简介该数据集面向工业流水线皮带传送带场景的异物检测任务包含一百一十张传送带图片统一标注为异常anomaly类别共一百九十一个矩形框。数据采用Pascal VOC与YOLO双格式提供对应的xml标注文件与txt标签文件可直接用于训练YOLO系列或Faster R-CNN等目标检测模型免去自行转换格式的繁琐步骤。压缩包共三百三十二个文件以jpg图片、xml标注文件与txt标签文件为主整体大小仅十七点七六MB便于下载与快速迭代。资源已获得三百九十一人关注学习标注工具采用labelImg框选边界清晰、标注规则统一适合目标检测入门练习及工业质检方案预研。需注意数据集仅提供准确且合理标注不对训练精度作保证但作为基础数据足以支撑模型效果验证与算法对比实验。1. 这条传送带上的“杂物”为什么值得专门做一个数据集车间里皮带传送带一秒钟跑几百毫米掉一颗螺丝、飞进去一片包装残膜下游就是设备卡死或者整批产品报废。靠人眼盯着监控画面盯不了十分钟这是工业视觉里最典型的异物检测需求。而这标题里的数据集VOCYOLO格式、110张、1个类别、打包成zip乍看量不大却是把一条流水线异物检测从零到一跑通的最小闭环——标注格式齐了、类别单一、样本数刚好能训练一次完整流程适合做可行性验证和流程演练。你拿到手能做的不只是解压看一眼而是直接喂给YOLO程序跑训练、调参数、看效果。这篇就把解压之后每一步怎么走、坑在哪、参数怎么设拆开讲清楚目标是你照着做一遍能自己判断这份数据集值不值得用、够不够用、下一步该补什么。2. 先看懂数据集的底细VOC 与 YOLO 双格式、110 张单类别的结构拆解2.1 VOC 和 YOLO 标注格式的核心差异一个存像素坐标一个存比例坐标拿到数据集第一件事不是训练是先搞清楚你手里的标注文件长什么样。VOC 格式沿用的是 PASCAL VOC 那套标注规范每张图片对应一个同名的 XML 文件里面用bndbox标签记录目标的真实像素坐标也就是左上角和右下角的 x、y 值。这种格式可读性好用文本编辑器打开就能核对目标位置是不是和画面上肉眼看到的一致所以现在还有很多标注工具默认先导出 VOC 格式。YOLO 格式则完全不同。它每个目标占一行文本格式是class_id x_center y_center width height注意这四个数值全部是归一化比例范围在 0 到 1 之间——是用像素坐标除以图片宽高得到的。这么做的好处是模型训练时不管输入图片被缩放到 640 还是 1024标注都不用跟着改因为比例关系不变。代价是肉眼直接看 txt 文件完全看不出对错必须配合可视化脚本或者标注工具才能复核。这两者转换是最常见的翻车现场之一。VOC 转 YOLO 时核心公式是中心点等于两个角点坐标之和的一半再除以图片宽高# VOC 像素坐标转 YOLO 归一化坐标 x_center ((xmin xmax) / 2) / img_width y_center ((ymin ymax) / 2) / img_height box_width (xmax - xmin) / img_width box_height (ymax - ymin) / img_height # 类别编号从 0 开始单类别就是 0 yolo_line f0 {x_center:.6f} {y_center:.6f} {box_width:.6f} {box_height:.6f}这段代码的逻辑很直接xmin xmax除以 2 得到目标中心的像素横坐标再除以宽度归一化。宽度则是xmax - xmin除以图片宽度。需要记住的是类别编号永远从 0 开始即使数据集只有一个类别它也是 0 而不是 1。如果你看到某个转换脚本里写了减 1 的操作那是给类别名按 1 开始编号的旧工具用的用在这里反而会出错。还有一个经常被忽略的细节两个格式里框的语义不同。VOC 标注的xmin/ymin/xmax/ymax是目标真实边缘的像素位置YOLO 的x_center/y_center是目标中心的相对位置。如果一张图里目标紧贴边缘归一化坐标接近 0 或 1训练时图像增强的随机裁剪一旦把它裁掉模型就学到一个残缺的目标。这是小数据集训练效果不稳定的隐藏原因之一。2.2 解压后先盘点目录结构、标注文件与类别映射的检查方法数据集到手第一步永远是盘点不盘点就开训的后面多半要返工。VOC 标准的目录结构通常是JPEGImages/放原图、Annotations/放 XML 标注而 YOLO 格式的标注一般存放在labels/目录下一些整理过的数据集会再加一个classes.txt写明类别名。文件名通常一一对应比如图片叫frame_0001.jpgXML 和 txt 也叫frame_0001.xml和frame_0001.txt。拿到压缩包后先在服务器或本地解压然后跑一遍目录结构检查。