目錄一、行業(yè)落地背景與項目需求二、機械工具檢測數(shù)據(jù)集全方位解析2.1 數(shù)據(jù)集基礎完整信息2.2 檢測核心四大識別難點三、YOLOv8 不平衡工具檢測漲點調(diào)參完整體系3.1 YOLOv8 適配車間工具檢測核心優(yōu)勢3.2 極端稀缺樣本專屬精細化調(diào)參方案3.2.1 基礎硬件與尺度參數(shù)3.2.2 損失與正則核心漲點參數(shù)（稀缺類關鍵）3.2.3 車間場景定制數(shù)據(jù)增強3.2.4 推理后處理閾值四、車間機械工具三大工業(yè)落地應用案例4.1 車間 24 小時實時工具監(jiān)控預警4.2 運維工具箱出庫入庫自動統(tǒng)計4.3 無人機戶外檢修工具巡檢五、全套完整無拆分工程代碼5.1 VOC 轉 YOLO + 分層均衡數(shù)據(jù)集劃分腳本5.2 數(shù)據(jù)集 data.yaml 配置文件5.3 YOLOv8 八類工具完整訓練代碼5.4 車間工程化多功能推理代碼六、極端不平衡數(shù)據(jù)集漲點全套優(yōu)化方案6.1 精度漲點核心策略6.2 車間邊緣輕量化部署優(yōu)化6.3 訓練落地高頻問題解決七、項目完整總結一、行業(yè)落地背景與項目需求機械加工、設備維保、電力檢修車間長期存在工器具管理難題：扳手、螺絲刀、撬棍、油桶、工具箱等工具種類繁雜，工人取放混亂，極易出現(xiàn)工具丟失、工具錯配、危險油桶隨意堆放、施工繩索亂堆等安全隱患。傳統(tǒng)人工盤點耗時耗力，RFID 標簽存在成本高、易脫落、金屬屏蔽失效缺陷，基于機器視覺的目標檢測方案無需硬件附著，僅通過監(jiān)控畫面即可自動識別各類工具，實現(xiàn)車間實時智能管控。 現(xiàn)有公開工具檢測數(shù)據(jù)集普遍存在樣本分布極度失衡問題，部分稀有工具標注框僅個位數(shù)，直接訓練會出現(xiàn)稀有類別完全漏檢、常規(guī)工具過擬合。本文基于4713 張 8 類機械工具 VOC+YOLO 雙標注數(shù)據(jù)集完整復現(xiàn) YOLOv8 工業(yè)檢測全流程，針對撬棍crowbar僅 5 框的極端稀缺樣本設計加權損失、多尺度訓練、專屬增強全套漲點方案，配套車間實時監(jiān)控、工具盤點、安全隱患預警三大落地場景，提供數(shù)據(jù)集轉換劃分、訓練、批量統(tǒng)計推理全套完整工程代碼，解決多類別極端不均衡、微小細長工具漏檢行業(yè)痛點。