基于YOLOv5+ResNet18的骨龄识别系统：从检测到PyQt5部署

简介：一套面向骨龄识别检测的完整工程源码，适合毕业设计、医学图像分析入门以及目标检测与分类联合学习的开发者。系统基于PyQt5构建交互界面，目标定位部分采用YOLOv5网络，年龄段判别借助ResNet18残差分类网络，整体流程清晰，并已按九个大类组织标注数据。工程包含模型源码、项目使用说明和预训练权重，数据集来自百度飞桨公开资源，内部提供数据预处理与格式转换的相关脚本，可帮助使用者从原始图像直接走到训练和界面展示环节。压缩包共有两百个文件，文件类型以 Python 脚本（六十九个）、模型配置（五十三个 YAML 与十二个 YML）、PyTorch 权重（十八个 PTH）为主，还带有容器化部署文件、说明文档、训练日志和版本控制配置等，总大小约七百一十七兆字节，目录划分明确，便于按模块查找与复用。当前已有四百五十八人学习下载，对于需要快速搭建骨龄识别演示系统或复现完整实验流程的开发者，能有效减少环境配置和数据清洗方面的重复投入。

1. 骨龄识别为什么选「YOLOv5 检测 + ResNet18 分类」这套组合

儿科内分泌科每天都会产生几十张左手腕骨 X 光片，医生按 TW3 法逐块评估骨化中心，一张片子几分钟属于常态，不同年资医生读出来的结果能差出 1 岁多。标题里这套组合干的事，是把骨龄识别拆成两个环节：YOLOv5 先在全片上把腕骨区域框出来，ResNet18 再对框内的 X 光片区域做骨龄分类，最后用 PyQt5 包成一个能选图、能出结果、能让医生点开就用的桌面工具。拆成两步比端到端回归更贴近阅片习惯——医生总需要知道结论来自哪块区域。适合正在搭医学影像原型的工程师，也适合想把深度学习模型包进 PyQt5 界面的人。标题里的 RestNet18 就是 ResNet18 的常见笔误，torchvision 里直接 import，别被它绕进去；压缩包到手后，也别急着跑训练，先按项目使用说明把环境版本和目录结构对齐，后面会让你少踩很多坑。

2. 手骨 X 光数据集处理：标注格式、拆分与预处理参数

2.1 先分清检测和分类各自要什么数据

很多人在标题里看到 YOLOv5，第一时间就把公开数据集整包丢进去 train.py，结果训练出来的模型要么不收敛，要么检测框飘到整张图外面。问题不是模型不行，是把两类任务的数据需求搞混了：YOLOv5 要的是带边界框的标注（XML 或 YOLO 格式的 txt），ResNet18 要的是裁剪后带骨龄标签的图像块。这两份数据可以来自同一个数据集，但必须按不同方式组织。

常见做法是直接用 RSNA 骨龄数据集作为起点：它自带每个样本的骨龄值、性别、左右手信息，适合做分类标签；但检测框通常需要自己标注。好在腕骨检测是单目标任务，一张片子只框一个 ROI，用 labelImg 标一百张左右就能把 YOLOv5 的检测器训起来。标注时框住桡骨远端、尺骨远端和腕骨骨化中心聚集的区域即可，不用把整只手都包进去——框得越贴近骨化中心，ResNet18 拿到的输入越干净。

数据准备阶段我一般会按 8:2 拆分训练集和验证集，并保证同一个患者的片子只出现在其中一个集合里。骨龄数据常有同一患者多次随访的片子，如果按文件名随机拆，验证集会泄漏训练信息，最后的准确率会虚高几个点，上了真实临床就现原形。

