4500张瓶子数据集：VOC+YOLO双格式工业级检测数据

简介本资源是一份面向计算机视觉初学者与算法工程师的高质量瓶子目标检测数据集适用于YOLO、Faster R-CNN等主流检测模型的训练与验证。数据集共4500张真实场景下的瓶子图像全部标注为单一类别“bottle”含12790个精确矩形框标注规范统一由labelImg工具完成兼顾VOC与YOLO双格式交付显著降低格式转换成本。压缩包含2000个文件1999个XML标注文件1个说明文本总大小664.25MB结构简洁开箱即用——XML文件支持Pascal VOC解析TXT文件符合YOLOv5/v8标准格式且不含冗余分割路径便于直接接入训练流程。目前已有590人学习下载适合开展小目标检测 baseline 实验、模型轻量化验证或工业质检场景迁移学习。1. 瓶子数据集4500张VOCYOLO格式为什么做饮料瓶检测不能只靠网上搜到的200张图你训练一个瓶子检测模型跑通了YOLOv8的train.py验证mAP有72%一上产线就崩——漏检矿泉水瓶盖、把玻璃酒瓶当背景、对反光瓶身完全失明。不是模型不行是数据不对。我去年帮三家灌装厂落地视觉质检系统发现90%的翻车起点都卡在「瓶子数据集」四个字上网上随手下载的“瓶子数据集”往往只有200–300张图标注粗糙瓶口没框、倒置瓶漏标、场景单一全是白墙前正放塑料瓶更致命的是——没有VOC和YOLO双格式。VOC格式保你可复现论文baseline、支持PASCAL VOC评估协议YOLO格式让你零修改接入ultralytics官方训练流程、适配TensorRT部署链路。这个4500张的瓶子数据集不是简单堆数量而是覆盖6类主流瓶型PET矿泉水瓶、玻璃啤酒瓶、铝罐、带标签饮料瓶、透明无标签瓶、倒置/倾斜瓶、4种光照背光、侧逆光、强反光桌面、低照度车间、3种背景传送带、木桌、瓷砖地面且每张图同时提供VOC XML YOLO TXT双标注。它解决的不是“能不能训”而是“训完敢不敢上线”。适合正在做包装质检、自动售货机识别、回收站分拣的工程师也适合高校做小样本泛化或域自适应研究的学生——因为4500张里有1200张是人工合成的高反光/遮挡样本专治YOLO在真实产线里的玄学失效。2. 从原始图像到双格式标注4500张瓶子数据集的构建逻辑与落地步骤2.1 为什么必须同时提供VOC和YOLO格式——不是兼容性问题是工程链路断点很多团队以为“YOLO格式够用了”结果在模型对比阶段栽跟头想验证是否比YOLOv5提升得跑PASCAL VOC标准评估mAP0.5:0.95但YOLO TXT无法直接喂给pascal_voc_eval.py想快速部署到Jetson AGX Orin官方TensorRT-YOLO示例只认YOLO TXT路径结构而做消融实验时又需要VOC格式加载到Detectron2里替换backbone。这个数据集的双格式设计本质是把三个工程断点提前焊死VOC格式JPEGImages/xxx.jpgAnnotations/xxx.xmlXML中object含namebottle、bndboxxmin,ymin,xmax,ymax及difficult标记倒置/严重遮挡瓶YOLO格式images/xxx.jpglabels/xxx.txt每行class_id center_x center_y width height归一化到0~1关键一致性保障所有图像尺寸统一为640×480非原始分辨率避免YOLO训练时resize引入bbox偏移VOC XML中size字段严格匹配该尺寸YOLO TXT坐标经round(4)保留4位小数杜绝浮点误差导致的label mismatch。提示不要用labelImg导出后手动转YOLO——它的归一化默认用图像原始宽高而本数据集要求统一640×480基准。必须用脚本强制重算坐标。2.2 双格式生成脚本一行命令完成VOC→YOLO转换附参数详解我们不依赖GUI工具用Python脚本保证可复现。核心逻辑读取VOC XML提取bbox坐标按640×480基准归一化写入YOLO TXT。以下为生产环境实测脚本已适配4500张数据# convert_voc_to_yolo.py import os import xml.etree.ElementTree as ET from pathlib import Path VOC_ROOT Path(VOCdevkit/VOC2007) # 假设VOC结构在此 YOLO_ROOT Path(yolo_dataset) CLASS_NAMES [bottle] # 瓶子类别ID固定为0 def voc_to_yolo(xml_path: Path, img_width: int 640, img_height: int 480): tree ET.parse(xml_path) root tree.getroot() # 获取图像尺寸强制覆盖为640x480 size root.find(size) if size is not None: size.find(width).text str(img_width) size.find(height).text