简介本资源为玉米识别数据集面向从事农业智能化、粮食检测与计算机视觉目标检测的开发者与研究人员可用于玉米粒个数统计、是否包含玉米的判定等任务也可作为目标检测模型训练与验证的样本来源。压缩包内共2000个文件全部为PASCAL VOC格式的XML标注文件整体约587.34MB标注内容与对应图像一一匹配便于直接接入主流检测框架进行训练与评估。该数据集覆盖5647张图像标注规范统一官方给出的正确识别率可达99.6%在玉米粒计数与含玉米判别场景中具备较高参考价值。目前已有187人学习下载适合需要快速获取标注数据、验证检测算法效果或搭建农业视觉应用原型的读者使用。1. 玉米识别数据集实战5647 张 VOC 标注图怎么用起来手里有一批玉米粒图像5647 张PASCAL VOC XML 格式标注官方口径正确识别率 99.6%目标是数粒数和判断画面里有没有玉米——这个场景听起来简单真做起来坑不少。我最早接这类需求是在粮食质检环节客户要求对传送带上的玉米粒做实时计数当时第一反应是“这么规整的目标随便训个检测器不就完了”结果第一版模型在粘连粒和阴影边缘上直接翻车mAP 看着漂亮实际计数误差超过 8%。后来把数据增强、标注清洗和 NMS 阈值一起调才把误差压到可接受范围。这篇文章就围绕这个数据集把从 VOC XML 解析、格式转换、模型选型、训练参数到计数后处理的完整链路讲清楚。适合做农产品分拣、粮食计数、工业视觉检测的工程师也适合刚拿到 VOC 格式数据集不知道从哪下手的新手。读完你能自己跑通一条可复现的玉米粒检测与计数流水线知道哪些参数必须调、哪些坑我替你踩过了。2. 先搞懂 VOC XML 标注结构5647 张图里到底存了什么2.1 VOC XML 的字段含义与玉米粒标注特点PASCAL VOC 格式的标注文件是每张图对应一个 XML根节点是annotation里面核心字段包括filename、size宽高和通道数、以及若干个object。每个object下有name类别名、pose、truncated、difficult和bndboxxmin、ymin、xmax、ymax。玉米粒数据集里name通常就是corn或corn_kernel这类单一类别5647 张图对应 5647 个 XML标注的是每颗玉米粒的外接矩形。这里有个容易忽略的点玉米粒在画面里往往密集排列VOC 标注的 bndbox 是轴对齐矩形当两颗玉米粒紧挨着甚至部分遮挡时标注框会大量重叠。这不是标注错误而是目标本身的物理形态决定的。你在解析阶段就要意识到后续 NMS 的 IoU 阈值不能照搬 COCO 那套 0.5否则相邻粒会被合并计数直接偏少。先写一段解析脚本把 XML 里的关键信息抽出来做统计确认数据分布再谈训练。import os import xml.etree.ElementTree as ET from collections import Counter def parse_voc_xml(xml_path): tree ET.parse(xml_path) root tree.getroot() size root.find(size) w int(size.find(width).text) h int(size.find(height).text) objects [] for obj in root.findall(object): name obj.find(name).text bbox obj.find(bndbox) xmin int(float(bbox.find(xmin).text)) ymin int(float(bbox.find(ymin).text)) xmax int(float(bbox.find(xmax).text)) ymax int(float(bbox.find(ymax).text)) objects.append((name, xmin, ymin, xmax, ymax)) return w, h, objects def dataset_stats(ann_dir): class_counter Counter() box_per_image [] box_areas [] for f in os.listdir(ann_dir): if not f.endswith(.xml): continue w, h, objs parse_voc_xml(os.path.join(ann_dir, f)) box_per_image.append(len(objs)) for name, xmin, ymin, xmax, ymax in objs: class_counter[name] 1 box_areas.append((xmax - xmin) * (ymax - ymin)) print(类别分布:, class_counter) print(每图平均目标数:, sum(box_per_image) / len(box_per_image)) print(单图最大目标数:, max(box_per_image)) print(标注框平均面积(像素):, sum(box_areas) / len(box_areas)) dataset_stats(./annotations)这段代码做三件事遍历 XML 目录、解析每个 object 的类别和坐标、统计类别分布与每图目标数。