简介面向目标检测学习与安检场景算法落地YOLO目标检测X光安检数据集提供5000张真实场景高清图片经LabelImg逐框标注数据质量可靠并同时给出VOC(xml)、COCO(json)、YOLO(txt)三种格式标签分类存放可直接接入YOLO系列训练流程。资源包共2000个文件以1986个xml标注文件为主体另含6个环境搭建与训练教程html、3个数据集划分脚本py及5个txt清单压缩包约321.33MB。附带Windows/Linux双版本YOLO环境搭建教程与案例训练教程含Ubuntu系统安装指导以及训练集/验证集/测试集划分脚本可帮助读者按项目需求自由拆分数据快速完成从环境配置到模型训练的完整链路。目前已有289人学习下载适合需要真实安检样本进行算法验证、课程实验或毕业设计的开发者。1. 这个X光安检数据集能省你多少事从5000张图到能跑的YOLO项目拿到“YOLO目标检测X光安检数据集”这类资源很多人的第一反应是解压数图片确认5000张够不够用。但真正决定项目能不能跑通的不是图片数量而是数据链路标签格式能不能直接被训练框架读取训练集、验证集怎么划分类别分布会不会把模型带偏。标题里同时给出VOC、COCO、YOLO三种格式标签和划分脚本、训练教程其实就是在降低这条链路的门槛。安检场景的X光图目标轮廓清晰、但堆叠遮挡严重是YOLO目标检测落地很典型的场景。这篇文章从三种标签格式的换算讲起一路拆到划分脚本的参数边界和YOLO训练命令最后落在用混淆矩阵和逐类指标排查误检的方法上新手能跟着走熟手也能看到边界。2. VOC、COCO、YOLO三种格式的换算逻辑为什么同一个框有三种写法同一个目标框在VOC里是四个绝对像素坐标在COCO里是一个绝对左上角坐标加一个绝对宽高在YOLO里是一个相对中心的归一化坐标加归一化宽高。三种格式记录同一个矩形但服务的下游不同VOC出身于Pascal VOC竞赛COCO是目标检测评估的事实标准而YOLO格式是YOLO系框架原生定义的标签形态。这个资源包把三种格式一次性配好省掉了转换环节但我们自己做项目时迟早要改标注、加类别因此理解三种格式的坐标换算仍然躲不开。2.1 VOC格式一张图一个XML坐标是绝对像素VOC格式下每张图对应一个同名XML文件里面挂着这张图里所有目标的类别和坐标。先看一个典型的标注节点annotation folderimages/folder filename000001.jpg/filename size width720/width height480/height /size object nameknife/name bndbox xmin142/xmin ymin96/ymin xmax310/xmax ymax254/ymax /bndbox /object /annotationXML解析用Python自带的xml.etree.ElementTree就能实现不需要额外引库。这个格式的好处是清晰标注工具导出的数据基本都是这套结构缺点是每张图一个文件数据量大时IO开销大。实际使用里有两个细节值得注意。一是VOC的bndbox坐标多数标注工具按像素坐标保存但少数工具从1开始索引转换到其他格式时需要统一偏移。二是size节点里的宽高必须真实等于图片尺寸如果标注时图片被resize过而size节点没有同步更新后续转YOLO格式就会得到一套错误的归一化坐标。2.2 COCO格式一个JSON装下整个数据集的框COCO格式把整个数据集的图片信息和标注信息收拢进一个大JSON。顶层结构分五个字段info、licenses、images、annotations、categories。images数组里每个元素记录一张图的id和文件名annotations数组里每个元素对应一个目标框关键字段是image_id、category_id和bbox。在COCO约定中bbox是一个长度为4的列表按[x, y, width, height]排列x和y是框左上角的绝对像素坐标width和height是框的绝对宽高。和VOC的xmin/xmax不同COCO不直接给右下角需要的时候要用xw、yh算出来。COCO格式之所以被大量目标检测框架原生支持是因为它在评估环节很省事pycocotools可以直接读取这个JSON做mAP计算混淆矩阵、类别精度统计都围绕它展开。所以很多团队会把VOC或YOLO格式统一转成COCO来做评估。2.3 YOLO格式归一化坐标训练时加载最快YOLO格式是三种格式里最精简的。每张图一个txt文件每一行对应一个目标格式固定为5个字段类别序号、中心点x、中心点y、框宽、框高。后四个值全部除以图片宽高做归一化取值在0到1之间。