2.2 把标注转成 YOLO 格式：转换脚本与四个边界坑

labelImg 默认导出的 VOC XML，而 YOLOv5 需要 txt 格式（class cx cy w h，全部归一化到 0~1）。转换脚本不复杂，但边界条件多，下面是完整脚本：

import os import xml.etree.ElementTree as ET def voc_to_yolo(xml_path, class_names, out_dir): tree = ET.parse(xml_path) root = tree.getroot() size = root.find('size') w = int(size.find('width').text) h = int(size.find('height').text) lines = [] for obj in root.iter('object'): cls = obj.find('name').text if cls not in class_names: continue 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) # 边界框坐标先裁剪到图片范围内，防止标注越界 xmin = max(0.0, min(xmin, w)) xmax = max(0.0, min(xmax, w)) ymin = max(0.0, min(ymin, h)) ymax = max(0.0, min(ymax, h)) # 归一化分母是图片的宽和高，不能统一用最大边 dw, dh = 1.0 / w, 1.0 / h cx = (xmin + xmax) / 2.0 * dw cy = (ymin + ymax) / 2.0 * dh tw = (xmax - xmin) * dw th = (ymax - ymin) * dh # 类别 id 从 0 开始 lines.append(f"{class_names.index(cls)} {cx:.6f} {cy:.6f} {tw:.6f} {th:.6f}") txt_name = os.path.splitext(os.path.basename(xml_path))[0] + '.txt' with open(os.path.join(out_dir, txt_name), 'w') as fp: fp.write('\n'.join(lines)) if __name__ == '__main__': class_names = ['hand_bone'] voc_to_yolo('data/train/001.xml', class_names, 'data/labels/train')

转换逻辑本身只有三步：读 XML 里 object 的 bndbox，把 xmin/ymin/xmax/ymax 换算成中心点加宽高的相对坐标，最后按 YOLO 格式写 txt。参数说明：class_names 的顺序决定类别 id，手骨检测只有一个类别时它就是 0；out_dir 要和图片目录一一对应，训练集和验证集分开调用；坐标保留六位小数足够，没必要留太长，反而让训练时读文件变慢。

这里有几个真实会踩到的边界坑。第一，标注软件有时会把框拉出图片边界，xmin 甚至比 width 还大，不裁剪会出现中心点飘移，训练时 YOLOv5 直接报 image width and height mismatch；第二，归一化分母是宽和高分开的，有人图省事统一除以 max(w, h)，矩形图会把框比例拉偏；第三，类别 id 写成 1 而不是 0，会让模型把背景当作类别 0，训练出来 mAP 曲线奇形怪状但损失还在降，很难排查；第四，一张图多个框时，如果追加行时漏了换行符，txt 会被解析成一行数据，加载阶段就报数组维度错误。

2.3 预处理参数怎么定：灰度图三通道问题、CLAHE 与归一化

X 光片是单通道灰度图，而 YOLOv5 和 ResNet18 的输入都是三通道，直接把灰度图复制成三份就好，不要用伪彩色映射，否则会引入训练时根本不存在的颜色特征。用 OpenCV 处理时一句话就够：cv2.cvtColor(gray, cv2.COLOR_GRAY2BGR)，代价可以忽略。

对比度增强方面，腕骨 X 光片的骨化中心和周围软组织灰度差不大，我一般会加 CLAHE 而不是普通直方图均衡。常用参数是clipLimit=2.0, tileGridSize=(8,8)，tile 网格太小会出现块状伪影，太大又起不到局部增强作用。归一化则要看你的骨干模型从哪里来：如果直接用 torchvision 预训练权重微调，就沿用 ImageNet 的 mean/std，不要自己发明一套，否则预训练权重等于白加载。

预处理层在工程上最容易翻车的地方不在训练，而在部署：训练脚本里 CLAHE 参数、resize 尺寸、BGR/RGB 顺序是一套，PyQt5 推理时又各自写了一套，结果检测框位置对但分类结果离谱。正确做法是把预处理封装成一个独立函数，训练、验证、部署三处只调用这一个入口。

