45.36%处、高度方向的51.28%处，框宽占图像宽度的8.72%，框高占图像高度的1.34%。第二行是另一条裂缝。这种长宽比在7:1到20:1之间的框是裂缝标注的常态，如果出现接近1:1的标注框，回头检查一下是不是把多条裂缝或水渍一起框进去了。标注完成后要做一次自检：把所有标签叠加回原图，逐张扫一遍，看有没有漏标的裂缝和标注偏移明显的框。
2.3 数据增强：亮度抖动与马赛克增强的取舍
YOLOv8默认开启马赛克增强，把四张图拼成一张训。对常规目标检测这是提升泛化的利器，但用在裂缝上要小心：细长裂缝在马赛克拼接处会被截断，如果拼接后裂缝只剩一小段，模型会学到“短斜线也是裂缝”，产生大量误检。我的经验是训练初期马赛克增强可以保留，但比例调低。
在ultralytics的训练配置里，可以在yaml文件中直接关闭或调整增强参数：
# data_crack.yaml 训练配置片段 path: ./crack_dataset train: images/train val: images/val names: 0: crack # 增强参数：通过命令行覆盖，或直接改ultralytics源码的默认值 hsv_h: 0.1 hsv_s: 0.5 hsv_v: 0.3 degrees: 10.0 translate: 0.1 scale: 0.3 flipud: 0.5 fliplr: 0.5 mosaic: 0.4hsv_h、hsv_s、hsv_v是色调、饱和度和明度的抖动幅度，路面和混凝土的裂缝颜色在灰褐色区间，明度抖动比色调抖动更重要，所以我把hsv_v设到0.3而hsv_h只留0.1。flipud设为0.5是因为无人机拍墙体时竖向翻转是真实可能出现的视角，但路面裂缝不建议翻转，因为路面裂缝的方向性是有物理意义的——横向裂缝和纵向裂缝的成因不同，翻转会让模型混淆裂缝方向。mosaic设为0.4，既保留了马赛克带来的背景多样性，又控制住裂缝被拼接截断的比例。
另外一个容易被忽略的增强是随机擦除（Random Erase），模拟裂缝被树叶、积水和杂物遮挡的情况。这类遮挡在现场非常常见，不做增强的话模型对“被挡一半的裂缝”会直接漏检。ultralytics没有直接暴露这个参数，需要用ultralytics的BaseDataset类做扩展，或在离线增强阶段用OpenCV在标注框内随机抹掉小块像素：
import cv2 import numpy as np import random def random_erase(img, boxes, erase_ratio=0.3): # boxes: [[x1, y1, x2, y2], ...] 像素坐标 result = img.copy() for box in boxes: if random.random() > erase_ratio: continue x1, y1, x2, y2 = [int(v) for v in box] bw, bh = x2 - x1, y2 - y1 # 在标注框内随机选个小块抹掉，模拟遮挡 ex1 = random.randint(x1, x1 + max(int(bw * 0.5), 1)) ey1 = random.randint(y1, y1 + max(int(bh * 0.5), 1)) ex2 = min(x2, ex1 + max(int(bw * 0.3), 1)) ey2 = min(y2, ey1 + max(int(bh * 0.3), 1)) result[ey1:ey2, ex1:ex2] = np.random.randint(100, 160, (ey2-ey1, ex2-ex1, 3), dtype=np.uint8) return result这段代码对每个裂缝标注框，以30%的概率在框内随机挖掉一块像素，模拟遮挡。ex1、ey1是擦除块的起点，ex2、ey2是终点，宽度高度控制在框尺寸的30%以内，避免把整条裂缝都抹掉。这个逻辑在离线增强阶段跑一遍，生成一批“带遮挡”的图片混入数据集，比在线增强好控制，也可以随时检查增强结果是否有异常。
数据增强的目的是让模型对光照、角度和遮挡鲁棒，但不要为了增强而增强。裂缝的形态本来就已经很极端，再叠加过强的几何变换，模型会把纹理细节学成噪声。增强后的数据，建议抽20%的图人工看一眼，确认没有出现裂缝形状被扭曲到完全失真的情况。
3. 把YOLOv8在本地跑起来：环境、训练与三个必调参数
数据集就绪之后，进入训练环节。大多数“高分项目”附带的文档会覆盖环境安装和训练流程，但文档里的默认参数往往不是为裂缝这种细长目标调过的。直接跑默认配置能出一个能看的模型，但离“可用”还差几步——imgsz、mosaic和早停这三个参数，才是决定裂缝识别上限的关键。
