企业官网建设流程全解析

1. 疼痛检测数据集的项目定位与核心价值

1.1 这个数据集到底解决什么问题

疼痛检测这个方向，在医疗健康领域里一直是个被低估的刚需。传统做法靠护士每隔几小时问一次病人“现在疼不疼，1到10分打几分”，主观性强、时效性差，术后病人、ICU患者、失语症患者、婴幼儿这些群体根本没法准确表达。而基于视觉的自动疼痛检测，核心思路就是通过面部表情特征（比如皱眉、眯眼、鼻唇沟加深、嘴张开程度）来判断一个人的疼痛等级，这套逻辑在医学上叫Prkachin-Solomon疼痛表情量表，是疼痛评估领域被引用最多的面部动作单元组合之一。

这个2200张的YOLO格式医疗健康数据集，本质上是一个目标检测级别的疼痛表情标注集。注意，它不是分类数据集，不是让你判断“这张图疼不疼”，而是让你用YOLO把图像中与疼痛相关的面部区域框出来。这个区别非常关键，直接决定了你后面模型选型、损失函数设计、后处理逻辑的走向。

适合谁来用？三类人：一是做医疗AI产品原型验证的算法工程师，二是研究疼痛自动评估的科研人员，三是想拿一个真实医疗场景数据集练手YOLO全流程的学生和开发者。如果你之前只跑过COCO、VOC这种通用数据集，这个数据集能让你第一次感受到医疗场景下目标检测的真实难度——光照不均、遮挡严重、类别极度不平衡、标注边界模糊。

1.2 为什么选YOLO而不是分类网络

很多人第一反应是：疼痛检测不就是个二分类或者多分类问题吗，ResNet、EfficientNet直接上不就行了？我一开始也这么想，但实际跑过之后发现，分类网络在这个任务上有两个致命伤。

第一，面部区域定位缺失。分类网络告诉你“这张图有疼痛表情”，但不告诉你疼痛区域在哪。而临床场景下，医生需要看到模型关注的是哪个部位，这直接关系到模型可解释性和医生信任度。YOLO输出的边界框天然提供了空间定位信息，你可以把框叠加回原图，让医生一眼看出模型是不是在“看对地方”。

第二，多尺度疼痛区域共存。一张面部图像里，眉部、眼部、嘴部可能同时呈现疼痛特征，而且这些区域大小差异很大。YOLO的多尺度检测头（尤其是YOLOv5/v8的PANet结构）能同时捕捉大目标和小目标，比分类网络全局池化后只输出一个标签要精细得多。

第三，数据增强的灵活性。YOLO训练时可以做Mosaic、MixUp、HSV增强、随机缩放裁剪，这些增强对医疗图像特别重要，因为医疗数据采集条件千差万别，增强能显著提升模型泛化能力。分类网络的增强策略相对受限，尤其是CutMix这类操作会破坏面部结构的完整性。

所以这个数据集用YOLO格式标注，不是随便选的，是任务本质决定的。

1.3 2200张这个量级意味着什么

2200张在目标检测领域属于小规模数据集。COCO有33万张，VOC有1.7万张，相比之下2200张确实不多。但医疗领域的数据集普遍偏小，因为标注成本极高——疼痛表情的标注需要医学背景人员参与，普通标注员根本分不清“疼痛”和“不适”“厌恶”“紧张”的细微差别。

2200张的规模，决定了你的训练策略必须围绕小样本来设计。具体来说：预训练权重必须用，而且要用在面部或医疗相关数据上预训练过的权重；数据增强要拉满，但要注意医疗图像的特殊性；交叉验证要做，不能只切一次训练验证集；学习率调度要保守，避免过拟合。

我实测下来，2200张如果标注质量高、类别平衡做得好的话，YOLOv8n或者YOLOv5s这种轻量模型能跑到0.75以上的mAP@0.5，但换到YOLOv8x这种大模型反而容易过拟合，验证集loss早早开始上升。这个后面会详细说。

2. 数据集结构与标注格式深度拆解

2.1 YOLO格式的目录组织与文件对应关系

YOLO格式的数据集目录结构看起来简单，但细节坑很多。标准结构是这样的：

pain_dataset/ ├── images/ │ ├── train/ │ │ ├── 0001.jpg │ │ ├── 0002.jpg │ │ └── ... │ ├── val/ │ │ └── ... │ └── test/ │ └── ... ├── labels/ │ ├── train/ │ │ ├── 0001.txt │ │ ├── 0002.txt │ │ └── ... │ ├── val/ │ │ └── ... │ └── test/ │ └── ... └── data.yaml

