Appearance
YOLOv8手机屏幕裂纹检测
任务描述
YOLOv8 手机屏幕裂纹检测
包含：
- 环境安装
- 数据集准备（自定义裂纹标注）
- 模型训练（迁移学习，快速收敛）
- 单图/批量/摄像头实时检测（ONNX 部署）
- 模型导出（ONNX 格式）
- Docker 一键部署
- Node.js 端：调用 YOLO 服务
整体流程
- 准备标注好的裂纹数据集（自定义类别）
- 用 YOLOv8 预训练权重微调（迁移学习，小样本也能训）
- 训练完成后，用模型检测屏幕裂纹
第一步：安装环境
bash
pip install ultralytics opencv-python numpy第二步：准备裂纹数据集
- 数据集配置文件 screen_crack.yaml
# 数据集根路径
path: ./datasets/screen_crack
# 训练/验证集路径
train: train/images
val: val/images
test: test/images
# 类别：只有1类，裂纹
names:
0: crack第三步：训练裂纹检测模型
- train_crack.py
python
from ultralytics import YOLO
def train_crack_model():
# 加载 YOLOv8n 预训练权重（自动下载，迁移学习）
# 小样本用 n/s 足够，精度要求高用 m
model = YOLO("yolov8n.pt")
# 开始训练
results = model.train(
data="screen_crack.yaml", # 你的数据集配置
epochs=100, # 训练轮数，小样本50-100足够
imgsz=640, # 输入尺寸，裂纹小目标建议640+
batch=8, # 批次大小
device=0, # 有GPU改成 device=0
patience=20, # 早停，20轮不提升就停止
project="crack_detect", # 训练结果保存目录
name="yolov8_crack",
# 数据增强，提升小样本泛化能力
augment=True,
flipud=0.2,
fliplr=0.5,
mosaic=1.0,
mixup=0.1
)
print("✅ 训练完成！最佳模型保存在：crack_detect/yolov8_crack/weights/best.pt")
if __name__ == "__main__":
train_crack_model()第四步：裂纹检测推理代码
- 支持单图 / 批量 / 摄像头实时检测. detect_crack.py
python
from ultralytics import YOLO
import cv2
import os
# 加载你训练好的裂纹模型
model = YOLO("crack_detect/yolov8_crack/weights/best.pt")
# ------------------------------
# 1. 单张图片检测
# ------------------------------
def detect_single_image(img_path, save_path="result.jpg"):
# 推理，置信度阈值调低，适配小裂纹
results = model.predict(
source=img_path,
conf=0.25, # 裂纹小，置信度阈值调低
imgsz=640,
save=False
)
# 读取原图
img = cv2.imread(img_path)
has_crack = False
# 绘制检测框
for r in results:
for box in r.boxes:
x1, y1, x2, y2 = map(int, box.xyxy[0])
conf = box.conf[0].item()
cls = box.cls[0].item()
# 画裂纹框
cv2.rectangle(img, (x1, y1), (x2, y2), (0, 0, 255), 2)
cv2.putText(img, f"crack {conf:.2f}", (x1, y1-10),
cv2.FONT_HERSHEY_SIMPLEX, 0.9, (0,0,255), 2)
has_crack = True
# 保存结果
cv2.imwrite(save_path, img)
print(f"✅ 检测完成，结果保存到: {save_path}")
print(f"🔍 检测结果: {'发现裂纹!' if has_crack else '未发现裂纹'}")
return has_crack, img
# ------------------------------
# 2. 批量检测文件夹
# ------------------------------
def detect_batch_images(folder_path):
for file in os.listdir(folder_path):
if file.endswith((".jpg", ".png", ".jpeg")):
print(f"处理: {file}")
detect_single_image(
os.path.join(folder_path, file),
save_path=f"result_{file}"
)
# ------------------------------
# 3. 摄像头实时检测（对着手机屏幕检测）
# ------------------------------
def detect_camera():
cap = cv2.VideoCapture(0) # 0=电脑摄像头
print("📷 摄像头已开启，按 q 退出")
while cap.isOpened():
ret, frame = cap.read()
if not ret: break
# 推理
results = model.predict(source=frame, conf=0.25, imgsz=640, verbose=False)
has_crack = False
# 画框
for r in results:
for box in r.boxes:
x1, y1, x2, y2 = map(int, box.xyxy[0])
conf = box.conf[0].item()
cv2.rectangle(frame, (x1, y1), (x2, y2), (0,0,255), 2)
cv2.putText(frame, f"crack {conf:.2f}", (x1,y1-10),
cv2.FONT_HERSHEY_SIMPLEX,0.9,(0,0,255),2)
has_crack = True
# 顶部提示
cv2.putText(frame, "CRACK DETECTED!" if has_crack else "NO CRACK",
(10,30), cv2.FONT_HERSHEY_SIMPLEX,1,
(0,0,255) if has_crack else (0,255,0), 2)
cv2.imshow("Screen Crack Detection", frame)
if cv2.waitKey(1) & 0xFF == ord('q'):
break
cap.release()
cv2.destroyAllWindows()
# ------------------------------
# 运行入口
# ------------------------------
if __name__ == "__main__":
# 👉 选你要的模式：
# 1. 单图检测
# detect_single_image("test_screen.jpg")
# 2. 批量检测
# detect_batch_images("test_images/")
# 3. 摄像头实时检测（对着手机屏幕）
detect_camera()使用说明
- 训练：准备好标注数据后，运行 python train_crack.py
- 检测：
- 单图：取消注释 detect_single_image，传入你的图片路径
- 批量：取消注释 detect_batch_images，传入图片文件夹
- 实时摄像头：直接运行，打开摄像头，把手机屏幕对着摄像头，就能实时检测裂纹
效果优化
- 小裂纹检测：把 imgsz 调到 800/1024，提升小目标精度
- 样本少：多做数据增强，或者用 yolov8s.pt 代替 n，精度更高
- 标注：标注裂纹的时候，尽量框紧裂纹，不要留太多空白
- 推理：置信度阈值 conf 可以调到 0.2，漏检少一点