📝 标注工具

操作流程

1. 将待标注图片放入 backend_data/images/ 目录
2. 点击工具栏 「扫描」 按钮加载图片列表
3. 点击图片卡片进入标注编辑器
4. 在图片上点击添加顶点 → 双击闭合多边形 → 选择标签
5. 每个物品需标注两个多边形：物品（测试条整体边框）和 阳性/阴性（标记区域）
6. 按 Ctrl+S 保存当前标注

标注要点

• 「物品」多边形应完整覆盖测试条，边缘留少量余量
• 「阳性/阴性」多边形应精确框选标记区域（T线/C线位置）
• 多边形顶点 ≥ 3 个，支持拖拽调整顶点位置
• 右侧面板可查看/删除已绘制的多边形

数据准备

1. 标注完成后点击 「验证」 检查标注完整性
2. 验证通过后点击 「准备数据集」 自动 80/20 划分训练/验证集
3. 数据集生成到 backend_data/datasets/ 目录

⚡ 模型训练

首次使用

切换到训练标签页，系统会自动检测训练环境。如提示「Python 未安装」，点击「安装环境」按钮，系统将自动在线安装所需依赖（需联网，约 15 分钟）。

两种训练模式

物品检测 (模型)

训练 YOLO 模型，在整张图片中定位测试条位置。使用 4 角度旋转增强数据（368 张）。

标记检测 (模型)

训练 YOLO 模型，在物品裁剪图中识别阳性/阴性标记区域。同样使用 4 角度旋转增强。

训练前准备

1. 首次训练物品模型前，运行 rotate_data.bat 生成旋转增强数据
2. 训练标记模型前，运行 prepare_marking.bat 裁剪物品生成标记数据集

训练参数说明

训练监控

训练过程中实时显示 Loss（损失值）和 mAP（平均精度）。Loss 持续下降、mAP 持续上升说明训练正常。

🔍 推理检测

使用方式

1. 切换到推理标签页
2. 拖拽图片到上传区域，或点击选择图片文件
3. 调整置信度阈值（默认 0.35）：
   • 高召回（0.15）：尽可能多检测，可能误检
   • 默认（0.35）：平衡精度和召回
   • 高精度（0.55）：只显示高置信度结果
4. 点击「开始检测」

检测结果

• 标注大图显示所有物品和标记的检测框
• 每个物品以卡片形式展示：裁剪图 + 阴阳性分类 + 置信度
• 点击卡片可放大查看裁剪细节（支持缩放拖拽）
• 检测结果自动保存到 backend_data/crops/ 目录

置信度说明

卡片上显示两个数值：左侧为物品检出置信度，色彩条为阴阳性分类置信度。绿色≥70%、黄色 40-70%、红色＜40%。滑块只影响分类结果的显示门槛，不影响模型内部计算。

⌨️ 快捷键

❓ 常见问题

训练到一半 GPU 没了，变成 CPU 了怎么办？

Windows TDR 超时导致 GPU 复位。以管理员身份运行一次 train_yolo26.bat（脚本已内置 TDR 修复）。

物品模型检测不到东西？

降低置信度阈值到 0.15（高召回），确认图片角度与训练数据一致。如测试图为横拍需确保已使用旋转增强数据训练。

提示「config.json 缺少 python_path」怎么办？

运行 setup_training.bat 重新安装训练环境，或在 config.json 中手动配置 Python 路径。

训练数据不足提示？

至少需要 10 个标注样本、≥2 个类别、每类 ≥5 个样本。在标注页面点击「验证」查看具体数据统计。

如何切换亮色/暗色主题？

点击标签栏右上角的太阳/月亮图标即可切换，浏览器会记住您的选择。

如何修改登录密码？

登录后点击右上角用户头像 →「账号信息」→ 输入新旧密码并保存。密码加密存储在本地数据库中。