簡(jiǎn)介本數(shù)據(jù)集面向電力巡檢、輸電線路智能監(jiān)控方向的算法工程師與深度學(xué)習(xí)研究者用于訓(xùn)練和驗(yàn)證輸電線異物目標(biāo)檢測(cè)模型。數(shù)據(jù)覆蓋氣球、風(fēng)箏、鳥巢、垃圾四類典型異物共1300張jpg圖片每張均配有對(duì)應(yīng)的VOC格式xml與YOLO格式txt標(biāo)注標(biāo)注工具為labelImg采用矩形框方式總框數(shù)1319個(gè)其中鳥巢871框、風(fēng)箏181框、氣球160框、垃圾107框類別分布差異明顯貼近真實(shí)巡檢場(chǎng)景。壓縮包為7z格式內(nèi)含2000個(gè)文件以1300個(gè)xml與700個(gè)txt標(biāo)注文件為主整體約831.71MB目錄結(jié)構(gòu)清晰便于直接接入YOLO或VOC訓(xùn)練流程。需注意約15%的圖片經(jīng)過數(shù)據(jù)增強(qiáng)處理可提升模型泛化能力。目前已有971人學(xué)習(xí)下載適合快速搭建異物檢測(cè)基線、開展對(duì)比實(shí)驗(yàn)或擴(kuò)充自有數(shù)據(jù)集。1. 輸電線異物檢測(cè)數(shù)據(jù)集1300 張 VOCYOLO 雙格式4 類目標(biāo)直接開訓(xùn)輸電線異物檢測(cè)這個(gè)場(chǎng)景真正卡住大多數(shù)團(tuán)隊(duì)的從來不是模型結(jié)構(gòu)而是數(shù)據(jù)。鳥巢、風(fēng)箏、塑料薄膜、氣球這四類東西掛在導(dǎo)線上背景是天空、桿塔、樹林、建筑尺度跨度大、樣本還偏少自己從零標(biāo)一批光標(biāo)注成本就夠喝一壺。這份數(shù)據(jù)集給的是 1300 張已經(jīng)標(biāo)好的圖同時(shí)提供 Pascal VOC 的 XML 和 YOLO 的 TXT 兩套標(biāo)注4 個(gè)類別拿來就能直接進(jìn)訓(xùn)練流程。它適合兩類人一類是想快速驗(yàn)證 YOLO 系列在電力巡檢場(chǎng)景下效果的算法工程師另一類是做輸電線路智能巡檢落地、需要一份能跑通 baseline 的工程團(tuán)隊(duì)。VOC 和 YOLO 雙格式意味著你不用再寫轉(zhuǎn)換腳本省掉最容易出錯(cuò)的一步。2. VOC 與 YOLO 雙格式拆解標(biāo)注結(jié)構(gòu)、類別映射與選型理由2.1 兩套標(biāo)注到底差在哪Pascal VOC 格式的核心是每張圖對(duì)應(yīng)一個(gè) XML 文件里面用object節(jié)點(diǎn)描述每個(gè)目標(biāo)包含name類別名、bndboxxmin、ymin、xmax、ymax 四個(gè)絕對(duì)像素坐標(biāo)。YOLO 格式則是每張圖對(duì)應(yīng)一個(gè) TXT 文件每行一個(gè)目標(biāo)格式是class_id x_center y_center width height后四個(gè)值都是相對(duì)整圖寬高的歸一化值范圍 0 到 1。這兩種格式的差異不只是坐標(biāo)表達(dá)還牽扯到訓(xùn)練框架的讀取邏輯。VOC 的絕對(duì)坐標(biāo)在圖像增強(qiáng)比如隨機(jī)縮放、裁剪時(shí)需要重新計(jì)算而 YOLO 的歸一化坐標(biāo)在 resize 后天然保持比例這也是 Ultralytics 系框架默認(rèn)吃 YOLO 格式的原因。數(shù)據(jù)集同時(shí)給兩套等于把「用 mmdetection 走 VOC」和「用 YOLOv5/v8 走 YOLO」兩條路都鋪好了。