下面这组命令适用于 Linux 或 macOSWindows 下建议直接用 Git Bash 或者 WSL避免 cmd 的编码问题干扰文件名匹配# 解压数据集压缩包查看目录层级 unzip foreign_object_dataset.zip -d dataset cd dataset # 统计图片、XML、txt 三类文件数量是否一致 echo JPEG 图片数量: $(ls JPEGImages/*.jpg 2/dev/null | wc -l) echo XML 标注数量: $(ls Annotations/*.xml 2/dev/null | wc -l) echo YOLO 标注数量: $(ls labels/*.txt 2/dev/null | wc -l) # 看一下 label 文件里到底写了什么类别 head -n 5 labels/frame_0001.txt # 检查 XML 的类别名是否和 classes.txt 一致 grep -o name[^]*/name Annotations/frame_0001.xml | sort | uniq -c这套命令的作用很明确第一行解压第二行进入目录然后分别统计三种文件数量。正常情况下三者的数量应当完全一致如果不一致说明数据整理时有图片漏标或者标注文件丢失这种脏数据直接进训练会干扰损失函数计算。head查看 YOLO 标注是为了确认格式是每行五个数且第一个数字是合理类别编号。最后的grep是为了核对 XML 里的类别名和classes.txt里的定义是否对得上。我一般会在这时候顺手把图片尺寸分布也扫一遍。因为 YOLO 训练时会统一缩放输入尺寸如果数据集里混着 1280x720 的截图和 640x480 的旧照片小图里的目标相对会变大模型学到的是各种尺度混合的表征检测小目标的能力会受影响。用 Python 快速统计一下宽高比分布可以提前知道后续训练要不要开rect参数做矩形推理这个后文会详细说。3. 动手处理这 110 张图从 zip 解压到可训练数据集的完整流程3.1 解压与文件校验别让 zip 解压和完整性检查拖后腿数据集以 zip 打包第一步自然绕不开 Linux 下的解压缩命令。常见做法是用unzip但如果压缩包是在 Windows 上用中文压缩工具打包的解压后经常出现文件名乱码原因是 zip 的文件名编码在两套系统下不同。遇到这种情况优先试带编码参数的解压方式# 标准解压 unzip dataset.zip -d dataset # Windows 中文压缩包出现乱码时强制用 GBK 编码解压 unzip -O GBK dataset.zip -d dataset # 解压后校验关键文件是否齐全 find dataset -type f | sed s/.*\.// | sort | uniq -c-O GBK参数在部分 Linux 发行版上才支持macOS 自带的 unzip 可能不认。如果报错另一个方案是用 Python 的 zipfile 模块解压并对文件名做编码修正这在文件数量不多时更可控。最后一行用find配合sed和uniq统计所有文件后缀一眼就能看出数据包里除了图片和标注有没有混入.DS_Store、Thumbs.db之类的系统垃圾文件——这些文件会导致图片和标注匹配时莫名报错或者被误当成图片加载进训练集。解压完成后还应该做一次图片完整性的批量检查。很多数据集在传输过程中会出现图片文件截断表面看文件在实际打不开。直接用 OpenCV 读取一遍能读出的继续用读不出的单独列出来import cv2 import os from pathlib import Path img_dir Path(dataset/JPEGImages) bad_images [] for img_path in img_dir.glob(*.jpg): img cv2.imread(str(img_path)) if img is None: bad_images.append(img_path.name) print(f共检查 {len(list(img_dir.glob(*.jpg)))} 张图片损坏 {len(bad_images)} 张) for name in bad_images: print(损坏图片:, name)这段代码利用cv2.imread返回None的特征来筛选损坏文件。在工业数据集里一部分图是从监控视频抽帧导出的传输中断很容易产生这种半截图片。如果查出损坏文件不多比如一两张可以直接用它们对应的标注文件一并删除避免后续训练时数据加载器报错中断。如果损坏超过 10%就要考虑数据集本身的质量或者重新下载了。3.2 拆分 train/val/test 目录并核对图片与标注是否一一对应110 张图不能全部拿去训练。为了让训练过程能监控是否过拟合必须划出一部分验证集让模型每训练几轮就在没见过的图上评估一次指标。