簡介這份農作物多類別目標檢測數(shù)據(jù)集面向農業(yè)AI開發(fā)者、農業(yè)院校研究者與智能農機視覺團隊用于解決農田場景下作物種類識別與定位的樣本匱乏問題。數(shù)據(jù)覆蓋香蕉、豆類、茄子、辣椒、黃瓜、大蒜、生姜、玉米、洋蔥、豌豆、菠蘿、馬鈴薯、水稻、高粱、番茄、小麥等16類主要經濟作物涵蓋谷物、蔬菜與經濟作物三大類別并包含豆類與豌豆、不同茄科作物等易混淆樣本便于訓練高精度區(qū)分模型。資源包共2000個文件以957張jpg圖像和1041個txt標注文件為主另含1個yaml數(shù)據(jù)配置與1份docx說明文檔壓縮包約73.86MB標注嚴格遵循YOLO格式可直接用于YOLOv5/v7/v8等主流框架的遷移學習與微調。訓練集726張、驗證集212張、測試集103張劃分清晰適合農田巡檢機器人、智能除草與自動化收割設備的視覺感知模塊開發(fā)。目前已有107人學習下載可作為農業(yè)目標檢測項目快速起步的標準化數(shù)據(jù)基礎。1. 農作物多類別目標檢測數(shù)據(jù)集從拿到壓縮包到跑通第一輪訓練田里長的東西識別起來比城里難得多。城市目標檢測有清晰的邊緣、規(guī)整的幾何形狀而農作物葉片互相遮擋、類別之間形態(tài)高度相似、光照從正午硬光到陰天散射光跨度極大同一塊地里還常?；旆N。你手上這個「農作物多類別目標檢測數(shù)據(jù)集.zip」本質是把這些麻煩打包成了一份可訓練的標注集合讓你不用從零下地拍照、標框直接進入模型迭代環(huán)節(jié)。它適合三類人想入門目標檢測但缺真實場景數(shù)據(jù)的學生、需要快速驗證農業(yè)視覺方案可行性的工程師、以及手里有地塊圖像但標注成本扛不住的團隊。核心價值不在數(shù)據(jù)本身多大而在于「多類別」三個字——它逼你面對類別不平衡、細粒度區(qū)分、小目標密集這三個真實問題而不是在 COCO 上刷一個漂亮數(shù)字就完事。2. 解壓之后先別急著訓練農作物數(shù)據(jù)集的目錄結構與標注格式核對拿到壓縮包很多人的第一反應是unzip然后直接丟給 YOLO。這個習慣在通用數(shù)據(jù)集上問題不大但在農作物場景里翻車概率極高。原因很簡單農業(yè)數(shù)據(jù)集的標注來源雜可能是 LabelImg 出的 XML、可能是 CVAT 導的 JSON、也可能是已經轉好的 YOLO txt不同來源的類別索引順序、坐標歸一化方式、甚至文件名編碼都可能不一致。你必須在訓練前把這三件事核對清楚否則后面 loss 不降你都不知道是模型問題還是數(shù)據(jù)問題。2.1 先看清目錄長什么樣再決定怎么切分解壓后常見的有兩種組織方式。一種是已經切好 train/val/test 的目錄里直接是 images 和 labels 平行存放另一種是全部圖片堆在一個文件夾標注單獨放。先跑一條命令把結構摸清楚# 查看壓縮包內容而不解壓先判斷結構 unzip -l 農作物多類別目標檢測數(shù)據(jù)集.zip | head -50 # 解壓到指定目錄 unzip 農作物多類別目標檢測數(shù)據(jù)集.zip -d ./crop_dataset # 統(tǒng)計圖片數(shù)量和標注數(shù)量兩者應該一致 find ./crop_dataset -name *.jpg -o -name *.png | wc -l find ./crop_dataset -name *.txt -o -name *.xml | wc -l這里的關鍵判斷點是圖片數(shù)和標注數(shù)是否相等。如果標注數(shù)明顯少于圖片數(shù)說明有部分圖片沒標這些圖在訓練時會被當成背景負樣本如果數(shù)量占比高會嚴重拉低召回。我一般會把無標注圖片單獨移到一個background文件夾訓練時按比例決定是否納入。2.2 標注格式轉換XML 轉 YOLO txt 的腳本與四個邊界坑如果標注是 Pascal VOC 的 XML 格式需要轉成 YOLO 的歸一化 txt。轉換邏輯本身不復雜但農作物數(shù)據(jù)有幾個特有的坑圖片尺寸不統(tǒng)一、類別名帶中文或空格、有些框坐標超出圖像邊界、極小框寬高小于 3 像素大量存在。