3. 用 YOLOv5 训练手骨检测器：网络结构、超参数与验证阈值

3.1 网络结构图里的取舍：yolov5s 够不够用、anchors 要不要动

看 YOLOv5 的网络结构图，s 系列 backbone 由 Conv、C3、SPPF 堆叠而成，参数量在 7M 这个量级，检测头负责在不同尺度输出边界框。手骨检测任务只有一个类别、ROI 占画面比例较大、形态相对固定，yolov5s 的容量已经够用；换 yolov5m 或 l 反而容易在骨龄这种小数据集上过拟合，训练时间翻倍但 mAP 提升不超过 0.5。

anchors 也不需要手工设计。YOLOv5 默认会在训练前对训练集做 k-means 聚类重新生成 anchors，这部分我看过很多再分析的项目，发现手骨 ROI 长宽比接近 1:1，聚类结果和默认 anchors 差距很小，属于“不动它更好”。真正该关注的是训练数据里 ROI 的尺寸分布：如果有些片子手骨区域很小，那模型学到的特征会更依赖整体骨骼形态而不是骨化中心细节，这时候应该优先调整数据，而不是改网络结构。

如果你拿到的项目包里有修改过的 model.yaml，先别直接用，把它和原版 yolov5s.yaml 做 diff。常见改法是删掉某个检测层来提速，但对小目标区域会明显掉召回。

3.2 训练命令与超参数：epoch、batch、imgsz 的推荐起点

用 YOLOv5 训练自己的数据集，目录结构和命令都不复杂。先建好数据集描述文件bone.yaml：

train: datasets/bone/images/train val: datasets/bone/images/val nc: 1 names: ['hand_bone']

然后执行训练命令：

python train.py \ --data bone.yaml \ --weights yolov5s.pt \ --img 640 \ --batch 16 \ --epochs 100 \ --hyp hyp.scratch-low.yaml

参数说明：--img 640是输入图片边长，X 光片长宽比接近 1:1，640 比 480 稳，比 1280 省显存且速度差别明显；--batch 16在 8GB 显存上是安全值，如果显存只有 6GB 就把 batch 降到 8；--epochs 100并不是让你一口气训完，而是给足预算后看验证集损失曲线提前终止；--hyp hyp.scratch-low.yaml是官方低配超参数模板，先别手动改学习率和数据增强，等基线出来再递减。

超参数里最影响骨龄检测的不是学习率，而是 mosaic。官方默认开了 mosaic，但对骨龄数据来说，mosaic 会把四张 X 光片拼在一起，骨化中心被切碎，模型容易学到拼缝伪影。我一般会在训练到后半段关闭 mosaic，或者直接在 hyp 文件里把 mosaic 概率从 1.0 降到 0.5；mixup 同理，医学图像里标定信息很精细，数据增强太猛反而丢边缘特征。

训练过程中每 10 个 epoch 看一次runs/train/exp下的验证集曲线，重点看val/box_loss和val/cls_loss。box_loss 不再下降但 cls_loss 还在降，说明检测框定位已收敛，可以早停；两个损失都在低位震荡，再训也只是过拟合训练集。

3.3 训练完先别急着接分类：用 val 模式看 mAP 和误检

训练结束后，先跑官方验证脚本，不要直接拿 PyQt5 界面去试：

python val.py \ --data bone.yaml \ --weights runs/train/exp/weights/best.pt \ --conf 0.4

这里--conf 0.4把置信度阈值从默认的 0.25 提到 0.4，适合单目标检测。骨龄识别的错误分两类：漏检和误检。漏检意味着后续 ResNet18 根本拿不到输入；误检则是把软组织区域裁出来喂给分类器，输出一个毫无意义的骨龄。在医疗辅助场景，漏检比误检严重得多，所以看验证结果时先看 Recall，再看 mAP50。如果 recall 低于 0.95，别急着调分类模型，回去补标注、调置信度阈值。

val.py 输出的 P、R、mAP50、mAP50-95 里，mAP50-95 对边界框精度的要求更苛刻，但对骨龄识别来说，框差几个像素不影响分类结果，只要中心和尺寸大致对得上就行。所以这个项目里 mAP50 比 mAP50-95 更有参考价值，不要因为后者低就开始调 anchor。