3.1 环境安装的干净路径：不要用Python 3.12硬上，CUDA与PyTorch版本要配对
环境配置是新手翻车最多的地方。YOLOv8的训练依赖ultralytics这个Python库，它要求Python 3.8到3.11之间。很多人在Python官网下了最新的3.12，然后发现有些依赖编译不过，浪费一下午。我习惯用conda建独立环境，把Python版本钉在3.10，CUDA用11.8或12.1，避免系统Python环境被搞乱。
conda create -n yolov8_crack python=3.10 -y conda activate yolov8_crack # 先装PyTorch，再装ultralytics，顺序不要反 pip install torch==2.1.2 torchvision==0.16.2 --index-url https://download.pytorch.org/whl/cu118 pip install ultralytics==8.1.34 pip install opencv-python==4.9.0.80PyTorch版本一定要和CUDA搭配。cu118对应CUDA 11.8，如果你的显卡驱动支持CUDA 12.x，也可以换成cu121。装完torch后验证一下CUDA是否可用：
python -c "import torch; print(torch.cuda.is_available()); print(torch.__version__)"输出True说明GPU环境正常。如果是False，大概率是torch装成了CPU版本，用pip list检查torch，重新按GPU方式安装。ultralytics装的时候会自动带opencv-python、numpy这些依赖，但有时候自动装的opencv版本太新，和已有的numpy不兼容，所以显式指定opencv-python版本是个保险动作。如果是GTX 1660 Ti这类6GB显存的显卡也不用担心，yolov8n和yolov8s都能跑，只是batch要调小，后面会说具体数值。
3.2 训练脚本与数据组织：从ultralytics的YAML开始
ultralytics的数据组织方式很固定，数据集目录下分images和labels，各自再拆train和val。裂缝数据集不用搞太复杂的划分，随机分85%训练、15%验证就够了，但要确保验证集里包含不同来源的照片，而不是只验证某一台设备的图。
yolo detect train data=crack.yaml model=yolov8n.pt \ epochs=150 imgsz=640 batch=16 \ project=crack_runs name=exp_crack \ patience=60 close_mosaic=10 \ workers=4 seed=42data=crack.yaml指定数据集配置，model=yolov8n.pt表示用官方预训练权重作为起点，这叫迁移学习。用预训练权重而不是从零训练，对裂缝这种小数据集特别重要：模型在COCO上学过的纹理和边缘特征能直接迁移到裂缝识别上，收敛快得多。epochs=150对裂缝数据集是够用的量级，再多容易过拟合。imgsz=640是输入分辨率，batch=16在6GB显存上接近上限。
跑起来之后，会在crack_runs/exp_crack目录下生成weights/best.pt和last.pt。best.pt是验证集指标最好的权重，last.pt是最后一轮的权重。日常使用和后续微调都用best.pt，last.pt只在你想继续训练而不是重新开始时才用。训练过程中如果中断了，用同样的命令加上resume=True可以接着跑，ultralytics会把优化器状态和epoch数都存下来，这也是它比很多框架省心的地方。
训练日志里重点盯三个数：GPU显存占用、损失值和验证集mAP。显存溢出会直接报错，损失值不降说明学习率或数据有问题，mAP50在训练集很低说明模型还没学够。其他指标再高，如果mAP50压在0.6以下，这个模型在实际场景里基本没法用。
3.3 三个必调参数：imgsz、mosaic与close_mosaic的值
这三个参数是裂缝识别和常规物体检测最大的分水岭。
第一个是imgsz。YOLOv8默认是640，但对裂缝这种细长目标，640意味着一条宽20像素的裂缝在图上只有零点几像素的宽度信息，模型很难判断“这是裂缝还是噪点”。我把imgsz提到1280后，mAP50普遍能涨5到8个点。代价是显存占用几乎是二次方增长，6GB显存的卡在batch=16、imgsz=1280下必定OOM。解决方法是把batch降到4或6，或者用yolov8n这种最小模型。
