简介这份苍蝇检测数据集面向计算机视觉目标检测初学者与相关项目开发者包含532张真实场景图片由百度图片爬取并去重后使用LabelImg手工矩形框标注类别为flies共689个标注框准确度较高可直接用于训练和验证。压缩包内共1598个文件涵盖jpg原图、Pascal VOC格式xml标注及YOLO格式txt标注二者一一对应便于切换不同检测框架。资源包大小16.67MB结构简洁下载后可快速划分训练集与验证集。目前已有242人学习下载。相对于从零爬图标注这份数据能节省大量数据清洗与标注时间适合作为目标检测入门练习、模型效果对比或算法课程作业的数据支撑。所有标注均经过规范处理未提供权重文件重点在于提供可靠标注数据方便使用者专注模型训练与调优。1. 苍蝇检测数据集从labelImg手工框出689个目标开始食品工厂的虫害监测、医院病区的卫生巡查、以及家庭厨房的智能摄像头都会遇到一个尴尬问题通用检测模型对“苍蝇”这个类别几乎无感。不是模型能力不够而是公开可用的苍蝇目标检测数据太少能用于训练的小目标实拍图更少。这份数据集把532张苍蝇图片压缩包命名530张实际以包内为准用labelImg逐张画框生成689个矩形标注并同时输出Pascal VOC格式的XML和YOLO格式的TXT类别只有flies。对于想快速验证YOLO训练流程、做小目标检测基线或者研究蚂蚁、蚊虫等近似目标的迁移学习这套数据可以直接用不用再花半天爬图和删重。2. 数据集格式拆解Pascal VOC的XML和YOLO的TXT到底存了什么解压后你会看到三种文件混在同一个目录jpg原图、xml标注和txt标注。xml由labelImg以Pascal VOC格式输出txt则是对应的YOLO训练格式。两种格式描述的是同一个矩形框但坐标空间完全不同。理解它们的差异才不会在训练时出现“框瓢了”的情况。2.1 VOC格式的XML结构从数据集里随便打开一个标注文件比如cangying_78.xml结构如下annotation folderimages/folder filenamecangying_78.jpg/filename pathC:/data/cangying_78.jpg/path source databaseUnknown/database /source size width1024/width height768/height depth3/depth /size segmented0/segmented object nameflies/name poseUnspecified/pose truncated0/truncated difficult0/difficult bndbox xmin512/xmin ymin300/ymin xmax712/xmax ymax480/ymax /bndbox /object /annotation注意这里的path是labelImg生成时的绝对路径换一台机器后不必依赖它训练脚本只读取filename和size。bndbox里的xmin/ymin/xmax/ymax是像素坐标左上角为原点。如果一个图里有多个苍蝇会出现多个object块每个块都有一个name和对应的bndbox。数据集中所有图片的标注类别都是flies所以name字段只会出现这一个值。VOC格式最大的优点是阅读直观、便于人工核对。缺点是没有把类别映射成数字训练时往往需要额外维护一个class_names列表来把flies对到类别ID 0。2.2 YOLO格式的TXT归一化坐标YOLO格式的TXT每一行代表一个目标格式为class_id x_center y_center width height其中x_center y_center width height都是相对于图片宽高的归一化值取值范围是0到1。比如与上面XML对应的TXT可能是0 0.597656 0.507812 0.195312 0.234375这里0是类别ID因为数据集只有flies一类所以所有TXT的第一列都是0。后面的四个数分别表示中心点x坐标占整图宽度的比例、中心点y坐标占整图高度的比例、框宽占整图宽度的比例、框高占整图高度的比例。换算回像素坐标x_center * width 0.597656 * 1024 ≈ 612正好是(xminxmax)/2(512712)/2612。这样设计的好处是不同图片分辨率下标注可以共享YOLO训练时不用处理图片尺寸差异。需要注意的是TXT文件名必须和JPG文件名完全一致扩展名不同这样YOLO框架才能通过图片路径找到对应的标注文件。同时TXT不能有空行如果某张图片没有目标对应的TXT应该是空文件或者不存在这取决于你的数据准备脚本。两种格式的差异可以简化为下表格式坐标基准类别标识文件后缀Pascal VOC绝对像素坐标字符串如fliesxmlYOLO归一化浮点数数字ID如0txtVOC适合给人看YOLO适合给模型吃。两者本质上是一体两面转换只差一个缩放公式。