對(duì)比項(xiàng)VOC (XML)YOLO (TXT)坐標(biāo)類型絕對(duì)像素 (xmin,ymin,xmax,ymax)歸一化中心點(diǎn)寬高類別表示字符串類別名整數(shù) class_id一圖多目標(biāo)多個(gè)object節(jié)點(diǎn)多行文本常用框架mmdetection、Detectron2Ultralytics YOLO 系列增強(qiáng)友好度需同步變換坐標(biāo)resize 后自動(dòng)適配2.2 4 類別映射與類別不平衡4 個(gè)類別在電力巡檢里是高頻異物鳥巢、風(fēng)箏、塑料薄膜含地膜、大棚膜、氣球。這四類在真實(shí)場(chǎng)景里的出現(xiàn)頻率并不均勻鳥巢和風(fēng)箏相對(duì)多氣球和薄膜偏少。拿到數(shù)據(jù)集第一件事不是直接開訓(xùn)而是先統(tǒng)計(jì)每個(gè)類別的框數(shù)量確認(rèn)有沒有某一類少到影響收斂。常見做法是寫個(gè)統(tǒng)計(jì)腳本遍歷 labels 目錄下的 TXT按 class_id 累加。如果發(fā)現(xiàn)某類樣本數(shù)不到總數(shù)的 5%就要考慮在訓(xùn)練時(shí)用類別權(quán)重或者對(duì)少數(shù)類做過采樣。這一步不做訓(xùn)出來的模型大概率對(duì)薄膜和氣球幾乎無響應(yīng)mAP 被多數(shù)類拉高實(shí)際巡檢時(shí)漏檢。import os from collections import Counter label_dir labels/train # YOLO 格式標(biāo)簽?zāi)夸?counter Counter() for fname in os.listdir(label_dir): if not fname.endswith(.txt): continue with open(os.path.join(label_dir, fname)) as f: for line in f: line line.strip() if not line: continue cls_id int(line.split()[0]) # 每行第一個(gè)字段是類別 id counter[cls_id] 1 # 輸出每個(gè)類別的框數(shù)量用于判斷類別不平衡 for cls_id in sorted(counter): print(fclass {cls_id}: {counter[cls_id]} boxes)這段腳本的邏輯很直接逐文件讀 TXT取每行首字段作為類別 id 累加。參數(shù)上唯一要注意的是label_dir要指向 YOLO 格式的標(biāo)簽?zāi)夸洸皇?VOC 的 XML 目錄。跑完你會(huì)得到類似class 0: 620 boxes這樣的分布如果某一類只有幾十個(gè)框后面訓(xùn)練配置里就得針對(duì)性處理。2.3 目錄組織與 data.yaml 配置YOLO 訓(xùn)練要求固定的目錄結(jié)構(gòu)images/train、images/val、labels/train、labels/val圖片和標(biāo)簽同名不同后綴。數(shù)據(jù)集解壓后如果 VOC 和 YOLO 是分開的兩個(gè)文件夾需要先把 YOLO 那套按 train/val 分好。常見做法是按 8:2 或 7:3 切分切分時(shí)用固定隨機(jī)種子保證可復(fù)現(xiàn)。# data.yaml —— Ultralytics YOLO 訓(xùn)練配置 path: /data/transmission_line # 數(shù)據(jù)集根目錄 train: images/train # 訓(xùn)練集圖片相對(duì)路徑 val: images/val # 驗(yàn)證集圖片相對(duì)路徑 nc: 4 # 類別數(shù)本數(shù)據(jù)集為 4 names: # 類別名順序必須與 class_id 對(duì)應(yīng) 0: nest 1: kite 2: plastic_film 3: balloonnc和names的順序必須和標(biāo)注文件里的 class_id 嚴(yán)格一致這是最容易翻車的地方。