正因为全部归一化YOLO格式不关心原图尺寸训练时数据加载器读txt、读图、直接拼batch不需要再做坐标除法效率最高。这也是为什么标题里的资源包把YOLO格式单独列出来——它就是给YOLO系列框架直接train用的。但它的缺点也很明显人眼几乎没法直接看出坐标对应图上哪个位置改错一个数字很难发现所以调试阶段最好配合可视化脚本把框画回图上确认。2.4 格式互转VOC与COCO转YOLO的换算脚本与参数要点标注工具导出的最常见是VOC格式所以我一般会先写一个VOC转YOLO的脚本import xml.etree.ElementTree as ET def convert_voc_to_yolo(xml_path, img_w, img_h, class_names): tree ET.parse(xml_path) root tree.getroot() lines [] for obj in root.findall(object): name obj.find(name).text if name not in class_names: continue cls_id class_names.index(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) # 绝对像素坐标 - 归一化中心坐标 归一化宽高 x_center (xmin xmax) / 2.0 / img_w y_center (ymin ymax) / 2.0 / img_h w (xmax - xmin) / img_w h (ymax - ymin) / img_h lines.append(f{cls_id} {x_center:.6f} {y_center:.6f} {w:.6f} {h:.6f}) return lines这个函数的核心逻辑就一条绝对坐标除以宽高得到相对坐标中心点取左右上下坐标的中值。img_w和img_h建议从VOC的size节点读取不要在循环里用cv2或PIL现算图片尺寸5000张图配三个标注副本的工程里能少读一次图就少读一次。class_names的顺序要固定对应后面data.yaml里的names字段顺序一旦变了训练出的模型类别就全乱了。COCO转YOLO也是常见需求因为拿到的数据经常是coco jsonimport json import os def coco_json_to_yolo(json_path, out_dir, class_names): with open(json_path) as f: data json.load(f) # 1. 稀疏的 category_id 映射成连续的类序号 cat_id_to_idx {} for cat in data[categories]: if cat[name] in class_names: cat_id_to_idx[cat[id]] class_names.index(cat[name]) # 2. image_id 映射到输出文件名 img_id_to_file {} img_info {} for img in data[images]: img_id_to_file[img[id]] img[file_name].replace(.jpg, .txt) img_info[img[id]] (img[width], img[height]) # 3. 遍历 annotation换算并聚合到每张图的 txt anns_by_img {} for ann in data[annotations]: img_id ann[image_id] if img_id not in img_info: continue cat_id ann[category_id] if cat_id not in cat_id_to_idx: continue x, y, w, h ann[bbox] img_w, img_h img_info[img_id] x_center (x w / 2) / img_w y_center (y h / 2) / img_h anns_by_img.setdefault(img_id, []).append( f{cat_id_to_idx[cat_id]} {x_center:.6f} {y_center:.6f} f{w / img_w:.6f} {h / img_h:.6f} ) for img_id, lines in anns_by_img.items(): out_path os.path.join(out_dir, img_id_to_file[img_id]) with open(out_path, w) as f: f.write(\n.join(lines))代码做了三层映射category_id先转成连续类别序号image_id转成输出txt文件名再遍历annotation做坐标换算。