yolo detect train data=crack.yaml model=yolov8n.pt \ epochs=150 imgsz=1280 batch=6 \ project=crack_runs name=exp_crack_1280 \ patience=60 close_mosaic=10 workers=4 seed=42第二个是mosaic。前面说过马赛克增强会截断裂缝，但完全关掉又损失了背景多样性。把mosaic从默认的1.0降到0.3到0.5之间，保留效果同时控制副作用。命令里没有直接改mosaic的参数，需要在数据集yaml里或通过ultralytics的augment配置项调整。如果不方便改源码，就用curate参数，训练时对拼接后的图做二次筛选。
第三个是close_mosaic。这个参数指定最后多少个epoch关闭马赛克增强，默认是10。它的意义在于：训练最后阶段，模型需要从“看拼接的怪图”切换到“看真实分布”来做最后收敛，如果一直开着马赛克到最后一轮，验证集表现会掉一截。裂缝数据集建议把close_mosaic设到10到15，让模型有足够轮数适应真实的单图分布。
还有一个容易被忽视的参数是patience，控制早停。默认值100意味着连续100轮验证集指标不涨就停止。对小数据集，100轮不涨的情况很罕见，结果就是模型早早就停了，训练不充分。我推荐设到50到80。如果你想让训练完整跑完，把patience设成0直接关掉早停，让余弦退火学习率把最后的学习率衰减阶段走完，指标往往比早停的更稳定。
4. 训练完别急着交差：指标、损失曲线与可视化都在说什么
训练正常结束后，项目目录下会生成一堆输出。很多人只看一眼mAP50超过0.8就觉得模型已经完美，直接进入部署。这个习惯很危险。裂缝识别场景下，mAP虚高多半是数据集太单一或标注框过于宽松导致的。真正判断模型能不能上路，要看指标之间的差距、损失曲线的形状，以及模型把注意力放在了图像的哪里。
4.1 先从results.csv读指标，再谈mAP
ultralytics每一轮训练都会把指标写进results.csv，这个文件比训练终端输出可靠得多。用pandas读一下，看看各列的趋势：
import pandas as pd import matplotlib.pyplot as plt df = pd.read_csv('crack_runs/exp_crack_1280/results.csv') # 查看列名，YOLOv8的csv列名是超长的一段，先打印确认 print([c for c in df.columns if 'mAP' in c or 'loss' in c or 'precision' in c or 'recall' in c]) # 核心指标走势 cols = ['metrics/precision(B)', 'metrics/recall(B)', 'metrics/mAP50(B)', 'metrics/mAP50-95(B)'] df[cols].plot(figsize=(10, 6)) plt.title('Crack Detection Metrics') plt.grid(True) plt.show()第一行打印列名是为了确认当前版本ultralytics输出的列名格式，不同小版本之间列名有差异，直接硬编码会报错。指标里重点看mAP50和mAP50-95的差距。裂缝是极端长宽比目标，mAP50-95一般只有mAP50的一半左右，因为IoU阈值提高后，细长框的预测位置稍微偏一点，IoU就会断崖式下跌。这个差距大是正常的，但如果mAP50-95低于0.1，说明模型的定位精度还达不到量化分析的要求。
precision和recall要在验证集上同时看，裂缝场景里两者都高才有意义。如果precision高但recall低，说明模型“宁可漏检也不错检”，代价是漏掉大量真实裂缝；反过来recall高但precision低，就会把水渍阴影全报成裂缝，现场根本没法用。对于病害检测，我通常优先保recall，漏检一条裂缝可能意味着漏掉一处结构隐患，而误报顶多多跑一趟人工复核。
4.2 画损失函数曲线的正确姿势：一次性把训练集和验证集的四条线画全
YOLOv8有多个损失分量：box_loss（边框回归损失）、cls_loss（分类损失）、dfl_loss（分布焦点损失）。results.csv里同时记录了train和val的损失。画损失曲线不只是为了写论文插图，它是判断训练是否健康的直接证据。