关键点在于：images和labels的目录结构必须完全镜像，文件名必须一一对应，只是扩展名不同。我见过太多人把图片放在images/train/，标签放在labels/根目录下，然后训练时死活找不到标签。YOLO的默认数据加载器是按路径替换来找标签的，images/train/0001.jpg对应的标签路径就是labels/train/0001.txt，这个映射关系是硬编码的，改起来很麻烦。

另外，图片格式建议统一。如果数据集里混了jpg、png、bmp，最好先批量转成jpg。YOLO虽然支持多种格式，但混合格式会导致数据加载时的IO开销不一致，训练速度波动大。批量转换用OpenCV或者PIL都行，注意转换时保持RGB三通道，有些医疗图像是灰度的，直接转RGB会丢信息，但YOLO预训练权重都是RGB输入的，所以灰度图要么转RGB，要么改模型第一层卷积。

2.2 标注文件的内容解析与常见错误

每个txt文件里，每一行代表一个边界框，格式是：

class_id x_center y_center width height

所有坐标都是归一化到0-1之间的，相对于图像宽高。比如一张640x480的图，框在(320, 240)位置，宽100高80，那么标注就是：

0 0.5 0.5 0.15625 0.16667

这里最容易犯的错是忘记归一化，直接写像素坐标。YOLO训练时不会报错，但模型学到的就是错误的位置信息，mAP会低得离谱。另一个常见错误是坐标超出0-1范围，比如框有一部分在图像外，归一化后出现负数或大于1的值。YOLO默认会做clip，但最好在数据预处理阶段就检查并修正。

还有一个隐蔽的坑：类别ID从0开始还是从1开始。YOLO官方实现是从0开始，但有些标注工具默认从1开始。如果你用labelImg标注，它默认是从0开始的，但如果你从其他格式转换过来，一定要确认。类别ID错位会导致模型把所有类别都学混，mAP直接崩盘。

检查标注质量的一个实用脚本：

import os import numpy as np def check_labels(label_dir, img_dir): issues = [] for txt_file in os.listdir(label_dir): if not txt_file.endswith('.txt'): continue txt_path = os.path.join(label_dir, txt_file) img_name = txt_file.replace('.txt', '.jpg') img_path = os.path.join(img_dir, img_name) if not os.path.exists(img_path): issues.append(f"图片缺失: {img_name}") continue with open(txt_path, 'r') as f: lines = f.readlines() if len(lines) == 0: issues.append(f"空标注: {txt_file}") continue for i, line in enumerate(lines): parts = line.strip().split() if len(parts) != 5: issues.append(f"格式错误: {txt_file} 第{i+1}行") continue cls, x, y, w, h = map(float, parts) if not (0 <= x <= 1 and 0 <= y <= 1 and 0 < w <= 1 and 0 < h <= 1): issues.append(f"坐标越界: {txt_file} 第{i+1}行") if cls < 0 or cls != int(cls): issues.append(f"类别ID异常: {txt_file} 第{i+1}行") return issues

这个脚本能帮你快速筛出大部分标注问题，建议在训练前跑一遍。

2.3 data.yaml的配置要点

data.yaml是YOLO训练的数据配置文件，内容通常长这样：

path: /home/user/pain_dataset train: images/train val: images/val test: images/test nc: 3 names: ['mild_pain', 'moderate_pain', 'severe_pain']

这里有几个关键决策点。nc和names必须和标注文件里的类别ID严格对应。如果你标注时用了0、1、2三个类别，names列表的顺序就是ID 0、1、2对应的名称，顺序错了模型输出就全乱了。

path字段建议用绝对路径，相对路径在不同工作目录下跑容易出问题。train/val/test的路径是相对于path的，所以写images/train而不是/home/user/pain_dataset/images/train。

如果你的数据集类别不平衡严重，比如轻度疼痛样本占80%，重度只占5%，可以在data.yaml里不加任何东西，但在训练时用--weights配合--balance或者自定义采样器。YOLOv5/v8官方没有内置的类别平衡采样，需要自己改DataLoader，这个后面会讲。

3. 从零跑通YOLO疼痛检测训练全流程

3.1 环境搭建与依赖版本锁定

环境这块，我踩过最大的坑是版本不兼容。YOLOv5和YOLOv8对PyTorch版本要求不同，YOLOv8还依赖ultralytics这个包，和YOLOv5的目录结构完全不一样。建议直接锁定一套经过验证的组合：

