Yolov10教程+工厂零件检测案例

一、Yolov10的安装

1、项目地址

https://github.com/THU-MIG/yolov10

2、下载项目

2.1 下载压缩文件

选择Download ZIP即可

2.2 通过git clone

首先右键打开git bash

选择你想要克隆的地址，这里以D盘根目录为例，输入以下命令：

git clone https://github.com/THU-MIG/yolov10.git

二、文件夹结构介绍

1、 训练验证文件

首先是肯定要用到的训练与推理文件，可以看到在下图中的yolo文件夹中，分别有classify、detect、obb、pose、segment 五个文件夹，分别对应了分类、目标检测、旋转目标检测、姿态检测与实例分割。同时每个功能下面都有训练与推理入口。如下图：

2、配置文件

首先是datasets文件夹，其中为数据配置文件，存放着数据集源路径root、训练集、验证集、测试集地址，类别个数，类别名，下载地址等信息。

然后是models文件号，其中为网络模型配置文件。

最后是trackers文件夹，其中参数配置文件。

三、配置环境

运行Yolov10所需要的包具体可以看requirement.txt，这里建议torch及torchvision安装cuda版本。

四、工厂零件检测案例

4.1 首先准备好数据集

这里的案例主要有3种类别，

0: pass 1: Outer broken 2: Fixed plate broken

0表示零件完好，1表示外圈破损，2表示内圈破损。

4.2 创建数据配置文件

在datasets文件夹中创建自己的yaml文件，注意路径、类别要写对

4.3 修改网络模型配置文件

将网络模型配置文件中的类别改为自己的实际类别数量

4.4 修改训练参数配置文件（可选）

4.5 开始训练模型

from ultralytics import YOLO if __name__ == '__main__': # model = YOLO(r'D:\Pycharm_project\project01\YOLO学习\Yolov10\yolov10-main\datasets\yolov10n.yaml') model = YOLO(r'D:\Pycharm_project\project01\YOLO学习\Yolov10\yolov10-main\datasets\yolov10n.pt') model.train(data='D:\Pycharm_project\project01\YOLO学习\Yolov10\yolov10-main\datasets\mydata.yaml',lr0=0.001,epochs=100,batch=10)