常见做法是 80% 训练、20% 验证或者 70% 训练、20% 验证、10% 测试。测试集不是必须的但对工业场景我建议保留因为最终上线前需要一组完全没参与过训练和验证的图来评估真实效果。拆分时最容易犯的错误是手动拖拽文件数量少还好数量一多就容易漏文件或者重名覆盖。正确做法是用脚本按固定随机种子划分保证每次结果可复现import os import shutil import random from pathlib import Path random.seed(42) # 固定随机种子保证每次划分结果一致 src Path(dataset) train_imgs Path(dataset_split/train/images) train_labels Path(dataset_split/train/labels) val_imgs Path(dataset_split/val/images) val_labels Path(dataset_split/val/labels) for d in [train_imgs, train_labels, val_imgs, val_labels]: d.mkdir(parentsTrue, exist_okTrue) # 收集所有图片文件名不含后缀 all_images list(src.glob(JPEGImages/*.jpg)) random.shuffle(all_images) split_idx int(len(all_images) * 0.8) train_files all_images[:split_idx] val_files all_images[split_idx:] for img_path in train_files: stem img_path.stem label_src src / labels / f{stem}.txt if not label_src.exists(): print(f警告{stem}.jpg 没有对应的 txt 标注已跳过) continue shutil.copy(img_path, train_imgs / img_path.name) shutil.copy(label_src, train_labels / label_src.name) for img_path in val_files: stem img_path.stem label_src src / labels / f{stem}.txt if not label_src.exists(): print(f警告{stem}.jpg 没有对应的 txt 标注已跳过) continue shutil.copy(img_path, val_imgs / img_path.name) shutil.copy(label_src, val_labels / label_src.name) print(f训练集 {len(train_files)} 张验证集 {len(val_files)} 张)这段脚本是完整可抄作业的。核心逻辑是先用random.seed(42)固定随机序列保证你和我划分的结果一模一样后面谁复现结果都能对上然后用glob收集全部图片按 8:2 切分在复制时检查对应 label 是否存在缺失的图片直接跳过并在控制台告警避免脏数据混进训练集。复制而非移动是为了保留原始数据集万一划分出错还有后悔药。有一个细节值得专门强调YOLO 训练要求图片和标注文件名必须严格一致且标注文件的扩展名必须是.txt。有些数据集整理时把 label 命名成frame_0001.jpg.txt训练时会因为文件名不匹配而直接报错。遇到这种情况批量重命名成frame_0001.txt即可。另外验证集和测试集不要出现同一张图这条靠随机划分天然就能保证如果是手工从不同文件夹凑的图片就要注意图片内容是否有重复帧——传送带视频抽帧的数据很容易出现相邻几帧内容几乎一样这会导致训练集和验证集之间泄漏指标虚高但实际部署效果缩水。4. 用 YOLOv8 在本地跑通异物检测数据集配置与训练命令的落地细节4.1 写 data.yaml类别数、路径与类别名的关键约定数据文件准备好之后下一步就是让 YOLO 知道去哪里找数据、有几个类别、类别叫什么。这一步的载体就是data.yaml它直接决定训练脚本能不能跑起来。以目前用得最广的 YOLOv8 为例配置文件长这样# data.yaml path: /absolute/path/to/dataset_split # 数据集根目录 train: train/images val: val/images nc: 1 names: 0: foreign_objectpath建议写绝对路径因为相对路径在不同目录下执行指令时会解析到不同的位置报错时排查起来很费时间。