2.3 从XML到TXT一份可逆的转换脚本虽然数据集中已经同时给出了XML和TXT但日常使用中往往需要自己处理新增图片。最常见的操作是把labelImg标注的XML批量转成YOLO格式的TXT。下面是一个可以直接跑的Python脚本import xml.etree.ElementTree as ET import os def convert_label(xml_path, txt_path, class_map): tree ET.parse(xml_path) 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 if name not in class_map: continue class_id class_map[name] box obj.find(bndbox) xmin float(box.find(xmin).text) ymin float(box.find(ymin).text) xmax float(box.find(xmax).text) ymax float(box.find(ymax).text) x_center (xmin xmax) / 2.0 / img_w y_center (ymin ymax) / 2.0 / img_h box_w (xmax - xmin) / img_w box_h (ymax - ymin) / img_h lines.append(f{class_id} {x_center:.6f} {y_center:.6f} {box_w:.6f} {box_h:.6f}) with open(txt_path, w) as f: f.write(\n.join(lines)) if __name__ __main__: class_map {flies: 0} xml_dir path/to/annotations txt_dir path/to/labels os.makedirs(txt_dir, exist_okTrue) for file in os.listdir(xml_dir): if not file.endswith(.xml): continue xml_file os.path.join(xml_dir, file) txt_file os.path.join(txt_dir, file.replace(.xml, .txt)) convert_label(xml_file, txt_file, class_map)这段脚本的逻辑很直接解析XML里的size得到图片宽高再遍历每个object从bndbox里取出左上角和右下角的像素坐标换算成归一化的中心点坐标和宽高。class_map是类别名到ID的映射这里的flies对应0。如果你的数据集后续扩展了“蚊子”这类目标就在class_map里增加一条比如mosquito: 1同时注意YOLO的data.yaml里names列表要和这个映射顺序一致。反向转换也是同样思路只是把归一化坐标乘以宽高还原成像素坐标。不过实际工作中更多是从XML转TXT因为labelImg默认保存的格式是跟随你选择的Pascal VOC需要额外工具导出YOLO格式而这个脚本能批量完成。3. 用YOLO训练苍蝇检测模型从数据集划分到训练命令拿到数据集后最常见的需求是丢进YOLO直接训练。这个数据集是YOLO格式所以不需要再转换。但直接训练前必须先处理好目录结构和配置文件。这里以YOLOv8为例因为现在的“yolo训练自己的数据集”大多默认用ultralytics库。3.1 数据集目录结构与划分为了让YOLO正确读取数据和标签建议把图片和TXT分开目录存放。我一般会先建好这样的结构dataset/ ├── images/ │ ├── train/ │ │ ├── cangying_78.jpg │ │ ├── ... │ └── val/ │ └── ... ├── labels/ │ ├── train/ │ │ ├── cangying_78.txt │ │ └── ... │ └── val/ │ └── ... └── fly.yaml其中images和labels目录下各自的train/val子目录对应相同确保每张图片在labels里都有同名txt。这需要先按比例拆分比如20%留作验证集或者直接80/20。