parse_voc_xml里用float()再转int()是为了兼容某些标注工具写出123.0这种浮点字符串的情况直接int(123.0)会抛异常这是血泪经验。跑完你会得到两个关键数字每图平均目标数和单图最大目标数。如果平均超过 30、最大超过 100说明这是密集小目标场景后面模型选型和 anchor 设置都要按密集场景来。2.2 从统计结果判断该用哪种检测框架拿到统计结果后选型逻辑就清晰了。玉米粒属于典型的小目标、密集、形状规整、类别单一。这种场景下两阶段检测器Faster R-CNN 系列精度有余但速度吃亏单阶段里 YOLO 系列和 SSD 系列更合适。我的建议是优先考虑 YOLOv5 或 YOLOv8 的 small 版本原因有三一是单类别任务不需要大模型容量small 足够二是 YOLO 的 anchor 机制对密集小目标友好可以通过聚类重新生成 anchor三是部署链路成熟ONNX 导出和 TensorRT 加速资料多。如果你更看重计数精度而非速度可以上 YOLOv8m 甚至 l 版本但要注意显存。5647 张图不算大单卡 8G 显存跑 small 版本 batch size 设 16 没问题跑 l 版本可能只能设 4 到 8。选型没有绝对对错关键看你的部署端是边缘设备还是服务器。边缘设备选 small 甚至 nano服务器端可以上 medium。下面这张表把常见选型的权衡列清楚。框架/版本参数量级适合场景计数精度倾向部署难度YOLOv5s约 7M边缘设备、实时中低YOLOv8s约 11M边缘/服务器兼顾中高低YOLOv8m约 26M服务器端高中Faster R-CNN约 40M离线高精度高中高SSD300约 26M实时但小目标弱中低中选型确定后下一步就是把 VOC XML 转成对应框架需要的格式。YOLO 系列要的是每张图一个 txt每行class_id x_center y_center width height且全部归一化到 0 到 1。这个转换看着简单但坐标归一化时用错宽高基准、类别 id 从 0 还是 1 开始、文件名对不上都是高频翻车点。3. 把 VOC XML 转成 YOLO 格式转换脚本与四个边界坑3.1 转换脚本的完整实现转换的核心是把 VOC 的绝对坐标(xmin, ymin, xmax, ymax)转成 YOLO 的归一化中心点加宽高。公式是x_center (xmin xmax) / 2 / img_wy_center (ymin ymax) / 2 / img_hwidth (xmax - xmin) / img_wheight (ymax - ymin) / img_h。图片宽高从 XML 的size里读不要用 PIL 重新打开图片读因为 XML 里记录的就是标注时的尺寸两者不一致时以 XML 为准否则坐标会错位。import os import xml.etree.ElementTree as ET CLASS_MAP {corn: 0, corn_kernel: 0} # 兼容不同标注名 def voc_to_yolo(ann_dir, img_dir, out_dir): os.makedirs(out_dir, exist_okTrue) for f in os.listdir(ann_dir): if not f.endswith(.xml): continue tree ET.parse(os.path.join(ann_dir, f)) root tree.getroot() size root.find(size) img_w int(size.find(width).text) img_h int(size.find(height).text) lines [] for obj in root.findall(object): name obj.find(name).text.strip() if name not in CLASS_MAP: continue cls_id CLASS_MAP[name] bbox obj.find(bndbox) xmin float(bbox.find(xmin).text) ymin float(bbox.find(ymin).text) xmax float(bbox.find(xmax).text) ymax float(bbox.find(ymax).text) # 边界裁剪防止标注越界 xmin max(0, min(xmin, img_w)) xmax