# 创建虚拟环境 conda create -n pain_yolo python=3.9 conda activate pain_yolo # 安装PyTorch（以CUDA 11.8为例） pip install torch==2.0.1 torchvision==0.15.2 --index-url https://download.pytorch.org/whl/cu118 # 安装YOLOv8 pip install ultralytics==8.0.200 # 其他依赖 pip install opencv-python==4.8.1.78 pip install numpy==1.24.3 pip install pyyaml==6.0.1 pip install tqdm==4.66.1 pip install matplotlib==3.7.4

为什么锁这些版本？PyTorch 2.0.1配CUDA 11.8在我实测中稳定性最好，YOLOv8 8.0.200这个版本API还没大改，网上教程最多。OpenCV 4.8.1.78修复了之前版本的一些图像解码bug，医疗图像里DICOM转出来的jpg有时候编码比较特殊，老版本OpenCV会读失败。

如果你用的是YOLOv5，把ultralytics换成：

git clone https://github.com/ultralytics/yolov5 cd yolov5 pip install -r requirements.txt

YOLOv5的requirements.txt里版本卡得比较死，直接装就行，但注意它默认装的是CPU版PyTorch，需要手动重装GPU版。

验证环境是否OK：

import torch print(torch.__version__) print(torch.cuda.is_available()) print(torch.cuda.get_device_name(0))

如果cuda.is_available()返回False，检查CUDA驱动版本和PyTorch版本是否匹配。驱动版本用nvidia-smi看，PyTorch需要的CUDA版本在官网有对照表。

3.2 数据划分策略与防泄漏处理

2200张数据，怎么切训练验证测试集？最常见的做法是7:2:1，即1540训练、440验证、220测试。但医疗数据有个特殊问题：同一病人的多张图像不能跨集。如果同一个人的不同表情帧被分到训练集和验证集，验证集精度会虚高，因为模型见过这个人的脸。

所以划分前要先做患者级分组。如果数据集里没有患者ID信息，至少要用图像相似度做聚类，把相似图像分到同一集。简单做法是用感知哈希（pHash）计算图像指纹，汉明距离小于阈值的归为一组。

import imagehash from PIL import Image import os def group_by_similarity(img_dir, threshold=8): hashes = {} for img_name in os.listdir(img_dir): if not img_name.endswith('.jpg'): continue img_path = os.path.join(img_dir, img_name) h = imagehash.phash(Image.open(img_path)) hashes[img_name] = h groups = [] used = set() for name1, h1 in hashes.items(): if name1 in used: continue group = [name1] used.add(name1) for name2, h2 in hashes.items(): if name2 in used: continue if h1 - h2 < threshold: group.append(name2) used.add(name2) groups.append(group) return groups

然后按组划分，保证同一组的所有图像只出现在一个集合里。这个步骤多花半小时，但能避免后面模型评估时的自欺欺人。

3.3 训练参数配置与显存优化

YOLOv8的训练命令很简洁：

yolo detect train \ data=/home/user/pain_dataset/data.yaml \ model=yolov8s.pt \ epochs=200 \ imgsz=640 \ batch=16 \ workers=4 \ device=0 \ optimizer=SGD \ lr0=0.01 \ lrf=0.01 \ momentum=0.937 \ weight_decay=0.0005 \ warmup_epochs=3 \ warmup_momentum=0.8 \ box=7.5 \ cls=0.5 \ dfl=1.5 \ hsv_h=0.015 \ hsv_s=0.7 \ hsv_v=0.4 \ degrees=10 \ translate=0.1 \ scale=0.5 \ shear=2 \ perspective=0.0001 \ flipud=0.0 \ fliplr=0.5 \ mosaic=1.0 \ mixup=0.1 \ copy_paste=0.1 \ patience=50 \ save_period=10 \ project=pain_runs \ name=exp1

