验证与诊断
将 best.pt 与基线进行验证，查看混淆矩阵、各类别指标和预测图像，并据此制定具体的修正清单。
单个 mAP 数值只能告诉你模型错了 多少，不能告诉你 错在哪里。漏检小物体、混淆两个类别以及边界框不够贴合都会拉低 mAP，而每种情况都需要不同的修正方法。猜错原因，你可能会花一周时间收集错误的数据。
本课中，你会在 best.pt 上运行 Val 模式，与基线进行比较，并查看混淆矩阵和预测图像，直到能够写出下一轮的修正清单。性能指标指南提供了更详细的介绍。
实践操作
示例：验证 best.pt#
from ultralytics import YOLO
model = YOLO("runs/detect/pills_v1/weights/best.pt")
metrics = model.val(data="my_dataset/data.yaml")
print(f"precision {metrics.box.mp:.3f} recall {metrics.box.mr:.3f}")
print(f"mAP50 {metrics.box.map50:.3f} mAP50-95 {metrics.box.map:.3f}")val.py 的实际输出：
precision 0.970 recall 0.957
mAP50 0.977 mAP50-95 0.659图表会写入新的 runs/detect/val 文件夹（接着是 val-2，依此类推）。将这些数值与基线并列：
| 模型 | mAP50 | mAP50-95 |
|---|---|---|
预训练的 yolo26n.pt（没有药丸类别） | 0.001 | 0.0002 |
pills_v1（10 个 epoch，imgsz 320，CPU） | 0.977 | 0.659 |
数字说明了什么：
- Precision 0.970，recall 0.957：两者均衡。误报少，漏检也少。
- mAP50 0.977：在重叠要求较宽松时，模型几乎能找到每一颗药丸。
- mAP50-95 0.659：在重叠要求严格时，许多框不够贴合。如此大的差距说明问题在于定位——应增加训练轮数、使用更大的
imgsz或收紧标注，而不是缺少数据。
关于 precision、recall 和 mAP 之间的权衡，请参阅诚实解读检测指标。
了解每个文件能回答什么问题#
| 问题 | 文件 |
|---|---|
| 哪些类别容易混淆，哪些类别容易漏检？ | confusion_matrix_normalized.png |
| 每个类别如何在precision和recall之间取舍？ | BoxPR_curve.png |
| 应该部署在哪个confidence阈值？ | BoxF1_curve.png：它的峰值是一个不错的起始 conf |
| 失败案例是什么样的？ | val_batch0_labels.jpg 与 val_batch0_pred.jpg |
| 模型是否过拟合？ | 训练文件夹中的 results.png |
解读混淆矩阵#
混淆矩阵是最有用的单项诊断工具。在 Ultralytics 绘图中，列是真实类别，行是预测类别，并额外包含 background 行和列。归一化版本会将每列除以该列总和，因此每列显示该类别的目标最终被分到了哪里。Pills 只有一个类别，因此可以用下面这个三类别仓库示例练习（数字仅供说明）：
| 预测 ↓ / 真实 → | 叉车 | 人员 | 托盘 | 背景 |
|---|---|---|---|---|
| 叉车 | 0.78 | 0.03 | 0.18 | 0.45 |
| 人员 | 0.04 | 0.91 | 0.00 | 0.20 |
| 托盘 | 0.10 | 0.00 | 0.65 | 0.35 |
| 背景 | 0.08 | 0.06 | 0.17 | — |
- 对角线：各类别被正确检测的比例。托盘的数值为 0.65，是表现较差的类别。
- 非对角线：类别混淆。18% 的真实托盘被预测为叉车，10% 的叉车被预测为托盘。
- 背景行：漏检。17% 的托盘完全没有被检测到。
- 背景列：误报，即在空白区域画出的框。其中 45% 被判为叉车。
每种单元格类型都对应一种修复方法：
| 模式 | 解决方法 |
|---|---|
| 两个类别互相混淆 | 添加能区分这两个类别的示例：载着托盘的叉车，以及堆放在叉车旁边的托盘 |
| 背景行数值高（漏检） | 增加该类别在容易漏检条件下的示例 |
| 背景列数值高（误报） | 添加会触发误报场景的背景图像，例如空走廊 |
查看各类别的具体数值#