max(0, min(xmax, img_w)) ymin max(0, min(ymin, img_h)) ymax max(0, min(ymax, img_h)) if xmax xmin or ymax ymin: continue # 跳过无效框 xc (xmin xmax) / 2.0 / img_w yc (ymin ymax) / 2.0 / img_h w (xmax - xmin) / img_w h (ymax - ymin) / img_h lines.append(f{cls_id} {xc:.6f} {yc:.6f} {w:.6f} {h:.6f}) out_name os.path.splitext(f)[0] .txt with open(os.path.join(out_dir, out_name), w) as fw: fw.write(\n.join(lines)) voc_to_yolo(./annotations, ./images, ./labels)CLASS_MAP用字典做映射是为了兼容标注里可能出现的不同类别名比如有的批次写corn有的写corn_kernel统一映射到 0。边界裁剪那几行很关键VOC 标注里偶尔会出现 xmax 超过图片宽度的情况不裁剪的话归一化后坐标大于 1训练时会被框架过滤掉或者报错。if xmax xmin的判断是兜底防止零面积框进入训练集。输出保留 6 位小数精度足够且文件不会太大。3.2 转换后必须做的三项校验转换完不能直接开训先做三项校验。第一项检查图片和标签文件名是否一一对应。YOLO 训练时按文件名匹配缺一张图的标签那张图就会被当成负样本模型会学到“有玉米但没标注”的错误信号。用下面这段脚本快速核对。import os img_dir ./images lbl_dir ./labels img_names {os.path.splitext(f)[0] for f in os.listdir(img_dir) if f.lower().endswith((.jpg, .png, .jpeg))} lbl_names {os.path.splitext(f)[0] for f in os.listdir(lbl_dir) if f.endswith(.txt)} print(图片无标签:, img_names - lbl_names) print(标签无图片:, lbl_names - img_names)第二项随机抽 10 张图把 YOLO 格式的框画回去肉眼确认坐标没跑偏。第三项统计每类框的数量和宽高分布如果发现大量宽高接近 0 的框说明转换时除错了基准。这三项做完数据侧基本干净可以进入训练配置。3.3 数据集划分与 data.yaml 配置5647 张图按 8:1:1 划分训练、验证、测试。划分时要注意同一批次采集的图不能跨集否则验证集精度会虚高。如果图片是按时间段或设备批次采集的按批次划分更稳妥。划分脚本用随机种子固定保证可复现。import os import random import shutil random.seed(42) img_dir ./images lbl_dir ./labels out_base ./dataset splits {train: 0.8, val: 0.1, test: 0.1} names [os.path.splitext(f)[0] for f in os.listdir(img_dir) if f.lower().endswith((.jpg, .png, .jpeg))] random.shuffle(names) n len(names) n_train int(n * splits[train]) n_val int(n * splits[val]) assign {} for i, name in enumerate(names): if i n_train: assign[name] train elif i n_train n_val: assign[name] val else: assign[name] test for name, split in assign.items(): for sub in [images, labels]: os.makedirs(os.path.join(out_base, split, sub), exist_okTrue) src_img None for ext in [.jpg, .png, .jpeg]: p os.path.join(img_dir, name ext) if os.path.exists(p): src_img p break shutil.copy(src_img, os.path.join(out_base, split, images, os.path.basename(src_img))) shutil.copy(os.path.join(lbl_dir, name .txt), os.path.join(out_base, split, labels, name .txt))划分完写data.yaml这是 YOLO 训练的数据入口配置。