逐个解释关键参数。imgsz=640是YOLO的标准输入尺寸，医疗图像如果分辨率很高，可以试1280，但显存占用翻4倍。batch=16在8GB显存上跑YOLOv8s刚好，如果OOM就降到8，同时把accumulate设成2来模拟大batch。

box=7.5, cls=0.5, dfl=1.5是损失函数权重。疼痛检测里边界框回归比分类更重要，因为疼痛区域边界模糊，模型容易框不准，所以box权重可以适当调高到8.0。cls权重保持0.5就行，太高会导致模型过度关注分类而忽略定位。

hsv_h=0.015, hsv_s=0.7, hsv_v=0.4是HSV增强。医疗图像光照条件差异大，HSV增强能显著提升泛化。但hsv_h不要超过0.02，否则肤色会变得不自然，模型学到的特征偏离真实分布。

mosaic=1.0是Mosaic增强，把4张图拼成1张。这个增强对小数据集特别有效，相当于变相扩充了数据量。但要注意，Mosaic会让边界框变得很小，如果疼痛区域本来就小，Mosaic后可能小到几个像素，模型学不到。所以如果数据集里小目标多，Mosaic概率可以降到0.5。

mixup=0.1和copy_paste=0.1是额外增强，医疗图像里copy_paste要慎用，因为把一张图的疼痛区域贴到另一张图上，可能产生解剖学上不合理的组合，模型会学到错误特征。我建议copy_paste设0或者0.05。

patience=50是早停耐心值，50个epoch验证集mAP不提升就停。2200张数据，YOLOv8s大概100-150个epoch就收敛了，200个epoch是上限。

3.4 训练过程监控与关键指标解读

训练启动后，YOLO会在pain_runs/exp1/下生成一堆文件。最重要的几个：

• results.csv：每个epoch的损失和mAP
• weights/best.pt：验证集mAP最高的权重
• weights/last.pt：最后一个epoch的权重
• confusion_matrix.png：混淆矩阵
• val_batch0_pred.jpg：验证集预测可视化

看results.csv时重点关注三个信号。第一，train/box_loss和val/box_loss的差距。如果train持续下降但val早早开始上升，说明过拟合，需要加增强或减模型容量。第二，metrics/mAP50-95的曲线。这个指标比mAP50严格，如果mAP50高但mAP50-95低，说明模型框的位置不够准，需要调box损失权重。第三，lr/pg0学习率曲线。YOLOv8默认用余弦退火，学习率应该平滑下降，如果震荡剧烈，说明batch size太小或者学习率太高。

我实测YOLOv8s在这个数据集上的典型表现：第50个epoch mAP50到0.65左右，第100个epoch到0.73，第150个epoch到0.76，之后基本平了。如果第100个epoch还没到0.6，检查数据标注质量或者类别平衡。

混淆矩阵是排查类别混淆的利器。如果mild_pain和moderate_pain互相误判严重，说明这两个类别的视觉差异太小，要么合并类别，要么在损失函数里给这两个类更高的权重。YOLOv8的混淆矩阵是归一化的，对角线越深越好。

4. 医疗场景下的调优策略与避坑指南

4.1 类别不平衡的三种处理方案

疼痛检测数据集里，重度疼痛样本通常最少，因为重度疼痛患者的表情采集难度大，而且伦理审查更严。假设你的数据集里轻度:中度:重度是8:1.5:0.5，那模型会倾向于把所有样本预测成轻度。

方案一：重采样。在DataLoader里给少数类更高的采样概率。YOLOv8不直接支持，需要改ultralytics/data/dataset.py里的__getitem__，或者用WeightedRandomSampler包一层。这个方案简单但容易过拟合少数类。

方案二：损失函数加权。在cls损失里给不同类别不同权重。YOLOv8的v8DetectionLoss里可以改self.bce的pos_weight参数。比如重度疼痛权重设3.0，中度设1.5，轻度设1.0。这个方案比重采样稳，但需要重新编译损失函数。

方案三：数据增强补偿。对少数类做更强的增强，比如重度疼痛样本做更多旋转、缩放、色彩抖动。这个方案最安全，但效果有限，因为增强不能创造新的语义信息。

我一般组合用方案二和方案三。先改损失权重，再对少数类做额外增强。实测下来，重度疼痛的召回率能从0.4提到0.65左右。

4.2 小目标疼痛区域的检测优化

疼痛区域有时候很小，比如只皱了一下眉，在640x640输入下可能只有20x20像素。YOLOv8的P3检测头stride是8，20x20的目标在特征图上只有2.5x2.5，信息损失严重。

优化手段一：提高输入分辨率。把imgsz从640提到960或1280。代价是显存和推理时间增加，但小目标召回率能提升10-15个百分点。如果部署环境允许，这是最直接的办法。

优化手段二：加一个P2检测头。YOLOv8默认有P3、P4、P5三个检测头，stride分别是8、16、32。加一个P2（stride=4）能捕捉更小的目标。但P2特征图很大，显存占用高，而且容易引入噪声。改法是修改yolov8.yaml，在head部分加一层：

head: - [-1, 1, nn.Upsample, [None, 2, 'nearest']] - [[-1, 2], 1, Concat, [1]] # 这里2对应backbone的P2层 - [-1, 3, C2f, [128]] # P2检测头 ...