下面這個腳本把這四點都處理了import os import xml.etree.ElementTree as ET from PIL import Image # 類別映射務必按你自己的類別順序改索引從 0 開始 CLASS_MAP {玉米: 0, 小麥: 1, 水稻: 2, 大豆: 3, 雜草: 4} def convert(xml_dir, img_dir, out_dir, min_size3): os.makedirs(out_dir, exist_okTrue) for xml_file in os.listdir(xml_dir): if not xml_file.endswith(.xml): continue tree ET.parse(os.path.join(xml_dir, xml_file)) root tree.getroot() # 用實際圖片尺寸而不是 XML 里寫的 size防止標注工具寫錯 img_name root.find(filename).text img_path os.path.join(img_dir, img_name) if not os.path.exists(img_path): print(f缺圖跳過: {img_name}) continue w, h Image.open(img_path).size lines [] for obj in root.findall(object): cls_name obj.find(name).text.strip() if cls_name not in CLASS_MAP: continue bbox obj.find(bndbox) x1 float(bbox.find(xmin).text) y1 float(bbox.find(ymin).text) x2 float(bbox.find(xmax).text) y2 float(bbox.find(ymax).text) # 裁剪到圖像邊界內 x1, y1 max(0, x1), max(0, y1) x2, y2 min(w, x2), min(h, y2) bw, bh x2 - x1, y2 - y1 if bw min_size or bh min_size: continue # 丟棄極小框避免訓練噪聲 cx (x1 x2) / 2 / w cy (y1 y2) / 2 / h lines.append(f{CLASS_MAP[cls_name]} {cx:.6f} {cy:.6f} {bw/w:.6f} {bh/h:.6f}) out_path os.path.join(out_dir, xml_file.replace(.xml, .txt)) with open(out_path, w) as f: f.write(\n.join(lines)) convert(./crop_dataset/annotations, ./crop_dataset/images, ./crop_dataset/labels)邏輯說明用PIL讀實際圖片尺寸而不是 XML 里的size節(jié)點是因為很多標注工具在圖片被裁剪后不會更新 size導致歸一化坐標全錯。min_size3這個閾值是經驗值農作物葉片上的病斑、幼芽在 1080p 圖里可能只有幾像素保留它們會讓模型學到大量噪聲框但閾值設太高又會漏掉真正的小目標建議先統(tǒng)計一下框尺寸分布再定。類別映射必須和后續(xù)訓練配置里的names完全一致順序錯了模型會把玉米認成小麥而且 loss 看起來還正常這是最隱蔽的坑。2.3 類別不平衡的量化先數(shù)一遍再決定要不要重采樣農作物數(shù)據(jù)集天然不平衡雜草樣本可能是主糧作物的十倍。訓練前先統(tǒng)計每個類別的框數(shù)量# 統(tǒng)計每個類別索引出現(xiàn)的次數(shù)YOLO txt 每行第一個數(shù)字是類別 cat ./crop_dataset/labels/*.txt | awk {print $1} | sort | uniq -c | sort -rn如果最大類和最小類差距超過 10 倍直接訓練會讓模型偏向多數(shù)類。常見做法有兩種一是對少數(shù)類做過采樣復制其圖片并在文件名加后綴避免覆蓋二是在損失函數(shù)里用類別權重。我一般先用過采樣快速驗證因為改數(shù)據(jù)比改損失直觀出問題好排查。3. 用 YOLOv8 跑通農作物多類別檢測配置文件、訓練命令與參數(shù)怎么設數(shù)據(jù)核對完進入訓練環(huán)節(jié)。選 YOLOv8 而不是更早的版本主要原因是它的數(shù)據(jù)配置格式統(tǒng)一、命令行參數(shù)清晰、對小白友好同時在小目標上的表現(xiàn)比 v5 有提升這對農作物幼芽、果實這類小目標很關鍵。這一章把從寫 yaml 到跑出第一輪權重的完整路徑走一遍參數(shù)逐個解釋。3.1 寫對 data.yaml路徑、類別數(shù)和 names 順序YOLOv8 的數(shù)據(jù)配置是一個 yaml 文件結構簡單但容易寫錯。