如果 VOC 的 XML 里類別名順序和 YOLO 的 class_id 映射對(duì)不上訓(xùn)出來的模型會(huì)把鳥巢認(rèn)成氣球。建議先用一小批圖做可視化驗(yàn)證把框畫回原圖上看類別對(duì)不對(duì)再開始正式訓(xùn)練。3. 從解壓到跑通 baselineYOLOv8 訓(xùn)練全流程與參數(shù)設(shè)置3.1 環(huán)境準(zhǔn)備與數(shù)據(jù)校驗(yàn)訓(xùn)練前先把環(huán)境搭好。Ultralytics 的 YOLOv8 對(duì) PyTorch 版本有要求常見組合是 Python 3.9、PyTorch 1.13 或 2.x、CUDA 11.7/11.8。裝完框架后不要急著 train先做一次數(shù)據(jù)校驗(yàn)確認(rèn)圖片能正常讀取、標(biāo)簽沒有越界坐標(biāo)。# 安裝 ultralytics pip install ultralytics # 快速校驗(yàn)數(shù)據(jù)集用 YOLO 自帶校驗(yàn)會(huì)檢查標(biāo)簽格式和圖片可讀性 yolo checksyolo checks會(huì)輸出環(huán)境信息和數(shù)據(jù)集的基本檢查結(jié)果。如果標(biāo)簽里有坐標(biāo)超過 1.0 或者負(fù)數(shù)訓(xùn)練時(shí)不會(huì)報(bào)錯(cuò)但會(huì)靜默丟棄導(dǎo)致實(shí)際參與訓(xùn)練的目標(biāo)變少。所以校驗(yàn)這一步不能省尤其是別人標(biāo)的數(shù)據(jù)集標(biāo)注質(zhì)量參差不齊是常態(tài)。3.2 訓(xùn)練命令與關(guān)鍵參數(shù)baseline 用 YOLOv8n 或 YOLOv8s 起步1300 張圖不算大n 版本能在單卡上很快跑完一輪先確認(rèn)流程通不通再換大模型。# 以 YOLOv8s 為例輸入 640batch 16訓(xùn)練 100 epoch yolo detect train \ datadata.yaml \ modelyolov8s.pt \ epochs100 \ imgsz640 \ batch16 \ lr00.01 \ patience20 \ device0 \ projectruns/transmission \ nameexp1參數(shù)逐個(gè)說imgsz640是輸入分辨率輸電線異物里鳥巢和風(fēng)箏尺度中等640 夠用如果薄膜這種小目標(biāo)漏檢多可以提到 1024 但顯存要跟上。batch16在 8G 顯存上跑 640 分辨率基本安全顯存不夠就降到 8。lr00.01是初始學(xué)習(xí)率YOLOv8 默認(rèn)用 SGD 時(shí)這個(gè)值合適如果換 AdamW 要降到 0.001 量級(jí)。patience20是早停20 輪驗(yàn)證指標(biāo)不升就停避免過擬合。device0指定第一塊 GPU。3.3 訓(xùn)練過程監(jiān)控與指標(biāo)解讀訓(xùn)練啟動(dòng)后重點(diǎn)看三個(gè)指標(biāo)box_loss、cls_loss、mAP50。box_loss 下降說明框回歸在收斂cls_loss 下降說明分類在學(xué)mAP50 是 IoU 閾值 0.5 下的平均精度。輸電線異物檢測(cè)里鳥巢和風(fēng)箏通常 mAP 能到 0.8 以上薄膜和氣球因?yàn)闃颖旧?、目?biāo)小可能只有 0.5 到 0.6這是數(shù)據(jù)分布決定的不是模型問題。如果訓(xùn)練到 30 輪左右 mAP 還在 0.2 以下先別懷疑模型回去查標(biāo)簽。常見原因是類別 id 映射錯(cuò)了或者圖片和標(biāo)簽文件名沒對(duì)上比如圖片叫001.jpg標(biāo)簽叫001.txt但實(shí)際內(nèi)容對(duì)不上。用yolo detect predict跑幾張訓(xùn)練集圖片看預(yù)測(cè)框和真實(shí)框是否重合能快速定位是數(shù)據(jù)問題還是訓(xùn)練問題。