COCO的bbox是x, y, w, h所以中心点要自己加w/2。这里最容易踩的坑是category_id不连续很多COCO风格的数据集里类别编号是稀疏的比如只用了1、2、5、11这种id所以必须先做映射不能直接用原id当类别序号。另外数据量上万张之后建议先把img_info建成字典再遍历annotation避免在循环里反复查找image信息。3. 划分脚本这样做才靠谱训练、验证、测试的比例与边界划分脚本是这个资源包里最容易被忽略、但影响最大的一个组件。很多人拿到数据后随手随机分一下就开始训练结果后面所有实验的结论都不可信。这一章把划分的比例、同步逻辑和随机种子讲透。3.1 5000张图的经典划分80%训练、10%验证、10%测试对5000张X光安检图片来说我一般按80%训练、10%验证、10%测试来拆也就是4000张训练、500张验证、500张测试。验证集用来调参和选best.pt测试集只用来做最终评估绝对不参与训练过程。import os import random random.seed(42) # 固定种子保证每次划分结果一致 images [f for f in os.listdir(images) if f.endswith((.jpg, .png, .bmp))] random.shuffle(images) n len(images) # 5000 n_train int(n * 0.8) # 4000 n_val int(n * 0.1) # 500 train_list images[:n_train] val_list images[n_train:n_train n_val] test_list images[n_train n_val:] print(ftrain{len(train_list)}, val{len(val_list)}, test{len(test_list)})划分脚本的关键是先把所有图片文件名打乱再按比例切三段。固定seed尤其重要后面换模型、调参数时所有对比实验必须建立在同一套数据划分上否则mAP涨了0.5个点很难说清是模型改进还是数据划分变了。如果你做多轮实验seed不变train_list就永远不变结果才可复现。3.2 三套标签共用一套划分按图片划别按格式划这个资源包的特点是同一批图片配了VOC、COCO、YOLO三套标签划分时最容易犯的错是“各划各的”YOLO标签按随机种子A划分VOC标签按随机种子B划分COCO又单独筛了一版结果训练集和验证集之间的图片集合不一致验证结果直接失真。正确的做法是只对图片文件名做一次划分然后让三种标签跟随图片ID走。VOC的XML和YOLO的TXT都是按图片名一一对应的直接按文件名找到对应标签文件即可。COCO是单个大JSON需要根据划分结果重新筛选annotations生成train.json、val.json、test.json三个子集。如果划分脚本生成的是文件路径清单可以加一个校验函数确保每张图都有对应的标签文件def check_pairs(image_list, label_dir, suffix.txt): missing [] for img in image_list: label_path os.path.join(label_dir, img.replace(.jpg, suffix)) if not os.path.exists(label_path): missing.append(img) if missing: print(fmissing labels: {len(missing)}, e.g. {missing[:5]}) else: print(all images have paired labels.)用这个函数分别检查train、val、test三个名单里的图片是否都能在标签目录找到同名文件。X光安检数据集里偶尔会有个别图片没标注或标注文件损坏早期发现比训练到一半报错少折腾一天。3.3 随机种子与类别分层两个容易被忽略的划分细节第一个细节是类别不平衡。X光安检数据里打火机、手机这类常见物样本可能很多刀具、枪械样本则偏少。如果纯随机划分少样本类别有可能只在训练集或只在验证集出现导致验证指标波动很大。这时候可以按图片包含的类别做分层采样先按类别把图片分组再从每个组里按比例抽取保证训练集和验证集都覆盖到所有类别。