path写数据集根目录train、val、test写相对路径nc是类别数names是类别名列表。单类别任务nc: 1names: [corn]。这个文件写错路径是新手最常见的报错来源训练一启动就提示找不到图片八成是这里路径没对上。4. 训练参数怎么设小目标密集场景的调参清单4.1 输入分辨率与 anchor 设置玉米粒是小目标输入分辨率直接决定小目标能不能被检测到。YOLO 默认 640如果玉米粒在原图里只占 20 到 30 像素缩到 640 后可能只剩几个像素特征图上下采样几次就没了。我的建议是把输入分辨率提到 960 或 1280代价是显存和训练时间增加但小目标召回率提升明显。如果显存不够可以保持 640 但把模型换成更浅的版本或者用切片推理SAHI在推理阶段放大。anchor 方面YOLOv5 和 v8 都支持自动 anchor 聚类。训练前跑一次kmeans聚类用你数据集的真实框分布生成 anchor比默认 COCO anchor 更贴合。YOLOv8 已经改成 anchor-free这一步可以跳过但 YOLOv5 用户务必做。聚类命令在 YOLOv5 仓库里有现成脚本传入你的 labels 目录即可。4.2 关键训练参数与含义下面这份参数表是我在玉米粒数据集上反复调出来的不是默认值照搬。每个参数后面写了为什么这么设。参数建议值说明imgsz960小目标需要更高分辨率batch168G 显存下 small 模型的稳妥值epochs200单类别 5647 张200 轮足够收敛lr00.01初始学习率配合余弦退火lrf0.01最终学习率系数momentum0.937SGD 动量默认即可weight_decay0.0005防过拟合warmup_epochs3预热轮数避免早期震荡box0.05框回归损失权重cls0.5分类损失权重单类别可略降iou0.7NMS 的 IoU 阈值密集场景调高conf0.25置信度阈值计数场景可调低召回max_det300单图最大检测数按最大目标数设重点说三个。iou设 0.7 而不是默认 0.45是因为玉米粒重叠多阈值太低会把相邻粒合并成一个计数偏少。max_det要大于你统计出的单图最大目标数否则密集图里多出来的粒会被截断。conf在计数任务里可以适当调低到 0.2宁可多检几个再靠后处理去重也不要漏检因为漏检对计数误差的影响比误检大。4.3 数据增强的取舍YOLO 默认开启 mosaic、HSV 增强、随机翻转。玉米粒场景下mosaic 增强要谨慎因为它会把四张图拼成一张小目标变得更小密集场景下可能适得其反。我的做法是前期开 mosaic 加速收敛最后 20 轮关掉让模型在真实分布上微调。HSV 增强可以保留模拟不同光照下的玉米粒颜色变化。随机翻转保留但上下翻转要慎用如果玉米粒有方向性特征比如胚芽朝向翻转会破坏语义。旋转增强对玉米粒这种近似圆形目标帮助不大可以关掉省时间。# YOLOv8 训练命令示例 yolo detect train \ data./dataset/data.yaml \ modelyolov8s.pt \ imgsz960 \ batch16 \ epochs200 \ lr00.01 \ lrf0.01 \ iou0.7 \ conf0.25 \ max_det300 \ mosaic1.0 \ close_mosaic20 \ hsv_h0.015 \ hsv_s0.7 \ hsv_v0.4 \ fliplr0.5 \ flipud0.0 \ degrees0.0 \ project./runs \ namecorn_detclose_mosaic20表示最后 20 轮关闭 mosaic这是 YOLOv8 的内置参数很实用。flipud0.0关掉上下翻转degrees0.0关掉旋转。这些设置不是绝对的你要根据自己数据的实际形态调整。训练过程中重点看验证集的 mAP50 和 mAP50-95如果 mAP50 高但 mAP50-95 低说明框定位不够准可以适当提高 box 损失权重。5. 避坑与排查玉米粒检测计数最常见的五个翻车点5.1 计数比实际少NMS 把相邻粒合并了现象是模型检测框看着没问题但计数结果比人工数的少 5% 到 10%。原因是 NMS 的 IoU 阈值设太低两颗紧挨的玉米粒检测框重叠度超过阈值被当成同一个目标抑制掉了。解决办法是把推理时的iou参数从默认 0.45 提到 0.6 到 0.7同时观察是否出现重复框。如果提高后出现同一颗粒被检两次说明模型本身定位不稳要回去检查训练数据里是否有重复标注。5.2 小目标漏检分辨率不够或 anchor 不匹配现象是画面边缘或远处的玉米粒检测不到mAP 看着还行但小目标召回差。