类别较多时，验证日志会按类别逐行打印结果，而 metrics.box.maps 则保存供代码使用的各类别 mAP50-95。继续看仓库示例：
Class Images Instances Box(P R mAP50 mAP50-95)
all 50 102 0.78 0.71 0.74 0.51
forklift 30 45 0.85 0.78 0.81 0.58
person 40 50 0.92 0.88 0.91 0.64
pallet 5 7 0.58 0.48 0.51 0.31pallet 远低于其他类别，而且验证集中只有 7 个实例。可能是模型不擅长检测托盘，也可能是验证数据太少，无法得出结论。两种情况都需要采取相同的措施：收集更多托盘数据用于训练和验证。
检查失败案例#
并排打开 val_batch0_labels.jpg 和 val_batch0_pred.jpg。两者之间的差异就是可视化的失败案例，而这些案例中的规律就是诊断线索：图像边缘处漏检、小目标、某种光照条件，或外观相似的干扰物。数据集中的这类规律几乎总比调超参数更值得优先处理。
在药丸模型的验证图像中，清晰可见的药丸置信度接近 1.0。置信度较低、约为 0.3–0.5 的框集中出现在部分被另一板泡罩包装遮挡的药丸，以及被图像边缘截断的药丸上。这不是通过调整 conf 就能解决的问题，而是标注策略问题。半遮挡的药丸是否应该计入？确定规则、记录下来，并以相同方式标注每张图像。
然后打开 results.png。训练损失和验证损失应该同步下降。如果训练损失持续下降，而验证损失上升，模型就是过拟合；如果两者都长期居高不下，则是欠拟合。偏差-方差权衡是理解这两种情况的视角。
针对过拟合，按有效频率从高到低排列的修复方法是：增加更多样化的数据；减少训练轮数或使用更紧凑的 patience；以及数据增强（hsv_h、degrees、translate、scale、fliplr、mosaic、……）。默认增强配置已经很强；只有在有明确理由时才修改，例如左右方向很重要时关闭 fliplr。
将发现转化为修复清单#
先修复数据，再调超参数；每轮只改一项，这样你才能知道哪些改动起了作用。关于这个循环中的数据集部分，请参阅首次微调与迭代循环。
避免这些错误#
症状：模型的 mAP50-95 从 0.659 突然降到 0.403。原因：pills_v1 在 imgsz=320 尺寸下训练，却使用 imgsz=640 进行验证；物体看起来比模型学过的尺寸大一倍。解决方法：使用训练时的 imgsz 尺寸进行验证和部署，并且只在相同尺寸下比较运行结果。
验证时会使用 conf=0.001，以便绘制完整的精确率-召回率曲线，因此 val_batch0_pred.jpg 会显示应用永远不会报告的边界框。根据 BoxF1_curve.png 选择部署阈值，然后用 predict 检查。
只有 23 张图像时，某一轮训练的精确率从 0.93 降到 0.80，然后又升回去。要结合多个训练轮次和运行结果判断趋势；在相信一两个百分点的差异之前，先扩大验证集。
显示解答
Baseline mAP50-95 0.0002 -> pills_v1 0.659 (mAP50 0.977), both at imgsz=320
Failures:
- Low-confidence boxes (about 0.3-0.5) on pills half-hidden under another pack.
- Low-confidence or missing boxes on pills cut off at the image edge.
Overfitting: none. val/box_loss flattened near 1.05; val/cls_loss spiked at epochs 4-6
and then fell to its lowest value (1.08) at epoch 10.
Fix list:
1. Write a labeling rule for partly hidden and edge pills, then relabel the val set to match.
2. Train longer and larger: epochs=50, imgsz=640 (mAP50-95 lags mAP50, so box tightness is the gap).
3. Add 20 frames with overlapping packs, labeled under the new rule.