4. ResNet18 骨龄分类微调：从预训练权重到按岁分类的落地参数

4.1 为什么是 ResNet18 而不是 ResNet50

ResNet18 在骨龄分类上有两个不可替代的优势：参数量小，X 光片特征层级浅。骨化中心的形态、大小、密度在影像上属于中低层视觉特征，ResNet18 的 4 个 stage 足够表达；ResNet50 层数更深，反而更容易在几千张的小数据集上过拟合，验证集准确率出现锯齿状波动。另一个实际理由是显存和速度，PyQt5 部署端经常是不带独立显卡的办公电脑，ResNet18 用 CPU 跑一张图在 200ms 左右，ResNet50 直接翻倍，界面体验差距明显。

torchvision 加载预训练权重的写法要注意版本差异：

import torchvision model = torchvision.models.resnet18(weights=torchvision.models.ResNet18_Weights.IMAGENET1K_V1)

weights参数是新版写法，旧代码里的pretrained=True会在 torchvision 新版本里报 FutureWarning，虽然能跑但官方已经不建议用。拿到源码包后先确认这一行，很多老工程卡在依赖版本上跑不起来，不是模型问题。

4.2 标签体系与损失函数：连续回归还是按岁分类

骨龄标签有两种组织方式，直接影响最后一层输出和损失函数。第一种是连续数值回归，标签是骨龄岁数（带小数），损失函数用 MSELoss；第二种是按岁分类，例如 0~18 岁共 19 个类别，损失函数用 CrossEntropyLoss。标题里写的是“分类”，按这个方向走更稳。

原因在数据本身：骨龄标注存在医生间读片差异，同一个片子不同医生能差出 0.5~1.0 岁。连续回归会把这种标注噪声当作误差去拟合，模型输出可能偏到中间值；分类则把每个岁数当桶，标注落在相邻桶也能接受，鲁棒性更好。如果用的是 RSNA 数据，它的骨龄标签本身就是小数，我一般会四舍五入到最近的整数，再做类别映射；如果项目里自带分期标签，那就直接按分期数设置类别数。

最后一层改法很直接：

num_classes = 19 # 0岁到18岁 model.fc = torch.nn.Linear(model.fc.in_features, num_classes)

4.3 微调训练循环：冻结策略、学习率与预处理对齐

ResNet18 微调的标准流程是冻结前几层、只训练后半段，先让新分类头收敛，再解冻全部层做低学习率精调。核心代码：

import torch # 冻结 layer3 之前的所有层 for name, param in model.named_parameters(): if name.startswith('layer4') or name.startswith('fc'): param.requires_grad = True else: param.requires_grad = False optimizer = torch.optim.Adam( filter(lambda p: p.requires_grad, model.parameters()), lr=1e-4, weight_decay=1e-4 ) scheduler = torch.optim.lr_scheduler.StepLR(optimizer, step_size=10, gamma=0.1)

逻辑说明：先训练 fc 和 layer4，这两个部分承担了绝大部分分类能力；Adam 在这个阶段比 SGD 稳定，学习率从 1e-4 起步，StepLR 每 10 个 epoch 降一次。跑 20~30 个 epoch 后，如果验证集准确率不再上升，再把全部层解冻，学习率降到 1e-5，用 SGD 精调 10 个 epoch。

这里最容易被忽略的是 batch size 和输入尺寸：分类模型的输入一般用 224，而检测模型用 640。训练时 ResNet18 吃的是“检测框裁剪后 resize 到 224 的 patch”，PyQt5 部署时也必须走完全相同的裁剪、resize、灰度转三通道流程。我的习惯是把预处理函数和训练代码放在同一个模块里，部署端直接 import 这个函数，而不是复制粘贴。

还有两个容易翻车的点：模型推理前必须切model.eval()，否则 BatchNorm 会继续用当前 batch 的统计量更新，单张图推理时表现忽好忽坏；torch.no_grad()一定要包住 forward，否则显存会被中间激活值占满，OOM 只是时间问题。