下面是一個針對農作物數(shù)據(jù)集的模板# crop_data.yaml path: /home/user/crop_dataset # 數(shù)據(jù)集根目錄絕對路徑最穩(wěn) train: images/train # 相對 path 的訓練圖片目錄 val: images/val test: images/test nc: 5 # 類別數(shù)必須和 names 長度一致 names: 0: 玉米 1: 小麥 2: 水稻 3: 大豆 4: 雜草參數(shù)說明path用絕對路徑因為 Ultralytics 在不同版本里對相對路徑的解析基準不一致用絕對路徑能避免「找不到圖片」這類玄學報錯。nc和names的索引必須和轉換腳本里的CLASS_MAP完全對應這是最容易出錯的地方。train和val寫相對路徑時是相對于path的不是相對于 yaml 文件本身這一點和很多人的直覺相反。3.2 訓練命令與關鍵參數(shù)imgsz、batch、workers 怎么定配置寫好訓練命令本身很短但參數(shù)選擇決定了你能不能跑起來、跑得快不快yolo detect train \ datacrop_data.yaml \ modelyolov8n.pt \ epochs100 \ imgsz640 \ batch16 \ workers4 \ device0 \ projectcrop_runs \ nameexp1 \ patience20逐個說modelyolov8n.pt是最小的預訓練權重適合先跑通流程確認數(shù)據(jù)和代碼沒問題后再換yolov8m或yolov8l。imgsz640是默認值但如果你的農作物圖片里目標普遍很小可以提到 1024代價是顯存占用翻倍、速度下降。batch16在 8G 顯存上跑 640 尺寸基本安全顯存不夠就降到 8 或 4。workers4是數(shù)據(jù)加載線程數(shù)設太高在機械硬盤上反而會拖慢SSD 上可以到 8。patience20表示 20 輪驗證指標不提升就早停避免過擬合浪費機時。提示第一次訓練建議先用epochs10跑一遍確認 loss 正常下降、驗證能出結果再改成 100 正式跑。直接上 100 輪如果數(shù)據(jù)有問題你會在幾小時后才發(fā)現(xiàn)白跑。3.3 訓練過程看什么loss 曲線、mAP 和混淆矩陣訓練啟動后終端會打印每輪的 box_loss、cls_loss、mAP50。判斷訓練是否健康看三點box_loss 和 cls_loss 是否整體下降允許波動mAP50 是否上升并趨于平穩(wěn)驗證集 loss 是否在訓練后期開始上升過擬合信號。農作物數(shù)據(jù)集常見的異常是 cls_loss 居高不下通常意味著類別混淆嚴重比如玉米和大豆在幼苗期形態(tài)接近這時候要么增加這兩類的區(qū)分性樣本要么考慮合并類別。訓練結束后crop_runs/exp1下會生成混淆矩陣和 PR 曲線混淆矩陣能直接告訴你哪兩類在互相誤判這是調數(shù)據(jù)的依據(jù)比盯著 mAP 數(shù)字有用。4. 農作物檢測的避坑清單五條血淚經驗這一章單獨拿出來是因為下面這些問題在通用數(shù)據(jù)集上不常見但在農作物場景里幾乎必然遇到。每條按現(xiàn)象、原因、解決寫你對照排查能省下大量時間。4.1 現(xiàn)象訓練 loss 正常下降但驗證 mAP 始終在 0.1 以下原因標注文件的類別索引和 data.yaml 里的 names 順序不一致。模型在學但學的是錯的映射關系驗證時按正確類別算 mAP 自然極低。這種情況 loss 曲線看起來完全正常極具迷惑性。解決隨機抽 5 張圖用腳本把標注框畫回圖片上肉眼確認框的位置和類別標簽是否對得上?？梢暬_本比看數(shù)字快得多import cv2 img cv2.imread(crop_dataset/images/val/sample.jpg) h, w img.shape[:2] with open(crop_dataset/labels/val/sample.txt) as f: for line in f: c, cx, cy, bw, bh map(float, line.split()) x1 int((cx - bw/2) * w); y1 int((cy - bh/2) * h) x2 int((cx bw/2) * w); y2 int((cy bh/2) * h) cv2.rectangle(img, (x1, y1), (x2, y2), (0, 255, 0), 2) cv2.putText(img, str(int(c)), (x1, y1-5), 0, 0.6, (0, 255, 0), 2) cv2.imwrite(check.jpg, img)4.2 現(xiàn)象模型把大片背景識別成目標誤檢率高原因數(shù)據(jù)集中有大量無標注圖片被當作純背景訓練但背景里其實有目標只是沒標模型學到「類似紋理就是目標」的錯誤關聯(lián)。