scorelens-dd9

Feingetunte Variante von dart-sense (YOLOv8n, Lizenz CC BY-NC 4.0) für FreeDarts/ScoreLens: erkennt auf einem Foto die Kalibrierpunkte eines Steel-Dartboards und die Spitzen der steckenden Darts. 7 Klassen: 20, 3, 11, 6 (Kalibrierpunkte am Doppelring), dart (Spitze), 9, 15 (Zusatzpunkte). Eingabe 800 px.

Training auf Kaggle (T4, Gratis-Kontingent), Warmstart aus dd6, die ersten 5 Backbone-Blöcke eingefroren.

✅ Bestes Modell auf Benchmark v3.1 (55,2 % App-Wertung). ⚠️ Einordnung: Der Sprung gegenüber dd8 kommt fast ganz aus der Gruppe „AnyDarts-Fotos“ (9,0 → 55,8 %). dd9 hat mit Fotos desselben Aufbaus trainiert, der auch im Test steckt – das ist ein Heimspiel und kein Beleg dafür, dass das Modell beliebige fremde Boards kann. Ohne diese Gruppe liegt dd9 bei 54,9 % und damit gleichauf mit dd8 (55,6 %). Was es zeigt: Wenige echte Fotos eines Aufbaus genügen, damit das Modell ihn beherrscht. Beim Board-Finden ist dd9 schwächer als dd8 (Board weit weg: 2,8 % statt 32 %), weil es von dd6 gestartet ist.

→ Interaktive Rangliste aller Modelle

Trainingsdaten

Datensatz	data9 = komplettes data6 (71.132) + 23.337 Copy-Paste-Bilder (echter Dart aus dem Folgefoto 12–36 px neben eine vorhandene Spitze oder in den Doppelring gesetzt) + 2.213 echte enge Spitzen dreifach gehärtet + 11.725 gehärtete Roboflow-Bilder + 4.069 Bilder aus 749 AnyDarts-Fotos (anderes Board, andere Darts) + 358 YouTube-/Handy-Bilder
Trainingsbilder	119.649 (nach doppelter Gewichtung der seitlichen D2-Fotos)
Validierung	1.579 echte DeepDarts-Bilder, in keinem Training enthalten
Epochen	26 in 10,3 h
Lernrate	0.0003, Cosinus-Abklingen
Bildgröße	800 px

Benchmark v3.1 (8.373 Testbilder, 47 Kategorien)

App-Wertung bildet die zweistufige Erkennung der App nach: erst das Board finden (vier der sechs Kalibrierpunkte, Entzerrung auf 3 mm genau), dann im frontal entzerrten Ausschnitt jeden Dart richtig werten. Ein fehlender, zusätzlicher oder falsch gewerteter Dart macht das Bild falsch.

	Basismodell	dd6	dd9
App-Wertung	33,1 %	42,1 %	55,2 %
… ohne AnyDarts-Fotos	29,7 %	52,5 %	54,9 %
Stufe 1: Board gefunden	61,6 %	87,4 %	90,6 %
Stufe 2: Darts im entzerrten Bild richtig	49,0 %	48,7 %	61,0 %
Exakt im Rohbild (streng)	21,9 %	37,2 %	52,5 %

App-Wertung je Gruppe:

Gruppe	Basismodell	dd6	dd9
Blickwinkel	19,1 %	53,8 %	56,0 %
Licht	30,3 %	47,1 %	49,8 %
Bildqualität	31,8 %	42,3 %	44,1 %
Kombiniert	2,1 %	31,8 %	36,0 %
Echte schwere Würfe	79,5 %	82,6 %	84,8 %
Schwere Würfe, gestört	8,3 %	58,1 %	57,7 %
Dart an Dart	47,2 %	60,3 %	64,0 %
AnyDarts-Fotos	43,0 %	11,9 %	55,8 %

Eigenmessung im Trainingslauf (Spitzen-Recall / Precision bei 10 px Toleranz)

	dd6 (Start)	dd9
DeepDarts-Validierung	97,5 / 98,4 %	97,5 / 98,5 %
Hartes Val (starke Schräge + Störung)	91,2 / 95,8 %	91,9 / 96,9 %
AnyDarts-Testfotos	40,8 / 55,4 %	79,1 / 94,9 %

Diese Validierung ist seit dd6 gesättigt und unterscheidet die Modelle kaum noch – deshalb der Benchmark v3.1.

Dateien

best.pt (Ultralytics YOLOv8n) · metrics.json (alle Messwerte des Laufs) · results.csv (Verlauf je Epoche)

from ultralytics import YOLO
model = YOLO("best.pt")
result = model.predict("board.jpg", imgsz=800, conf=0.3)[0]

Quellen und Lizenzen

Basismodell dart-sense (CC BY-NC 4.0) · DeepDarts (McNally et al., CVPRW 2021) · Roboflow score-lpfmv/darts-bjj98 (CC BY 4.0) · AnyDarts (Trainings- und Testfotos; ohne Lizenzangabe veröffentlicht). Nicht kommerziell nutzbar (folgt der Lizenz des Basismodells).