第二个细节是同源数据分组。同一个行李箱在不同角度下拍到的两张图视觉内容高度相似如果一张进了训练集、一张进了验证集就属于典型的数据泄漏。划分之前先检查文件名看有没有按包裹ID或采集批次命名的规律有的话把同一ID的图片整体划入同一集合。这个坑在安检场景尤其明显后面第5章会展开讲。4. 用YOLO训练X光安检数据集从data.yaml到出一版可测的best.pt格式处理好、数据划分好接下来就是YOLO训练。这一章给出一个能直接跑通的最小流程从数据配置写到训练命令再到训练完怎么判断结果可不可用。4.1 先把data.yaml和目录结构对齐YOLO训练的第一步不是敲命令而是写data.yaml。这个文件告诉训练器三件事训练集和验证集的图片在哪、类别数量是多少、类别名是什么。如果划分脚本生成的是文件路径清单data.yaml里的train和val可以直接指向txt文件train: ./dataset/train.txt val: ./dataset/val.txt nc: 5 names: 0: knife 1: gun 2: lighter 3: bottle 4: scissorstrain和val字段可以写目录也可以写txt文件路径列表。用txt列表的好处是目录结构随意调整都不影响训练。names列表的排列顺序必须和标签文件里的类序号一一对应这一点在YOLO训练时没有任何容错顺序错了模型输出的类别含义就全反了。4.2 模型规模、预训练权重与输入分辨率怎么定X光安检目标整体偏中等尺寸。一个行李箱里的刀具长度在全图里通常占10%到30%在640分辨率下大约40到120像素打火机、子弹头这类小目标则可能只有20到40像素。基于这个判断我一般先用yolov8s起步small模型在速度和精度之间比较好平衡。你手里的显存如果只有6G以下就先从yolov8n跑通流程看类别精度差距再决定要不要换大模型不建议一上来直接上x模型。预训练权重优先用官方release下载的yolov8s.pt、yolov8n.pt不要用网传的所谓增强权重。5000张图的规模足够在预训练基础上做微调从零训练反而容易欠拟合。输入分辨率先用640跑一轮基线如果发现小目标类别明显拉低mAP50-95再考虑把imgsz提到960代价是训练时间增加约一倍。4.3 训练命令背后的参数epochs、imgsz、batch、lr0怎么定下面这条命令是一套稳妥的起步配置直接在项目根目录执行yolo train \ datadataset/data.yaml \ modelyolov8s.pt \ epochs100 \ imgsz640 \ batch16 \ workers8 \ device0 \ lr00.01 \ seed42 \ cacheram \ namexray_small关键参数这么调参数推荐值说明epochs100先跑100轮如果val loss在50轮后不再下降就提前停imgsz640小目标多时改960再大收益有限且训练成本翻倍batch16显存不够时降到8配合AMP混合精度训练lr00.01预训练权重微调用0.01从零训练用0.001更稳seed42与划分脚本的seed保持一致保证整条链路可复现cacheram小数据集直接缓存到内存省去每轮反复读盘参数里的seed特别容易被忽略。如果划分数据时用的seed是42训练时seed也设成42两次实验之间唯一的变量就只剩模型改动对比才有意义。训练完成后去runs/detect/xray_small/weights/目录拿best.pt和last.ptbest.pt是验证集上表现最好的一版后面测试和部署都用它。训练日志里val/box_loss、val/cls_loss如果平稳下降且尾部不再大幅波动说明训练基本收敛如果val loss在中间反弹甚至一直不降多半是数据泄漏或学习率过高回到第3章和第5章排查。5. 安检目标检测训练避坑数据泄漏、BN崩溃与灰度图预处理这一章专门记录X光安检数据集训练时最容易翻车的几个问题每条都是实际跑过的血泪经验。5.1 同一包裹多角度图片泄漏进验证集val_loss永远下不去现象训练loss正常下降但val loss始终高于预期甚至训练到后期还在水平振动。换新的验证集测试模型mAP又明显低于训练时的验证指标。原因安检数据经常是“同一包裹、多角度成像”同一个行李箱的正视图和俯视图在模型看来高度相似。如果划分脚本只做了纯随机切分这两张图很容易被分进训练集和验证集导致验证集里出现了和训练集几乎重复的目标模型在验证集上看到的并不是全新样本。解决划分前先按文件名前缀或元信息分组同一包裹ID的所有图片必须整体划入同一集合。