可以使用下面的Python脚本完成划分import os import random from shutil import copyfile random.seed(42) img_dir path/to/all_images label_dir path/to/all_labels train_img_dir dataset/images/train val_img_dir dataset/images/val train_label_dir dataset/labels/train val_label_dir dataset/labels/val for d in [train_img_dir, val_img_dir, train_label_dir, val_label_dir]: os.makedirs(d, exist_okTrue) imgs [f for f in os.listdir(img_dir) if f.endswith(.jpg)] random.shuffle(imgs) val_count int(len(imgs) * 0.2) val_imgs imgs[:val_count] train_imgs imgs[val_count:] for f in train_imgs: copyfile(os.path.join(img_dir, f), os.path.join(train_img_dir, f)) txt f.replace(.jpg, .txt) if os.path.exists(os.path.join(label_dir, txt)): copyfile(os.path.join(label_dir, txt), os.path.join(train_label_dir, txt)) for f in val_imgs: copyfile(os.path.join(img_dir, f), os.path.join(val_img_dir, f)) txt f.replace(.jpg, .txt) if os.path.exists(os.path.join(label_dir, txt)): copyfile(os.path.join(label_dir, txt), os.path.join(val_label_dir, txt))这段脚本做的事是读取所有jpg文件名随机打乱后按20%比例分出验证集然后把图片和对应的txt复制到新目录。这里要注意如果没有对应的txt脚本会跳过但最好保证每张图都有标注否则训练时YOLO可能报警告。3.2 配置YOLOv8的训练文件接下来在dataset目录下创建fly.yamlpath: /absolute/path/to/dataset train: images/train val: images/val names: 0: fliespath是数据集的根目录YOLO会基于它拼接train和val的真实路径。这里建议写绝对路径避免在Windows和Linux之间切换时出问题。names是类别索引到类别名称的映射必须和TXT第一列的0对应。如果你的训练数据只有一个类别这个文件就这么短不需要额外写ncYOLO会自动从names推断。3.3 训练命令与参数解释环境配置好后安装ultralytics并执行训练pip install ultralytics yolo train datafly.yaml modelyolov8n.pt epochs100 imgsz640 batch16 device0这里modelyolov8n.pt表示使用YOLOv8 Nano的预训练权重做迁移学习对532张苍蝇图片来说是合适的起点。epochs设为100但实际可以在训练到60轮左右时观察验证集指标如果不再下降就early stop。imgsz640是训练输入尺寸苍蝇属于小目标如果想保留更多细节可以提高到800或960但训练时间也会相应增加。batch16根据显存调整8GB显卡可以试8或16。device0是GPU编号没有GPU则改成cpu但速度会慢不少。YOLOv8的损失函数由分类损失、框回归损失和置信度损失三部分组成。自带的训练过程会自动计算并输出你可以看到box_loss、cls_loss、dfl_loss这几个指标的变化。对单类别的苍蝇检测来说cls_loss通常很小重点看box_loss它反映了预测框和真实框的对齐程度。训练结束后模型会保存在runs/detect/train/weights/best.pt。这条路径很重要后面推理、导出都靠它。为了让你更直观理解参数影响我把常用关键参数整理在下面参数示例值说明modelyolov8n.pt使用的基础模型可选n/s/m/l/xepochs100最大训练轮数imgsz640训练图片尺寸小目标可调大batch16批量大小显存不足时减小device0GPU编号CPU填cpupatience30验证集指标连续多少轮不提升就停止lr00.01初始学习率使用预训练权重慎改augmentTrue是否启用内置数据增强conf0.25推理置信度阈值iou0.7NMS的IoU阈值用于去重这里conf和iou虽然是在推理时生效但也会影响训练过程中的验证集mAP计算。如果检测到的苍蝇比较多且相互遮挡建议把iou调低到0.5减少重叠框的冗余。4. 检测效果优化与排错IoU、置信度、漏检误检怎么调训练完成只是第一步真正让模型在实拍场景里稳定工作往往需要反复调参。特别是苍蝇这类移动快、个头小、背景复杂的对象误检和漏检都容易发生。这一章我根据实际踩坑经验给出几个可复用的检查手段。4.1 标注质量检查用脚本统计框数和类别训练之前先确认这个数据集是否像摘要说的那样有689个框。