5. PyQt5 集成与部署避坑：界面线程、模型加载与推理失败排查

5.1 界面骨架：先跑通 pyqt5 安装与最小窗口

PyQt5 界面设计这块，安装阶段最容易遇到环境问题。pip install PyQt5 pyqt5-tools在 Python 3.10 及以上通常没问题，但如果你先装了 opencv-python 再装 PyQt5，有概率在运行时报告qt.qpa.plugin: Could not find the Qt platform plugin。原因是 OpenCV 自带的 Qt 插件和 PyQt5 冲突，常见解决方法是卸载opencv-python-headless、换成普通opencv-python，或者在环境变量里设置QT_QPA_PLATFORM=offscreen做无界面调试。这种问题不看报错不好猜，属于典型的“装的时候没事，跑起来崩”。

界面布局怎么写都行，但如果要在结果页展示带格式的文字报告，别用十几个 QLabel 拼布局，直接用 QTextBrowser 的setHtml()方法，表格和加粗都能渲染，后续改版也方便。

验证安装成功的最小窗口：

import sys from PyQt5.QtWidgets import QApplication, QMainWindow, QPushButton class MainWindow(QMainWindow): def __init__(self): super().__init__() self.setWindowTitle('Bone Age Assessment') self.btn = QPushButton('Select Image', self) self.btn.clicked.connect(self.open_image) def open_image(self): print('image selected') if __name__ == '__main__': app = QApplication(sys.argv) win = MainWindow() win.show() sys.exit(app.exec_())

5.2 推理线程与界面线程分离：QThread + signal/slot 的最小写法

PyQt5 集成深度学习模型时，头号新手错误是把推理代码直接写在按钮的槽函数里。YOLOv5 单张图推理在 CPU 上需要几百毫秒到几秒，这段时间界面事件循环被阻塞，窗口直接“未响应”。Windows 会弹窗问你要不要结束程序，Linux 下整个窗口假死，看着就像软件崩了。

正确做法是让推理跑在 QThread 里，结果通过信号传回主线程：

from PyQt5.QtCore import QThread, pyqtSignal import cv2 class BoneAgeWorker(QThread): result_ready = pyqtSignal(dict) def __init__(self, detector, classifier, image_path): super().__init__() self.detector = detector self.classifier = classifier self.image_path = image_path def run(self): # 注意：这里不能访问任何界面控件 img = cv2.imread(self.image_path) boxes = self.detector(img) # 返回的坐标需要乘以原图宽高 box = boxes[0] x1, y1, x2, y2 = [int(v) for v in box] patch = img[y1:y2, x1:x2] patch = cv2.resize(patch, (224, 224)) if patch.ndim == 2: patch = cv2.cvtColor(patch, cv2.COLOR_GRAY2BGR) # 这里调用和训练时完全一致的预处理函数 prob = self.classifier(patch) age_class = int(torch.argmax(prob)) self.result_ready.emit({'box': box, 'age': age_class})

参数说明：pyqtSignal(dict)用字典传结果，避免定义多个信号时参数数量不一致的麻烦；detector 和 classifier 在初始化时传进去，不要在 run() 里重新加载，否则每点一次识别就加载一次模型，等待时间能到十秒级别。worker 对象要作为窗口类的成员变量持有，防止局部变量被垃圾回收后信号发不回来。

5.3 高频故障排查：界面卡死、图像颜色、权重路径、显存溢出

按真实踩坑频率排序，这里列四条最常见的故障记录。

现象一：点击识别按钮后界面立刻未响应，几秒后恢复。原因：YOLOv5 的 forward 直接跑在 GUI 主线程里，阻塞了事件循环。解决：把推理移到 QThread，按钮槽函数里只负责创建 worker 和连接信号，不在槽函数里做任何耗时操作。

现象二：结果显示区黑屏或者颜色发蓝发怪。原因：OpenCV 读图是 BGR 顺序，QImage 默认按 RGB 解析；X 光灰度图如果被当成三通道彩图处理，会显示成诡异色块。解决：显示前用cv2.cvtColor(img, cv2.COLOR_BGR2RGB)转颜色空间，灰度图直接用QImage(data, w, h, w, QImage.Format_Grayscale8)，不要手工拼接 RGB。