import pandas as pd import matplotlib.pyplot as plt df = pd.read_csv('crack_runs/exp_crack_1280/results.csv') loss_cols = ['train/box_loss', 'val/box_loss', 'train/cls_loss', 'val/cls_loss', 'train/dfl_loss', 'val/dfl_loss'] fig, axes = plt.subplots(1, 3, figsize=(15, 4)) for i, (train_c, val_c) in enumerate(zip(['train/box_loss', 'train/cls_loss', 'train/dfl_loss'], ['val/box_loss', 'val/cls_loss', 'val/dfl_loss'])): axes[i].plot(df[train_c], label=train_c) axes[i].plot(df[val_c], label=val_c) axes[i].set_title(['Box Loss', 'Cls Loss', 'DFL Loss'][i]) axes[i].legend() axes[i].grid(True) plt.tight_layout() plt.show()画出来之后，怎么看？第一，训练损失和验证损失都持续下降，且没有出现验证损失在某个epoch后掉头向上而训练损失继续下降的情况，这就是健康的收敛。第二，验证损失在最后几十个epoch出现小波动是正常的，不用紧张；但如果验证损失上升趋势明显，说明开始过拟合了，应回溯到转折点之前的权重。第三，box_loss曲线比cls_loss更值得关注，裂缝检测的主要难度在定位而不在分类，如果box_loss降不下来，问题多出在标注边界不统一或imgsz太小。
有个反直觉的现象要提一下：验证集box_loss在小幅回升的时候，mAP50可能还在涨。这是因为mAP只关心预测框和真实框的IoU是否超过阈值，只要框还在裂缝附近，IoU过阈值就算命中，而损失函数对每一像素的偏移都敏感。所以不要单独看损失曲线做判断，要结合下一节的mAP曲线一起看。
4.3 热力图和特征图：让裂缝的注意力可视化
损失和指标只能说明模型学得好不好，不能说明模型为什么学得好。裂缝检测有一个臭名昭著的坑：模型学到的可能不是裂缝纹理，而是“暗色细长区域”。水渍、阴影、伸缩缝、油渍在这些特征上和裂缝高度相似。判断模型到底在“看”什么，需要把注意力可视化出来。
用ultralytics跑推理时，可以拿到模型中间层的特征图或梯度信息，用GradCAM方法生成热力图。常见做法是加载训练好的best.pt，对验证集图像做一次推理，同时用钩子记录目标层的输出：
import torch from ultralytics import YOLO from ultralytics.utils.torch_utils import intersect_dicts model = YOLO('crack_runs/exp_crack_1280/weights/best.pt') # 用model.model拿到底层nn.Module结构，注册forward hook获取特征图 features = {} def hook_fn(module, input, output): features['layer'] = output.detach().cpu() target_layer = model.model.model[10] # 取倒数第二个C2f模块或检测头之前的层 hook = target_layer.register_forward_hook(hook_fn) # 推理一张验证集图片 img_path = 'crack_dataset/images/val/000123.jpg' results = model.predict(img_path, imgsz=1280, conf=0.25) # 对特征图做空间平均，得到2D热力图 feat = features['layer'][0].mean(dim=0).numpy() # 上采样到原图尺寸，和原图叠加显示 import cv2 import numpy as np feat_resized = cv2.resize(feat, (results[0].orig_shape[1], results[0].orig_shape[0])) feat_norm = (feat_resized - feat_resized.min()) / (feat_resized.max() - feat_resized.min()) heatmap = cv2.applyColorMap((feat_norm * 255).astype(np.uint8), cv2.COLORMAP_JET) overlay = cv2.addWeighted(cv2.cvtColor(results[0].orig_img, cv2.COLOR_RGB2BGR), 0.6, heatmap, 0.4, 0) cv2.imwrite('heatmap_sample.jpg', overlay)这段代码的核心思想是取模型内部某一层的输出特征图，对所有通道做平均，得到一个空间上的“注意力强度”分布，再叠加回原图。热力图的高亮区域如果集中在裂缝纹理上，说明模型学到了正确的特征；如果高亮区域分散在路面的整个暗色区域，或者集中在图像的边缘和角落，那就说明模型在偷懒，靠背景信息做判断，这种情况一旦换到新的现场环境，性能会暴跌。
hook注册的对象model.model[10]在不同yolov8版本里对应的层不一样，不必死磕具体是哪层，选检测头之前的层就有代表性。跑完后记得调用hook.remove()移除钩子，否则下次推理还会触发。热力图这种东西，训练时多看一眼，能避免上线后被现场的照片打得措手不及——这是我交过学费才养成的习惯。
5. 裂缝识别最常见的五个坑：现象、原因与解决
裂缝识别项目做到后面，真正消耗时间的不是调模型结构，而是和数据集里的噪声作斗争。下面五条是路面、桥梁、墙体三种场景里反复出现的坑，按“现象→原因→解决”写清楚，遇到类似问题可以直接对照处理。
5.1 把水渍当裂缝，把裂缝当水渍：误检的根因在数据而不在模型
现象：验证集mAP50有0.85，但拿到现场实拍图上，积水、油渍、水泥修补痕迹甚至树影都被框了出来，而且置信度不低。
原因：训练集里的负样本太少。裂缝是暗色细长纹理，水渍在干燥后也会形成浅色细长痕迹，二者在局部纹理上非常接近。模型没有见过足够多“像裂缝但不是裂缝”的样本，就只能靠“暗色细长”这个粗糙特征去猜。
解决：专门收集负样本，不需要标注，只要保证图片里没有裂缝即可。把水渍、油渍、伸缩缝、色差、划痕、阴影的照片放进训练集，类别名标注为0就是背景。ultralytics支持在数据集里混合无标注图片作为背景样本，train目录下的图片如果没有对应的txt标签文件，会自动当作负样本参与训练。我实际用下来，加入200张左右的负样本，误检率能降一半以上。如果跑完还是误检，把误检图收集起来，做一次“硬样本挖掘”——把误检图和对应的错误置信度放进数据集继续训练一轮。
5.2 训练进程中途爆显存：imgsz=1280时最常翻车
现象：训练跑了几十个epoch，突然报CUDA out of memory，进程中断。
原因：imgsz=1280时，特征图尺寸比640大4倍，显存占用不是线性增长。加上某些epoch触发了mosaic增强，四张1280的图拼在一起，内存瞬间爆掉。
解决：第一选择是降batch，从16降到4或6，这是最直接的办法；第二选择是换小模型，yolov8n比yolov8s显存少将近一半；第三是用梯度累积，ultralytics的batch参数配合累积步数实现“等效大batch”。如果你的显卡只有6GB显存，建议imgsz=1280配yolov8n配batch=4，跑起来比较稳。另外一个容易被忽视的点是workers，Windows下workers大于0容易报错，而且会额外占内存，实测调到2甚至0反而更稳定。
5.3 早停太激进导致欠拟合：patience别用默认的100
现象：epochs设了150，但训练到40轮就自动停了，best.pt精度很低，损失曲线还在明显下降。
原因：patience默认值是100，意思是连续100轮验证集指标不提升就早停。如果验证集很小，比如只有几十张图，mAP的随机波动很大，可能连续几轮卡在同一个值附近，就容易触发早停的误判。小数据集尤其容易这样。
解决：把patience降到50到80，或者干脆设成0关闭早停。关闭早停后让训练跑满epochs，配合余弦退火学习率，最后10轮的lr衰减阶段对精度提升有明显帮助。如果你担心跑满会过拟合，看验证损失曲线，只要没有持续上升的趋势，就不用提前停。
5.4 标签偏移：标注的人把裂缝框“稍微拉高了一点”
现象：模型推理出来的检测框，位置总是整体偏上或偏下，和裂缝纹理对不齐。mAP50不低，因为框和真实框的重叠度刚好过了阈值。
原因：标注过程中，不同标注员对“裂缝边界”的把握不一致。有些人习惯把框上方留宽一点，有些人下方留宽一点，最后统计下来形成习惯性偏移。YOLO的训练目标是框的回归值，如果大量标注框都有同一方向的偏移，模型就会学到这个偏移。