可以用下面这段脚本扫描TXTimport os label_dir path/to/labels total_boxes 0 empty_files 0 for name in os.listdir(label_dir): path os.path.join(label_dir, name) with open(path) as f: lines [line.strip() for line in f if line.strip()] if not lines: empty_files 1 continue for line in lines: parts line.split() total_boxes 1 if parts[0] ! 0: print(fUnknown class {parts[0]} in {name}) print(ftotal boxes: {total_boxes}, empty labels: {empty_files})运行后如果看到total boxes: 689说明TXT与数据集摘要一致。如果某个TXT为空说明对应图片没有标注目标这类图片在训练中会被跳过但若数量过多会导致训练样本不充分。另外脚本也会顺带检查类别ID是否都是0确保没有误标成别的类别。4.2 数据增广与超参数调整532张图片不算多直接训练很容易过拟合。YOLOv8内置的增强能在不增加标注成本的前提下扩展样本分布。训练时可以通过命令参数控制增强强度例如yolo train datafly.yaml modelyolov8n.pt epochs100 imgsz640 batch16 hsv_h0.015 hsv_s0.5 hsv_v0.4 degrees10 flipud0.2其中hsv_h/hsv_s/hsv_v是改变色调、饱和度和明度让模型对光照变化不那么敏感degrees10是随机旋转正负10度flipud0.2是20%概率上下翻转。苍蝇经常在墙上、天花板上翻转增强基本不会改变语义所以可以放心用。对于密集场景还可以考虑mosaic1.0它会把四张图拼成一张训练提升小目标的上下文信息利用。4.3 常见问题训练loss不降、检测框偏移我遇到最多的一个问题是训练时box_loss一直不降但训练集上loss正常。这通常不是模型问题而是标注文件里出现了除0或非归一化坐标。检查一下TXT如果某个行的坐标值大于1说明XML转TXT时没有除以图片宽高基本可以判定第2章的脚本里宽高取错了。另一个常见问题是检测框偏移预测框总是偏大且固定在图片中心这往往是因为所有TXT的坐标都一样比如错误地复制了某一行标注。用统计工具查看一下TXT的坐标分布如果全是一个值那就是数据出了问题。推理阶段置信度阈值设得太低比如0.1会导致背景区域被误报为苍蝇设得太高比如0.7会漏掉不少模糊或者远距离的目标。对苍蝇检测我一般先从0.25开始看再结合验证集PR曲线调整。yolo train会在runs/detect/train下保存PR_curve.png它展示不同置信度下精确率和召回率的权衡选一个拐点附近的阈值最稳。5. 从数据集到实际部署用训练好的权重做苍蝇检测的完整流程模型训练完成只是拿到一个权重真正要让它跑起来还需要走完推理、导出的流程。这一章用一个实际命令串起来你也可以把这些步骤当成“yolo部署教程”里的最小可运行版本。5.1 在图片和视频上跑推理使用训练时的环境直接执行yolo predict modelruns/detect/train/weights/best.pt sourcetest.jpg conf0.25 iou0.7 save_txtTruesource可以是图片文件、视频文件、目录甚至摄像头设备号。save_txtTrue会把检测结果存成TXT每行格式和训练标注类似但多了类别名和置信度方便后续业务系统读取。如果是想验证模型在真实场景里的表现可以把source指向一个视频加showTrue实时显示结果。注意此时conf就是实际运行的检测门槛和验证时不同你只需要按业务容忍度调整。5.2 导出模型到ONNX/TensorRT如果把模型跑在无PyTorch环境的边缘设备上需要先转成ONNX格式yolo export modelbest.pt formatonnx imgsz640导出后会生成best.onnx可以使用ONNX Runtime在CPU或NPU上推理。若设备是NVIDIA Jetson可以进一步用TensorRT加速命令是yolo export modelbest.pt formatengine device0生成的best.engine在推理时速度更快但要注意TensorRT引擎和GPU架构绑定换设备需要重新导出。最后使用边缘设备部署时建议把imgsz固定为导出时的尺寸否则预处理会重新缩放影响检测精度。对于苍蝇这种小目标推理上可以额外增加agnostic_nmsTrue来抑制不同目标间的重复框这在我实际检测多只苍蝇时效果明显。本文还有配套的精品资源点击获取