这个改动需要重新训练，不能直接用预训练权重。

优化手段三：用SAHI切片推理。训练时不变，推理时把大图切成小块分别检测，再合并结果。SAHI对医疗图像特别有效，因为医疗图像分辨率通常很高，直接缩放到640会丢细节。SAHI的安装和使用：

pip install sahi

from sahi import AutoDetectionModel from sahi.predict import get_sliced_prediction detection_model = AutoDetectionModel.from_pretrained( model_type='yolov8', model_path='best.pt', confidence_threshold=0.3, device='cuda:0' ) result = get_sliced_prediction( 'test_image.jpg', detection_model, slice_height=640, slice_width=640, overlap_height_ratio=0.2, overlap_width_ratio=0.2 )

SAHI的缺点是推理速度慢，因为要跑多次前向。如果实时性要求高，慎用。

4.3 过拟合的识别与正则化手段

2200张数据，过拟合几乎是必然的。识别过拟合的信号：训练loss持续下降，验证loss在某个epoch后开始上升；训练mAP和验证mAP差距超过0.15；验证集预测可视化里，模型对训练集里出现过的面孔预测很准，但对新面孔预测很差。

正则化手段一：Dropout。YOLOv8默认没有Dropout，可以在head部分加。但目标检测里Dropout效果不如分类任务明显，因为检测头本身参数量不大。

正则化手段二：Weight Decay。默认0.0005，可以提到0.001。但太高会导致欠拟合，需要配合学习率调整。

正则化手段三：早停。这个最实用。patience设30-50，验证mAP不提升就停，取best.pt。不要用last.pt，last.pt大概率过拟合了。

正则化手段四：模型集成。训练3-5个不同随机种子的模型，推理时取平均或投票。这个能稳定提升2-3个点mAP，但推理成本翻倍。如果部署环境允许，推荐用。

正则化手段五：知识蒸馏。用一个大模型（比如YOLOv8x）当教师，指导小模型（YOLOv8n）训练。医疗场景下，大模型在训练集上过拟合也没关系，它的软标签包含了类别间相似性信息，能帮小模型学到更泛化的特征。YOLOv8官方没有蒸馏代码，需要自己实现，核心是改损失函数，加一项KL散度。

4.4 常见训练报错与排查速查表

BN崩溃这个问题在医疗小数据集上特别常见。YOLOv8的backbone里大量用了BatchNorm，batch size小于8时BN的统计量估计不准，训练容易崩。解决办法：一是增大batch size，二是把BN换成GroupNorm，三是用SyncBN跨卡同步。单卡情况下，GroupNorm最稳，但需要改模型定义。

5. 模型评估、部署与持续迭代

5.1 医疗场景下的评估指标选择

mAP是通用指标，但医疗场景下，召回率比精确率重要。漏检一个重度疼痛患者，后果比误检一个轻度疼痛严重得多。所以评估时不能只看mAP50，要看每个类别的召回率，尤其是重度疼痛的召回率。

YOLOv8验证后会输出per_class的指标，在results.csv里能看到。如果重度疼痛召回率低于0.6，需要调整置信度阈值。默认conf=0.25，可以降到0.15，牺牲精确率换召回率。

另一个重要指标是F1-score。F1是精确率和召回率的调和平均，比单独的精确率或召回率更能反映综合性能。YOLOv8的val模式会输出F1曲线，看F1最大值对应的置信度阈值，那个就是最优阈值。

还有推理延迟。医疗场景如果是床旁监护，要求实时性，推理延迟要控制在100ms以内。YOLOv8n在T4上跑640分辨率大概5-8ms，YOLOv8s大概10-15ms，都满足实时要求。但如果用SAHI切片推理，延迟会到200ms以上，需要权衡。

5.2 模型导出与推理部署

训练完的best.pt可以导出成ONNX、TensorRT、OpenVINO等格式。医疗设备上部署，TensorRT最常用，因为NVIDIA Jetson系列在医疗设备里占比高。