農作物數(shù)據(jù)集從不同來源拼湊時這個問題特別嚴重。解決統(tǒng)計無標注圖片占比超過 20% 就單獨檢查這些圖確認是真背景還是漏標。漏標的補標真背景的可以保留但控制比例。另外可以在訓練時用mosaic增強YOLOv8 默認開啟它能通過拼接增加背景多樣性緩解這個問題。4.3 現(xiàn)象小目標幼芽、果實幾乎檢測不到原因下采樣過程中小目標的特征被稀釋640 輸入尺寸下原圖里 10 像素的目標縮到特征圖上只剩不到 1 像素。農作物的小目標檢測是老大難。解決三個方向。一是提高imgsz到 1024 或 1280代價是顯存和速度二是用帶 P2 層的模型結構YOLOv8 可以通過修改配置加 P2 檢測頭專門針對小目標三是切圖訓練把大圖裁成小塊分別標分別訓推理時再拼回去。我一般先試提高 imgsz成本最低。4.4 現(xiàn)象換了塊地拍的圖模型性能斷崖式下降原因過擬合到訓練集的光照、土壤顏色、拍攝角度。農作物數(shù)據(jù)集如果采集時間集中模型會學到「這塊地的土是紅的所以是玉米」這種偽特征。解決訓練時加強顏色抖動、隨機裁剪、旋轉等增強。YOLOv8 的hsv_h、hsv_s、hsv_v參數(shù)控制色調飽和度明度擾動農作物場景建議把hsv_h調到 0.03 以上。更根本的辦法是訓練集里加入不同地塊、不同天氣的樣本數(shù)據(jù)多樣性比任何增強都管用。4.5 現(xiàn)象訓練到一半顯存溢出進程被殺原因batch設太大或者imgsz提高后沒同步降 batch。另外workers過多也會占用額外內存。解決顯存不夠時優(yōu)先降batch其次降imgsz。可以用batch-1讓 Ultralytics 自動選擇能跑的最大 batch但自動值有時偏保守。監(jiān)控顯存用nvidia-smi -l 1訓練啟動后觀察幾秒占用超過 90% 就主動降。5. 從跑通到可用類別合并策略與推理閾值調優(yōu)訓練跑通只是起點真正讓農作物檢測可用還要處理兩個進階問題類別粒度怎么定以及推理時置信度閾值怎么調。這兩件事沒有標準答案但有一套可操作的判斷方法。5.1 類別不是越細越好用混淆矩陣決定合并多類別數(shù)據(jù)集最容易犯的錯是類別定得太細。比如把玉米的「健康葉片」「輕微病斑」「嚴重病斑」分成三類但標注時邊界模糊模型學出來三類互相混淆mAP 全低。判斷方法很直接看訓練后的混淆矩陣如果兩類之間的誤判率超過 30%且它們在業(yè)務上不需要嚴格區(qū)分就合并。合并后重新訓練mAP 通常會有明顯提升。農作物場景里我一般建議先按物種分大類病害細分留到第二階段用分類模型做檢測模型專注「找到并定位」。5.2 推理閾值conf 和 iou 的聯(lián)動調法推理時兩個關鍵參數(shù)conf是置信度閾值低于它的框被丟棄iou是 NMS 的重疊閾值控制密集目標的合并程度。農作物密集場景比如一株多果里iou設太高會把相鄰目標合并成一個設太低會保留大量重復框。調法如下yolo detect predict \ modelcrop_runs/exp1/weights/best.pt \ sourcetest_images/ \ conf0.25 \ iou0.45 \ saveTrueconf0.25是通用起點漏檢多就降到 0.15誤檢多就升到 0.4。iou0.45對大多數(shù)場景夠用密集小目標可以降到 0.3 讓 NMS 更激進地保留框。這兩個參數(shù)要一起調單獨調一個往往顧此失彼。我的習慣是固定iou調conf找到漏檢和誤檢的平衡點后再微調iou。5.3 驗證方法留一塊沒參與訓練的地塊做最終測試最后說一個我踩過坑才養(yǎng)成的習慣。訓練時的驗證集如果和訓練集來自同一塊地、同一批拍攝mAP 會虛高。真正能反映可用性的是留一塊完全沒參與訓練的地塊圖像做測試。這塊地的土壤、光照、作物品種都不同模型在這上面的表現(xiàn)才是你上線后能拿到的真實水平。我一般會從數(shù)據(jù)里按地塊劃分而不是隨機劃分隨機劃分會讓同一塊地的相似圖片同時出現(xiàn)在訓練和驗證里造成數(shù)據(jù)泄漏。這個習慣讓我在多個農業(yè)項目里提前發(fā)現(xiàn)了過擬合問題雖然標注成本高一點但比上線后翻車劃算得多。希望幫到你。本文還有配套的精品資源點擊獲取