原因是输入分辨率太低小目标在特征图上消失或者 anchor 尺寸和真实框分布不匹配。解决办法是提高imgsz到 960 或 1280YOLOv5 用户重新聚类 anchor。如果显存受限可以在推理阶段用切片推理把大图切成小块分别检测再合并代价是速度下降。5.3 训练 loss 不降标签格式或路径配错现象是训练启动后 loss 一直在高位震荡不下降或者直接报错找不到标签。九成是data.yaml里的路径写错或者 YOLO 标签的类别 id 从 1 开始而不是 0。排查方法是先跑一遍数据校验脚本确认图片和标签一一对应再打开一个标签文件看第一列是不是 0。如果类别 id 从 1 开始训练时会被当成未知类别忽略loss 自然不降。5.4 验证集精度虚高数据泄漏现象是验证集 mAP 到 0.99但测试集或实际部署时效果差很多。原因是划分数据集时同一批次或同一张原图裁剪出的子图被分到了训练集和验证集两边模型见过类似样本。解决办法是按采集批次或原图来源划分同一来源的图只能进一个集合。如果数据是视频抽帧来的相邻帧不能跨集。5.5 部署后速度慢没做推理优化现象是训练时速度还行部署到边缘设备后帧率掉到个位数。原因是用了 PyTorch 原生推理没做 ONNX 导出和量化。解决办法是先把模型导出 ONNX再用 TensorRT 或 OpenVINO 做推理加速FP16 量化通常能提速 2 到 3 倍且精度损失很小。导出时注意imgsz和训练时保持一致否则精度会掉。6. 从检测框到粒数统计后处理技巧与验证方法检测模型输出的是框业务要的是粒数。这中间的后处理逻辑看着简单但直接len(boxes)在密集场景下误差不小。我一般会加一层基于面积和重叠的过滤先按置信度排序再用 Soft-NMS 替代标准 NMS对重叠框做分数衰减而不是直接删除这样相邻粒不会被误删。Soft-NMS 的 sigma 参数设 0.5 左右在玉米粒场景下比标准 NMS 计数更准。import numpy as np def soft_nms(boxes, scores, sigma0.5, score_thresh0.25): # boxes: [N, 4] xyxy, scores: [N] keep [] idxs np.argsort(scores)[::-1] while len(idxs) 0: i idxs[0] keep.append(i) if len(idxs) 1: break rest idxs[1:] xx1 np.maximum(boxes[i, 0], boxes[rest, 0]) yy1 np.maximum(boxes[i, 1], boxes[rest, 1]) xx2 np.minimum(boxes[i, 2], boxes[rest, 2]) yy2 np.minimum(boxes[i, 3], boxes[rest, 3]) w np.maximum(0.0, xx2 - xx1) h np.maximum(0.0, yy2 - yy1) inter w * h area_i (boxes[i, 2] - boxes[i, 0]) * (boxes[i, 3] - boxes[i, 1]) area_r (boxes[rest, 2] - boxes[rest, 0]) * (boxes[rest, 3] - boxes[rest, 1]) iou inter / (area_i area_r - inter 1e-6) # 高斯衰减 decay np.exp(-(iou * iou) / sigma) scores[rest] scores[rest] * decay idxs rest[scores[rest] score_thresh] idxs idxs[np.argsort(scores[idxs])[::-1]] return keep这段 Soft-NMS 的核心是decay np.exp(-(iou * iou) / sigma)重叠度越高分数衰减越狠但不直接归零。sigma越大衰减越温和0.5 是我在玉米粒数据上试出来的平衡点。score_thresh设 0.25 和推理时的 conf 保持一致。跑完 Soft-NMS 后len(keep)就是粒数。验证计数精度不能只看 mAP要单独做计数误差评估。做法是选一批测试图人工数出真实粒数和模型计数对比算平均绝对误差和相对误差。如果相对误差超过 3%回去检查 NMS 参数和置信度阈值。另外建议做一个可视化工具把检测框和计数结果画在图上人工抽查几十张能快速发现系统性问题。我自己的习惯是每次调完参数都跑一遍计数评估把误差记在表格里参数和误差一一对应。这样调参不是凭感觉而是有数据支撑。玉米粒检测这个方向数据集质量好、场景封闭做到 99% 以上的计数准确率是现实的但前提是后处理这层别偷懒。希望帮到你。本文还有配套的精品资源点击获取