# 用訓(xùn)練好的權(quán)重在驗(yàn)證集上跑預(yù)測(cè)可視化檢查 yolo detect predict \ modelruns/transmission/exp1/weights/best.pt \ sourceimages/val \ conf0.25 \ saveTrueconf0.25是置信度閾值低于這個(gè)值的框不顯示。檢查時(shí)重點(diǎn)看漏檢和誤檢漏檢多說明模型沒學(xué)好或者目標(biāo)太小誤檢多說明背景干擾大或者閾值太低。這一步是判斷數(shù)據(jù)集能不能用的關(guān)鍵指標(biāo)好看但可視化一塌糊涂的情況并不少見。4. 避坑與排查標(biāo)注、格式、訓(xùn)練里最容易翻車的五件事4.1 現(xiàn)象訓(xùn)練 loss 正常下降但 mAP 始終為 0原因類別 id 和 names 映射錯(cuò)位或者標(biāo)簽文件里 class_id 超出了nc范圍。YOLO 對(duì)越界 class_id 不報(bào)錯(cuò)直接忽略該目標(biāo)導(dǎo)致模型學(xué)不到任何有效分類。解決用 2.2 的統(tǒng)計(jì)腳本確認(rèn) class_id 最大值小于nc再用可視化腳本把標(biāo)簽框畫回原圖逐類核對(duì)類別名。確認(rèn)無誤后再重新訓(xùn)練。4.2 現(xiàn)象圖片能讀但標(biāo)簽全部丟失原因YOLO 要求圖片和標(biāo)簽同名且在同一級(jí)目錄結(jié)構(gòu)下如果圖片是.jpg而標(biāo)簽是.JPG.txt或者放在不匹配的路徑框架找不到標(biāo)簽。解決寫腳本統(tǒng)一文件名去掉多余后綴確保images/train/001.jpg對(duì)應(yīng)labels/train/001.txt。批量重命名前先備份改錯(cuò)了還能回滾。4.3 現(xiàn)象VOC 轉(zhuǎn) YOLO 后框位置整體偏移原因VOC 的坐標(biāo)是 1-based 還是 0-based 取決于標(biāo)注工具有些工具 xmin 從 1 開始轉(zhuǎn) YOLO 時(shí)沒減 1導(dǎo)致整體偏移一個(gè)像素。更常見的是歸一化時(shí)用了錯(cuò)誤的圖像寬高比如用了縮放后的尺寸而不是原圖尺寸。解決轉(zhuǎn)換腳本里統(tǒng)一用原圖寬高做歸一化并在轉(zhuǎn)換后隨機(jī)抽 10 張圖可視化對(duì)比。偏移一個(gè)像素在大目標(biāo)上不明顯在小目標(biāo)上可能就是 IoU 從 0.6 掉到 0.4。4.4 現(xiàn)象訓(xùn)練到一半顯存爆了原因imgsz或batch設(shè)太大或者驗(yàn)證階段沒有限制 batch。YOLOv8 訓(xùn)練和驗(yàn)證的顯存占用不同驗(yàn)證時(shí)如果val_batch沒設(shè)默認(rèn)可能偏大。解決先把batch降到 8 或 4imgsz保持 640。如果還爆檢查是不是有其他進(jìn)程占著顯存。訓(xùn)練命令里加val_batch8限制驗(yàn)證階段的 batch 大小。4.5 現(xiàn)象模型對(duì)薄膜和氣球幾乎不響應(yīng)原因這兩類樣本數(shù)太少模型被多數(shù)類主導(dǎo)少數(shù)類的梯度被淹沒。解決訓(xùn)練時(shí)加類別權(quán)重或者在數(shù)據(jù)加載階段對(duì)少數(shù)類做復(fù)制過采樣。Ultralytics 不直接支持類別權(quán)重常見做法是手動(dòng)復(fù)制少數(shù)類的圖片和標(biāo)簽讓各類框數(shù)量大致均衡。復(fù)制時(shí)注意 train/val 要同步別只復(fù)制訓(xùn)練集導(dǎo)致驗(yàn)證集分布不一致。5. 進(jìn)階技巧用 VOC 原始標(biāo)注做交叉驗(yàn)證與模型選型數(shù)據(jù)集給了 VOC 和 YOLO 兩套標(biāo)注大多數(shù)人只用 YOLO 那套VOC 那套就閑置了。