宏全三支 — 堆高機資料驗收報告

2026-08-05 · cvat #9 · 物流A倉充電站/物流A倉出貨/自動倉北側
cvat 上總 frames
3,625
同事回報「約 6,000」
已標註可訓練
492
710 個 bbox
待標註
3,133
shapes 全為 0
其中重複畫面
1,711
dHash 完全相同
三個要先處理的問題
  1. 新上傳的 3,133 張還沒開始標 — 全部 shapes=0 + annotation/new。 目前訓練實際可用量仍是 492 張,沒有增加。
  2. 物流A倉出貨 20260706 上傳失敗 — task 11231 有建立但 data_id = Nonesize = None,API 抓 meta 回 500。是空殼 task,需要重傳。 總數比預期少,主因應該就是這支。
  3. 重複率過高 — 物流A倉充電站 74% 的畫面是一模一樣的(dHash 完全相同)。 照現況發出去,等於有 1,494 張的標註工時白花,進訓練後同一畫面還會被重複加權。

一、資料量與分布

鏡頭task總 frames已標註 待標bbox日期數重複率
物流A倉充電站92,1531332,020303374%
物流A倉出貨620817335199334%
自動倉北側331,2641861,0782081319%

二、影像品質檢查 ✅ 乾淨

檢查項結果
空白/掉線幀(灰階 std < 8)0 張(3,133 張全掃)
std 分布min 28.2 / P5 30.2 / 中位 60.6 / max 71.8 — 全部遠高於門檻
讀取失敗/損毀0
video-mode task0(全部 image-mode,不會踩到只取第 1 幀的坑)
shape typepolygon 710(無 rectangle 混用問題)
沒有踩到 2026-08-04 火煙那條線的空白畫面污染坑。

三、模型預篩(用 forklift_v20260804

鏡頭可用張數偵到堆高機比例 總框數平均每張
物流A倉充電站2,0202,020100.0%6,3533.1
物流A倉出貨351337.1%130.4
自動倉北側1,0781,06999.2%1,2331.1
物流A倉充電站每張平均 3.1 台堆高機並排 —— 這正好打中先前 FN 分析找到的弱點 (該鏡頭漏偵測 12.5%,全部是多台互相遮擋只露門架)。這批資料方向正確,但要先去重才划算。

另外充電站 100%、北側 99.2% 的畫面都有堆高機,代表這兩支幾乎沒有 negative 樣本 (先前掃描結果也是 0)。標註時若遇到空景畫面,值得刻意保留當負樣本。

四、待標註 task 清單(14 個 / 3,133 張)

鏡頭日期taskframesshapes subsetjob 狀態預篩有車預測框數
物流A倉充電站20260706 11228 14560 Trainannotation/new 1456/1456(100%)4594
自動倉北側20260706 11232 8490 Trainannotation/new 844/849(99%)969
物流A倉充電站20260706 11229 1830 Validationannotation/new 183/183(100%)585
物流A倉充電站20260706 11230 1810 Testannotation/new 181/181(100%)570
物流A倉充電站20260708 10482 1610 Trainannotation/new 161/161(100%)484
自動倉北側20260706 11233 1070 Validationannotation/new 105/107(98%)120
自動倉北側20260706 11234 1060 Testannotation/new 104/106(98%)127
物流A倉出貨20260708 10485 300 Trainannotation/new 11/30(37%)11
物流A倉充電站20260708 10483 210 Validationannotation/new 21/21(100%)63
物流A倉充電站20260708 10484 180 Testannotation/new 18/18(100%)57
自動倉北側20260721 10352 110 Trainannotation/new 11/11(100%)12
物流A倉出貨20260708 10486 50 Validationannotation/new 2/5(40%)2
自動倉北側20260721 10353 30 Validationannotation/new 3/3(100%)3
自動倉北側20260721 10354 20 Testannotation/new 2/2(100%)2

五、已標註可訓練 task(33 個 / 492 張)

鏡頭日期taskframesshapes subsetjob 狀態
物流A倉充電站20260707 9856 1332 Testacceptance/completed
物流A倉充電站20260707 9855 1745 Validationacceptance/completed
物流A倉充電站20260707 9854 103226 Trainacceptance/completed
物流A倉出貨20260707 9862 1716 Testacceptance/completed
物流A倉出貨20260707 9861 1719 Validationacceptance/completed
物流A倉出貨20260707 9860 139164 Trainacceptance/completed
自動倉北側20260703 9563 11 Trainacceptance/completed
自動倉北側20260704 9569 22 Testacceptance/completed
自動倉北側20260704 9568 56 Validationacceptance/completed
自動倉北側20260704 9567 1519 Trainacceptance/completed
自動倉北側20260707 9575 11 Testacceptance/completed
自動倉北側20260707 9574 22 Validationacceptance/completed
自動倉北側20260707 9573 56 Trainacceptance/completed
自動倉北側20260708 9581 1112 Testacceptance/completed
自動倉北側20260708 9580 2124 Validationacceptance/completed
自動倉北側20260708 9579 7577 Trainacceptance/completed
自動倉北側20260709 9614 11 Testacceptance/completed
自動倉北側20260709 9613 11 Validationacceptance/completed
自動倉北側20260709 9612 44 Trainacceptance/completed
自動倉北側20260710 9648 12 Testacceptance/completed
自動倉北側20260710 9647 34 Validationacceptance/completed
自動倉北側20260710 9646 1119 Trainacceptance/completed
自動倉北側20260711 9654 11 Testacceptance/completed
自動倉北側20260711 9653 22 Validationacceptance/completed
自動倉北側20260711 9652 65 Trainacceptance/completed
自動倉北側20260714 9806 11 Testacceptance/completed
自動倉北側20260714 9805 11 Validationacceptance/completed
自動倉北側20260714 9804 56 Trainacceptance/completed
自動倉北側20260716 10023 11 Validationacceptance/completed
自動倉北側20260716 10022 44 Trainacceptance/completed
自動倉北側20260717 10192 11 Validationacceptance/completed
自動倉北側20260717 10191 44 Trainacceptance/completed
自動倉北側20260718 10196 11 Trainacceptance/completed

六、建議

  1. 重傳 物流A倉出貨_20260706(task 11231 是空殼, 建議刪掉重建)
  2. 標註前先去重 —— 充電站 2,020 → 約 526 張、出貨 35 → 23、北側 1,078 → 873, 總計省下約 1,700 張的標註工時(55%),且不損失任何資訊。可以直接重建乾淨的 cvat task。
  3. 日期覆蓋 —— 充電站現在 3 個日期(0706/0707/0708)、北側 13 個。充電站要切出真正獨立的 test 仍偏少(同一天的畫面高度相關),建議再補 2–3 個不同日期。
  4. 留意 negative —— 充電站與北側目前幾乎沒有「沒有堆高機」的畫面,模型沒學過該場景的空景長什麼樣。

檢查方法:cvat API 全 task 掃描(含 pagination + retry)· 灰階像素標準差判空白幀(門檻 8.0)· dHash 判重複 · forklift_v20260804 @ imgsz 1280 / conf 0.25 預篩