YOLOv5训练Roboflow自定义数据集后推理输出无标注黑图问题

按优先级从高到低排查以下问题即可定位根因：

• 核对数据集配置文件
  打开训练用的data.yaml，确认nc（类别总数）、names（类别名称列表）和Roboflow导出的数据集配置完全一致，类别顺序不能错、数量不能差。如果配置和训练时模型的分类头维度不匹配，推理时所有检测结果置信度都会异常偏低，达不到输出阈值就不会画标注框。
• 检查图像预处理逻辑
  如果你改过YOLOv5的dataloader或者推理预处理代码，先加调试代码打印输入模型的图像张量数值范围：正常未归一化的像素值范围是0-255，归一化后是0-1，如果打印出来张量值全为0，就是预处理环节把像素值全抹了，直接输出纯黑图，把自定义修改的预处理逻辑回退到官方默认版本再测试。另外Roboflow导出数据集时如果选了特殊的像素归一化规则，要对应调整YOLOv5的预处理参数，不要直接用默认参数硬跑。
• 确认权重加载正确
  推理时确认指定的权重路径是你训练完成后生成的best.pt，不要错加载初始化的空权重、或者其他数据集训练的权重。加载错权重时模型输出完全随机，经过后处理很容易出现全黑无检测的结果。
• 调低推理置信度阈值
  检查推理命令里的conf-thres参数，默认值是0.25，如果你的模型训练epoch不足、数据集标注质量差，所有检测框的置信度都会低于设定阈值，不会输出标注。可以先把阈值调到0.001试跑，如果能出框就说明是模型训练效果差或者阈值设太高的问题。
• 校验数据集标注正确性
  随机抽3-5张训练集图片和对应的txt标注文件，用YOLOv5自带的detect.py跑标注可视化，确认标注框都落在对应目标上，没有坐标全为0、框飘出图像边界的问题。Roboflow导出YOLO格式标注时偶尔会出现坐标归一化计算错误，模型全程学的错误标注，自然学不到有效特征，推理出不了有效结果。

内容的提问来源于stack exchange，提问作者Dalia Mahdy