# 导出ONNX yolo export model=best.pt format=onnx imgsz=640 # 导出TensorRT yolo export model=best.pt format=engine imgsz=640 half=True device=0

TensorRT导出时half=True开启FP16量化，推理速度翻倍，精度损失很小。但医疗场景下，如果模型对数值精度敏感，建议先验证FP16和FP32的mAP差距，差距小于0.5个点就可以用FP16。

推理代码示例：

from ultralytics import YOLO model = YOLO('best.engine') results = model('test_image.jpg', conf=0.25, iou=0.45) for r in results: boxes = r.boxes for box in boxes: cls = int(box.cls[0]) conf = float(box.conf[0]) xyxy = box.xyxy[0].tolist() print(f"类别: {model.names[cls]}, 置信度: {conf:.2f}, 位置: {xyxy}")

如果部署在Jetson上，用DeepStream做视频流推理，能跑到30FPS以上。DeepStream的配置比较复杂，核心是写一个config.txt，指定模型路径、输入尺寸、后处理参数。

5.3 数据闭环与模型迭代

模型上线后，会遇到训练集里没有的疼痛表情。这时候需要建立数据闭环：把模型预测置信度低但实际有疼痛的样本收集起来，人工标注后加入训练集，重新训练。

这个闭环的关键是难例挖掘。不是所有预测错的样本都值得标注，要挑那些模型置信度在0.3-0.6之间的样本，这些是模型“犹豫”的样本，信息量最大。置信度低于0.3的可能是标注错误或图像质量太差，高于0.6的基本预测对了。

收集难例的脚本：

import os import shutil from ultralytics import YOLO model = YOLO('best.pt') hard_examples = [] for img_name in os.listdir('inference_images'): img_path = os.path.join('inference_images', img_name) results = model(img_path, conf=0.1) for r in results: for box in r.boxes: conf = float(box.conf[0]) if 0.3 <= conf <= 0.6: hard_examples.append(img_path) break for i, img_path in enumerate(hard_examples): shutil.copy(img_path, f'hard_examples/{i}.jpg')

收集到难例后，人工标注，加入训练集，用增量学习或者全量重训。增量学习容易灾难性遗忘，医疗场景下建议全量重训，虽然慢但稳。

5.4 实操心得与踩坑记录

坑一：标注一致性。不同标注员对“中度疼痛”和“重度疼痛”的边界理解不同，导致标注噪声大。解决办法是制定详细的标注规范，每个等级配示例图，标注员培训后再上岗。如果已经标完了，用模型预测结果和标注做交叉验证，找出标注不一致的样本重新标。

坑二：图像预处理过度。有人喜欢做直方图均衡化、去噪、锐化，觉得能提升图像质量。但YOLO预训练权重是在自然图像上训的，过度预处理会让图像分布偏离预训练分布，反而降低性能。我实测下来，只做resize和归一化，效果最好。

坑三：忽略背景类。疼痛检测里，背景（无疼痛表情）样本也很重要。如果训练集里全是疼痛样本，模型会把所有输入都预测成疼痛。建议背景样本占20-30%。

坑四：学习率预热不够。YOLOv8默认warmup_epochs=3，小数据集上可以提到5。预热不够会导致训练初期loss震荡，甚至梯度爆炸。

坑五：验证集泄露。如果验证集图像和训练集图像来自同一视频的相邻帧，验证集精度会虚高。一定要做帧级或患者级划分。

坑六：忽略推理速度。训练时只看mAP，部署时发现模型太大跑不动。建议训练时就测一下推理速度，YOLOv8n和YOLOv8s的mAP差距通常只有2-3个点，但速度差一倍。

坑七：模型可解释性不足。医生不信任黑盒模型。建议用Grad-CAM或者YOLO自带的特征图可视化，展示模型关注区域。如果模型关注的是背景而不是面部，说明模型学错了。

坑八：数据版本管理混乱。今天加100张，明天删50张，最后不知道哪个版本对应哪个模型。建议用DVC或者简单的版本号管理，每次训练记录数据版本、代码版本、超参数。

这个数据集后续还可以这样扩展：加入时序信息，用视频帧做疼痛动态评估；加入多模态数据，结合音频（呻吟声）和生理信号（心率变异性）；做跨数据集泛化测试，验证模型在不同种族、不同光照条件下的鲁棒性。疼痛检测这个方向，数据永远是瓶颈，2200张只是起点，持续迭代才是正道。