自動插管系統

描述¶

背景¶

本專案使用 YOLOv11 Nano（yolo11n.pt，約 2.6M 參數）作為基礎模型，在僅有 33 張喉鏡影像的極小資料集上，透過遷移學習進行微調。由於資料量極少，訓練策略的設計是決定模型效能的關鍵因素。

實作內容¶

1. 訓練腳本 train.py¶

• 支援命令列參數：--model, --epochs, --imgsz, --batch, --device, --name
• 內建小資料集優化參數（凍結 Backbone、低學習率、多種資料增強）
• 訓練結束後自動執行驗證並輸出 mAP50 / mAP50-95
• 自動儲存訓練過程的曲線圖、混淆矩陣、PR 曲線等視覺化圖表

2. 第一次訓練（Baseline）— runs/detect/vocal_cord/¶

使用 YOLO 預設超參數建立基線，觀察模型在此資料集上的學習行為：

• 參數：epochs=100, batch=16, patience=20, lr0=0.01, 不凍結 Backbone, 無額外增強
• 模型在第 38 epoch 被早停終止
• 結果：mAP50=0.445, Precision=0.700, Recall=0.240
• 發現問題：
  • Recall 僅 0.240（漏掉 76% 的目標）
  • Epoch 20→30 Recall 從 0.794 驟降至 0.264，訓練嚴重震盪
  • 學習率 0.01 過高，預訓練特徵被破壞
  • 26 張訓練圖缺乏增強，過擬合嚴重

3. 問題診斷與優化策略¶

4. 第二次訓練（優化版）— runs/detect/vocal_cord_v2/¶

套用全部優化策略後重新訓練：

• 參數：epochs=300, batch=8, patience=50, lr0=0.001, freeze=10, augment=true, mosaic=1.0, mixup=0.3, copy_paste=0.3, degrees=15.0, scale=0.5, fliplr=0.5, flipud=0.2
• 模型在第 195 epoch 被早停終止，最佳表現出現在第 147 epoch
• 學習曲線四個階段：
  • Epoch 1-25：初始學習，mAP50 從 0.01 升至 0.30（凍結 Backbone，慢但穩定）
  • Epoch 25-75：快速提升，mAP50 從 0.30 升至 0.58
  • Epoch 75-147：穩定優化，mAP50 從 0.58 緩慢爬升至 0.786（最佳）
  • Epoch 147-195：過擬合跡象，指標開始下降，觸發早停
• 最終結果：mAP50=0.786, mAP50-95=0.423, Precision=0.900, Recall=0.619

5. 兩次訓練成果對比¶

6. 輸出成品¶

• runs/detect/vocal_cord/weights/best.pt：Baseline 最佳模型
• runs/detect/vocal_cord_v2/weights/best.pt：優化版最佳模型（5.3MB，正式模型）
• 每次訓練包含完整視覺化：results.png, confusion_matrix.png, BoxPR_curve.png, BoxF1_curve.png, val_batch0_pred.jpg 等