检查方法很简单统计train、val、test三个集合里相同ID前缀的图片数量分布出现交叉就说明泄漏了。改成分组划分后val和test才能反映模型在新包裹上的真实表现。5.2 类别不平衡让mAP50好看mAP50-95却拉胯现象训练完看指标mAP50有0.90以上mAP50-95却只有0.55左右两个指标之间落差很大。原因X光安检数据里打火机、手机这类常见物样本充足刀具、子弹头样本偏少。mAP50对框的位置误差容忍度高只要大致框住就算检测成功mAP50-95要求框和真实标注的IoU达到0.75甚至更高小目标稍微偏移一点就掉分。少数类样本不足时模型对小目标的边界回归学不到位两项指标差距自然被拉开。解决先把输入分辨率从640提到960小目标的像素细节多一倍再看少数类类别的样本量少于100张的类别考虑用复制粘贴增强把目标贴到同一批包裹背景图上扩增。最后可以用类别权重调整loss贡献让少数类在损失函数里占更大比重。5.3 BN崩溃loss突然变nan从头到尾给你个黑匣子现象训练跑到某轮loss突然变成nan之后每一轮都是nan重启训练还是一样。原因最常见的是标签里存在越界坐标。X光图片经过标注、转格式、划分后某些目标框的归一化坐标可能超出[0,1]范围或者宽高出现负数。模型前向算出来inf反向传播直接击穿BN层统计量。另一个常见原因是batch size太小加上学习率过高BN在少量样本上估计的均值和方差漂移失控。解决先扫一遍所有标签文件检查每一行的归一化坐标是否都在合理区间内。写个简单脚本遍历label目录把坐标大于1.0或小于0的行打印出来有越界就回到第2章的转换环节修正。标签没有问题就把lr0降到0.001、batch提到16或者用8的batch配合梯度累积BN的统计量会更稳定。5.4 灰度图与伪彩色混用换一台安检机就崩现象训练集和验证集上都表现正常把模型部署到现场换一台不同品牌的X光机采集的图片检测精度明显掉档。原因不同安检机的成像方式不一样有的输出8bit灰度图有的输出伪彩色增强图。数据加载器在读取单通道图时会自动复制成三通道模型训练时把这种重复通道的统计特征也学进去了。一旦现场数据是三通道伪彩图或反过来模型看到的分布就变了。如果训练数据里灰度图和伪彩图混在一起问题更隐蔽模型会偷偷把图像颜色风格当成判别线索而不是真正学习目标形状。解决预处理阶段把所有图片统一转三通道灰度图复制三份伪彩图保持原样训练时关闭或大幅减弱HSV颜色增强安检图像的材质对比度是重要特征颜色扰动反而模糊了它。换新安检机前先拿新设备的几十张图在best.pt上跑一次推理对照mAP确认分布偏移的幅度再做适配。6. 别只盯着mAP用混淆矩阵和逐类指标定位X光安检的短板训练完成后真正要花时间看的是两个东西混淆矩阵和逐类mAP。在runs/detect/xray_small/目录下会生成confusion_matrix.png先看这个图。安检场景最典型的误检是刀和剪刀互相混淆、打火机和电池互相混淆这些类别在X光图里形状相似如果混淆矩阵里对应格子的颜色偏深说明模型确实学出了某种固定的错误倾向。注意矩阵里的数值通常做了归一化行和不一定等于该类别真实样本数看时要当成比例关系来读不要当成计数直接相加。要量化每个类别的短板用一段脚本在验证集上打印逐类mAPfrom ultralytics import YOLO model YOLO(runs/detect/xray_small/weights/best.pt) metrics model.val(datadataset/data.yaml, splitval) maps metrics.box.maps # 每个类别的 mAP50-95 names [knife, gun, lighter, bottle, scissors] for i, ap in enumerate(maps): print(f{names[i]:10s} mAP50-95{ap:.3f})逐类指标会直接暴露出哪一类拉低了整体mAP。看到AP最低的类别后我一般会回到训练集里把该类的所有图片画框可视化一遍检查标注本身有没有把把相似目标标错。标注没有硬伤就针对这个类做数据增强或补充样本。如果误检类型是“钥匙串被误检成刀”说明模型把金属密度作为唯一判据了可以在后处理里调高conf阈值安检场景下宁可漏检一部分弱特征目标也不能让误报把安检员的注意力带偏。这轮流程走完数据、模型、验证三个环节就闭环了。多练几次后你会发现自己也开始条件反射地检查数据泄漏、看逐类mAP而不是只汇报一个mean值——这些习惯才是跑完一个数据集项目真正留下来的东西希望帮到你。本文还有配套的精品资源点击获取