train和val相对于path指定如果数据集划分时用的是train/images和val/images这种结构按上面的写就行。nc是类别总数这里是 1。names是类别名映射编号从 0 开始name 用什么不影响训练结果但要和推理时的视觉反馈对得上建议用你后续要展示给产线人员的名字。关于路径这里有个高频坑如果数据集在 Windows 上解压后修改过然后又拷到 Linux 服务器训练Windows 文件管理器不会真的改变文件内容但如果你在 Windows 上用记事本编辑过data.yaml保存后会出现 BOM 头YOLO 读取时会在path前面多一个不可见字符导致目录找不到。用file data.yaml看一下如果输出带 with BOM 字样用sed -i 1s/^\xEF\xBB\xBF// data.yaml去掉即可。4.2 启动训练的关键参数imgsz、batch、epochs 与预训练权重选择配置写好就可以开始训练了。常见做法是用 YOLOv8 的官方包安装很简单但不写安装步骤了重点是训练命令和参数。这里给一个适配 110 张小数据集的保守配置yolo detect train \ data/abs/path/to/dataset_split/data.yaml \ modelyolov8n.pt \ epochs100 \ imgsz640 \ batch16 \ patience20 \ device0 \ projectflange_detection \ namerun_01逐条拆解参数含义。modelyolov8n.pt是 n 版本预训练权重n 是 nano 的意思模型最小、显存占用最低。110 张图的数据量撑不起大模型训练用 nano 或 small 最稳大模型只会更快过拟合。epochs100是训练轮次数据集小的时候模型几十轮就能拟合完100 轮给了充分余量。batch16表示每轮迭代用 16 张图算一次损失函数batch 太大容易显存溢出太小则训练噪声大、损失曲线抖动厉害。patience20是早停参数验证集指标连续 20 轮不提升就自动停止这个小数据集很可能 60 轮就停了。device0指定第一块 GPU没有 GPU 就改成devicecpu但训练速度会慢很多。project和name指定结果保存路径。刚开始训练时先注意两个现象判断是否正常。第一是终端会打印每轮的box_loss、cls_loss和dfl_loss这些就是 YOLO 的损失函数组成部分——box_loss 是预测框和真实框的位置误差cls_loss 是分类误差。单类别时 cls_loss 会降得很快因为分类任务太简单重点盯 box_loss。第二是验证集指标mAP50和mAP50-95前者是 IoU 阈值 0.5 时的平均精度后者更严格。小数据集上mAP50到 0.9 不稀奇但mAP50-95才是通行标准能上 0.7 就算不错。# 训练结束后的验证 yolo detect val \ data/abs/path/to/dataset_split/data.yaml \ modelruns/detect/run_01/weights/best.pt验证命令会在验证集上重新推理一遍输出每类别的精确率、召回率和 mAP。对于传送带异物检测你真正关心的是召回率——漏检一个螺丝流到下游可能要损坏设备代价远比多报一个假警大。所以看指标时如果召回率不理想后面调置信度阈值的方向就是往下压。5. 训练与标注里的常见问题排查五个现场踩过的坑5.1 图片与标注对不上训练跑一半才报错现象训练到第二个 epoch 时报错类似Image ... has no corresponding label或者某个 batch 的损失值突然变成nan。原因图片文件名和标注文件名不匹配通常是扩展名不一致比如图片是.png但标注按.jpg命名或者划分数据集时写脚本用了不同的文件后缀匹配导致部分图片进了训练目录label 却没跟上。110 张图里只要有一张这种情况训练就会在数据加载阶段中断。解决在划分脚本里显式检查 label 是否存在缺失就跳过或单独输出名单。更稳妥的办法是在训练前用一行命令做全量比对for img in dataset_split/train/images/*.jpg; do stem$(basename $img .jpg) [ -f dataset_split/train/labels/$stem.txt ] || echo 缺失标注: $img done5.2 损失函数不下降或直接跑飞现象box_loss在前 20 轮纹丝不动甚至从 2.0 涨到 3.5或者 loss 直接变成nan。原因最常见的是标注框错位——XML 转 YOLO 时图片尺寸读错了。