其實(shí) VOC 的 XML 可以用來做一件很有價(jià)值的事交叉驗(yàn)證標(biāo)注一致性。具體做法是寫一個(gè)腳本把 VOC 的 XML 解析成 YOLO 格式再和數(shù)據(jù)集自帶的 YOLO 標(biāo)簽逐框?qū)Ρ瓤磧商讟?biāo)注是否一致。如果發(fā)現(xiàn)某些圖的兩套標(biāo)注框數(shù)量或位置差異很大說明標(biāo)注本身有歧義這些圖在訓(xùn)練時(shí)可能引入噪聲可以考慮剔除或重新標(biāo)。import xml.etree.ElementTree as ET import os def voc_to_yolo(xml_path, img_w, img_h): 把 VOC XML 轉(zhuǎn)成 YOLO 格式的列表用于和自帶 YOLO 標(biāo)簽對(duì)比 tree ET.parse(xml_path) root tree.getroot() boxes [] for obj in root.findall(object): cls_name obj.find(name).text bndbox obj.find(bndbox) xmin float(bndbox.find(xmin).text) ymin float(bndbox.find(ymin).text) xmax float(bndbox.find(xmax).text) ymax float(bndbox.find(ymax).text) # 轉(zhuǎn)成歸一化中心點(diǎn)寬高 xc (xmin xmax) / 2.0 / img_w yc (ymin ymax) / 2.0 / img_h w (xmax - xmin) / img_w h (ymax - ymin) / img_h boxes.append((cls_name, xc, yc, w, h)) return boxes這段代碼的核心是把 VOC 的絕對(duì)坐標(biāo)轉(zhuǎn)成 YOLO 的歸一化坐標(biāo)參數(shù)img_w和img_h必須是原圖尺寸不能是縮放后的。轉(zhuǎn)換完拿兩套框做 IoU 對(duì)比IoU 低于 0.5 的就算不一致統(tǒng)計(jì)不一致比例。如果比例超過 5%這批數(shù)據(jù)在訓(xùn)練前就得先清洗。另一個(gè)進(jìn)階用法是模型選型。1300 張圖、4 類目標(biāo)屬于中小規(guī)模數(shù)據(jù)集。YOLOv8n 和 YOLOv8s 通常夠用但如果部署端是邊緣設(shè)備n 版本更合適如果追求精度且算力充足可以試 YOLOv8m。選型時(shí)不要只看 mAP還要看推理速度。用yolo detect val跑一遍驗(yàn)證集同時(shí)記錄每張圖的推理耗時(shí)綜合精度和速度再定。# 驗(yàn)證模型精度和速度 yolo detect val \ modelruns/transmission/exp1/weights/best.pt \ datadata.yaml \ imgsz640 \ batch8 \ device0驗(yàn)證輸出里會(huì)包含mAP50、mAP50-95和每張圖的預(yù)處理、推理、后處理耗時(shí)。輸電線巡檢如果走無人機(jī)實(shí)時(shí)回傳推理耗時(shí)超過 50ms 就要考慮換更小的模型或者用 TensorRT 加速。這些決策都建立在數(shù)據(jù)集跑通、指標(biāo)可信的基礎(chǔ)上而這份雙格式數(shù)據(jù)集正好把最耗時(shí)的數(shù)據(jù)準(zhǔn)備環(huán)節(jié)省掉了。從那以后我每次拿到新數(shù)據(jù)集第一件事都是先跑類別統(tǒng)計(jì)和可視化校驗(yàn)確認(rèn)標(biāo)簽沒問題再開訓(xùn)這個(gè)習(xí)慣幫我省下了至少三次白跑一整晚的算力。希望幫到你。本文還有配套的精品資源點(diǎn)擊獲取