现象三：换一台电脑运行，torch.load 报错No module named 'models'或找不到 utils。原因：YOLOv5 的权重文件保存的是相对导入路径，部署机上没有把 yolov5 仓库放进 sys.path。解决：把整个 yolov5 目录工程化复制到项目里，在入口文件最开头sys.path.insert(0, os.path.join(os.path.dirname(__file__), 'yolov5'))；分类权重如果是单独训练的，要保持模型定义和训练时完全一致，否则直接报尺寸不匹配。

现象四：跑几十张图后显存溢出，或者推理速度越来越慢。原因：模型推理没包torch.no_grad()，中间激活值撑爆显存；或者每次循环都调了一次模型加载。解决：程序启动时加载一次模型，推理函数里对 forward 加with torch.no_grad():，并把model.eval()放在启动阶段而不是每张图都切一次。

6. 量化、批量验证与边缘部署：把骨龄识别接进真实工作流

6.1 批量验证脚本：把单图 Demo 升级为可回归的 Pipeline

PyQt5 界面验证单张图没问题，只能证明路径通畅，不能证明模型稳定。我习惯准备一个批量脚本，遍历测试集，跑完整个“检测—裁剪—分类—记录”链路，输出 CSV 和中间产物：

import os, glob, csv, cv2 with open('result.csv', 'w', newline='') as fp: writer = csv.writer(fp) writer.writerow(['image', 'box', 'age_class', 'prob']) for img_path in sorted(glob.glob('sample/*.jpg')): img = cv2.imread(img_path) box = detector(img)[0].tolist() patch = preprocess(img, box) # 与训练、PyQt5 同一个函数 prob = classifier(patch) age = int(prob.argmax()) writer.writerow([img_path, box, age, float(prob.max())]) cv2.imwrite(f'patch_{os.path.basename(img_path)}', patch)

这个脚本的附加价值是裁剪后的 patch 也落盘。出问题时直接对比 patch 和原图，能快速定位是检测框偏移还是分类模型本身的问题，比看一串数字直观得多。批量跑的时候顺手统计每张耗时，CPU 和 GPU 的差距心里要有数：yolov5s 在 GPU 上单张几十毫秒，CPU 上奔着几百到上千毫秒去，直接决定 PyQt5 部署时能不能做实时反馈。

6.2 量化掉点与边缘部署：rk3568 这类板子的取舍

如果目标设备是 rk3568 这类边缘盒子，FP32 模型跑不动是常态，量化就得提上日程。常见路径是把 YOLOv5 和 ResNet18 先导出 ONNX，再转成目标平台的格式；转之前先做 PTQ 量化，校准集取 100~200 张有代表性的腕骨 X 光片，统计 INT8 和 FP32 的 mAP 掉点。掉点在 2 个点以内可以接受，超过就要检查预处理是否对齐、校准集覆盖面是否够。

量化的顺序也讲究。先量化检测器还是先量化分类器，取决于耗时占比：CPU 上 YOLOv5s 的卷积占大头，先量化它；GPU 上两个都很快，优先量化分类器。量化和部署是另一套工程，但它决定了这个项目最终是“自己电脑上的演示”还是“科室里能用的工具”。

6.3 一次“输入—输出”链路的冒烟测试清单

最后固化一个验证习惯：每次改动任何模块后，按链路逐项检查。输入一张标准腕骨 X 光片，走完整条链路，每步产出一个可检查的中间结果：

我做这类工具最深刻的教训就是：界面写了三周，换了一台没有 NVIDIA 显卡的电脑才发现整个推理链路慢到没法用，回头补量化又花了两周。另一个习惯是把检测后的 patch 直接落盘，靠肉眼就能看出检测框是不是裁偏了——分类模型再准，框歪了也是白搭。这套“检测 + 分类 + PyQt5”的组合，做到能稳定读出一张片子的骨龄不算难，难的是每一步都可追溯、可验证；希望上面这些参数和排查思路帮到你，少走我走过的弯路。

本文还有配套的精品资源，点击获取