解决：抽10%的训练标注，把标签和原图叠加可视化，肉眼检查有没有系统性偏移。确认之后，不需要重新标注，可以对所有标签做批量平移修正。比如发现所有框的中心点普遍偏上2个像素，归一化后就是2/图像高度，统一加到cy值上就行。用Python读所有txt文件，按像素偏移量换算归一化偏移量，批量修改后重新训练一轮，就能修正。
5.5 部署到rk3588这类边缘设备时NMS又慢又卡
现象：在电脑上推理速度有几十毫秒，转到rk3588这类边缘计算设备上，帧率掉到个位数，或者转成rknn格式后精度明显下滑。
原因：边缘设备的CPU/GPU算力和PC不在一个量级，YOLOv8完整模型里的NMS后处理、多尺度输出和动态shape都会成为性能瓶颈。转rknn时如果没有做算子和精度校准，浮点模型直接硬量化到int8，细长裂缝的特征很容易被量化噪声淹没。
解决：先在PC上把模型导出成ONNX，用onnxruntime验证输出一致性，再按边缘设备厂商提供的工具链做端侧转换。rk3588可以用rknn-toolkit2，导出前把模型设置为固定shape、关闭NMS层，让后处理在端侧CPU上用OpenCV自带的NMS实现。量化这一步，rknn-toolkit2支持混合量化，对检测头部分保留float16，对主干网络用int8，裂缝纹理这类高频细节就不容易被压没。我的建议是：端侧部署不要直接上yolov8m这种大模型，用yolov8s或自蒸馏后的yolov8n，分辨率保持640或768，速度和质量才能兼顾。
6. 可信的下一步：把检测框变成裂缝宽度和长度，才是能交出去的活儿
检测框本身只是定位，土木工程验收需要的是裂缝宽度、长度和面积这些定量指标。一个检测框告诉你“这里有裂缝”，但没告诉你这条裂缝宽0.3mm还是1.2mm——后者才是决定要不要封闭交通、要不要灌浆加固的依据。
把检测结果转化成裂缝宽度，常见做法是对检测框区域做一次二值化和骨架化。对YOLOv8框出的区域，用局部阈值提取裂缝像素，然后逐列扫描裂缝像素数量，乘以每个像素代表的实际尺寸（mm/pixel），就得到像素宽度。这笔换算需要提前做像素标定：在现场同一距离放一个已知尺寸的标尺，或用棋盘格标定板拍一张图，算出这个拍摄距离下每个像素对应多少毫米。没有这个标定，算出来的宽度数字没有任何物理意义。
import cv2 import numpy as np def crack_width_from_box(img, box, mm_per_pixel): # box: [x1, y1, x2, y2]，从YOLO推理结果转成像素坐标 x1, y1, x2, y2 = [int(v) for v in box] roi = img[y1:y2, x1:x2] gray = cv2.cvtColor(roi, cv2.COLOR_BGR2GRAY) # 局部自适应阈值分割，比全局阈值更能保留细裂缝 binary = cv2.adaptiveThreshold(gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY_INV, 31, 5) # 骨架化，提取裂缝中线 skel = cv2.ximgproc.thinning(binary) # 对每一行统计裂缝像素数，取中位数作为稳健宽度估计 col_sums = np.sum(skel > 0, axis=0) nonzero = col_sums[col_sums > 0] median_pixel_width = np.median(nonzero) if len(nonzero) > 0 else 0 return median_pixel_width * mm_per_pixel这段代码的思路是：裂缝在局部区域内是暗色连续纹理，用adaptiveThreshold把它从背景中分离，再用thinning把裂缝区域压缩成单像素宽的骨架，然后统计每一行的裂缝像素数。取中位数而不是平均值，是为了抵抗裂缝分支和噪声带来的极端值。mm_per_pixel是标定值，不同拍摄距离下必须重新标定，否则算出的宽度会和现场实测对不上。
我在做桥梁伸缩缝裂缝时犯过这个错：拿着无人机拍的图直接算宽度，算出来0.8mm，现场尺子一量1.5mm，差了一倍，最后发现无人机飞行高度记录错了，标定值偏了一倍。这之后我养成了习惯——每次现场作业前先拍一张带标尺的基准图，在代码配置里记录标定值。检测框给了你裂缝在哪，标定给了你裂缝有多宽，两者合起来才是能交给甲方的东西。希望帮到你。
本文还有配套的精品资源，点击获取