转换脚本里img_width和img_height取的是 XML 里widthheight的值但有些工具导出的 XML 宽高与实际图片不一致导致归一化坐标算出来大于 1 或小于 0模型从一开始就在学错误的目标位置。另一种可能是 label 文件里混进了全 0 行也就是目标中心落在图片左上角之外损失计算时边界框退化。解决写个快速检查脚本把所有标注的坐标值范围扫一遍awk {if($20||$21||$30||$31||$40||$41||$50||$51) print FILENAME, $0} dataset_split/train/labels/*.txt这行命令遍历所有 label 文件凡是五个字段里出现超出 [0,1] 范围的坐标就打印出来。正常标注不会越界有输出就是数据源头问题。找到问题文件后返回标注工具修正或者直接丢弃这几张图。5.3 验证集 mAP 很高但实测图片完全测不出目标现象训练日志里mAP50到 0.95把你准备好的测试图片丢进去模型框都不画一个或者框的位置明显不对。原因典型的数据集分布失衡。110 张图可能都来自同一条传送带的同一高度、同一光照条件模型学到的是背景和角度不是异物本身。验证集和训练集来自同一段视频的不同帧画面几乎一样所以指标虚高换一个角度拍的就完全不行。解决这不是改参数能解决的事。唯一靠谱的方案是补充数据多样性至少要覆盖不同光照、不同传送带速度下的帧以及不同大小、不同材质的异物。在数据没补齐之前建议把验证集换成从不同时间段抽帧的图片让指标先回归真实水平。5.4 小目标检测不到传送带上的螺栓垫片只占几个像素现象大的异物能测出来小的螺丝、垫片漏检严重。imgsz640训练出来的模型对 15x15 像素的目标几乎没有反应。原因YOLO 的下采样倍数决定了它最终特征图的大小。输入 640 时特征图最小一格对应原图 32x32 像素区域小于这个尺寸的目标在深层特征图里只剩一个点信息已经丢失。这是模型结构的固有限制不是调参能根本解决的。解决短期方案是提高训练分辨率imgsz960或1024配合batch8保证显存不爆。中期方案是使用 SAHI 这类切片推理工具推理时把大图切成小块分别检测再合并结果。长期方案是换 YOLO 官方出的针对小目标的变体或者干脆给检测区域配置更高分辨率的工业相机。5.5 zip 包解压报 CRC 错误或伪加密现象解压到一半提示CRC failed或者需要密码但作者没给过密码。原因数据集打包过程中文件损坏或者文件被某些网盘中转工具二次包装成了伪加密 zip——伪加密只是修改了加密标志位并没有真正加密内容但普通解压工具会直接弹密码框。解决先试unzip -P password是没用的伪加密要去掉加密标志位。Linux 下用自带工具处理比较麻烦常见做法是用 7-Zip 打开后会弹出确认框这时候点击确定往往能直接解压因为它会自动尝试明文读取。如果提示 CRC 错误则说明某个文件在传输中损坏只能重新下载或联系数据提供方。6. 110 张图更该用好的进阶技巧数据增强与置信度门限的验证闭环数据集小就要在训练和推理两头把每一张图的价值榨干。先说训练侧YOLOv8 默认开了 mosaic 增强把四张图拼成一张训练这在小数据集上很管用相当于隐式扩大了样本量。但传送带场景有个特点异物通常出现在画面中段呈水平方向滚动强烈的随机旋转增强反而会让模型学到错误的方向先验。我一般会把 YOLOv8 增强参数里的degrees固定为 0只保留translate和scale的轻微扰动原始图里的目标和位置关系由此保留得更好。另外 110 张图做训练时建议关掉验证集的增强参数确保验证指标反映的是真实分布。推理侧的置信度门槛值得反复试。YOLO 检测命令的conf参数默认是 0.25iou默认 0.7。在异物检测里漏检的代价远大于误报我会把conf压到 0.1 甚至 0.05先用低门槛把所有可疑目标都框出来再由后端的面积、位置规则过滤假目标。这样做要多花一点推理时间但能在不换模型的情况下多挽回几个漏检。yolo detect predict \ modelruns/detect/run_01/weights/best.pt \ source./test_samples \ conf0.1 \ iou0.5 \ saveTrue跑完这步把输出的可视化检测图逐张看一遍重点找两类情况一是模型标出来的但实际不是异物的误报二是画面里明显有异物但没被框出来的漏检。这两类样本不要丢单独放到一个文件夹里它们就是你下一轮补充标注和微调训练的数据来源。110 张图训出的模型最大的价值不是直接上线而是给产线提供一个可预估的基线——它能告诉你现在的相机角度、打光方式和标注质量够不够用缺的地方也明确指向数据补采方向。这是我做这类小样本项目最深的体会先把流程跑通拿到基线再拿失败样本去补数据比一开始就囤几百上千张标好的图有效得多。这份数据集作为起点够你走完前面这条路了希望帮到你。本文还有配套的精品资源点击获取