str(img_height) # 构建YOLO label行 yolo_lines [] for obj in root.findall(object): cls_name obj.find(name).text.strip().lower() if cls_name not in CLASS_NAMES: continue cls_id CLASS_NAMES.index(cls_name) bbox obj.find(bndbox) xmin int(bbox.find(xmin).text) ymin int(bbox.find(ymin).text) xmax int(bbox.find(xmax).text) ymax int(bbox.find(ymax).text) # 归一化中心点宽高四舍五入到4位小数 x_center round((xmin xmax) / 2.0 / img_width, 4) y_center round((ymin ymax) / 2.0 / img_height, 4) width round((xmax - xmin) / img_width, 4) height round((ymax - ymin) / img_height, 4) yolo_lines.append(f{cls_id} {x_center} {y_center} {width} {height}) return yolo_lines # 批量处理 os.makedirs(YOLO_ROOT / images, exist_okTrue) os.makedirs(YOLO_ROOT / labels, exist_okTrue) for xml_file in VOC_ROOT.rglob(*.xml): if Annotations not in str(xml_file): continue img_name xml_file.stem .jpg yolo_lines voc_to_yolo(xml_file) # 复制图像硬链接节省空间 src_img VOC_ROOT / JPEGImages / img_name dst_img YOLO_ROOT / images / img_name if not dst_img.exists(): os.link(src_img, dst_img) # Linux/macOSWindows用shutil.copy2 # 写YOLO label label_path YOLO_ROOT / labels / f{xml_file.stem}.txt with open(label_path, w) as f: f.write(\n.join(yolo_lines))参数说明与踩坑点img_width/img_height640/480必须与训练配置imgsz一致否则YOLO训练时bbox会错位round(..., 4)YOLOv8官方要求label精度≥4位小数低于此值会导致loss nanos.link()Linux/macOS下用硬链接避免4500张图重复占用20GB空间Windows用户请替换为shutil.copy2(src_img, dst_img)CLASS_NAMES本数据集仅含bottle单类若需扩展如区分PET/玻璃此处追加并同步更新YOLO的data.yaml。2.3 数据划分策略4500张如何切出工业级train/val/test三集工业场景不接受随机划分。我们按瓶型分布光照条件背景类型三维分层抽样确保test集包含所有难例反光、倒置、遮挡且各子集类别比例偏差3%集合图像数瓶型覆盖光照覆盖背景覆盖关键设计train3200全部6类全部4种全部3种含800张合成反光样本val600全部6类全部4种全部3种无合成样本纯实拍test700全部6类强反光低照度为主传送带占比≥60%包含120张产线实录视频抽帧执行命令基于split_dataset.pypython split_dataset.py \ --voc_root VOCdevkit/VOC2007 \ --output_dir dataset_split \ --train_ratio 0.71 \ --val_ratio 0.13 \ --test_ratio 0.16 \ --stratify_by bottle_type,lighting,background \ --hard_cases glare,inverted,occluded注意--hard_cases参数会强制将标注含difficult1/difficult的XML优先分配到test集这是产线漏检高发样本。3. VOC格式深度解析XML结构、difficult字段与PASCAL评估兼容性3.1 标准VOC XML结构拆解4500张为何能直接跑通PASCAL VOC评估本数据集的VOC XML严格遵循PASCAL VOC 2012规范但针对瓶子特性做了三项增强annotation folderVOC2007/folder filename000001.jpg/filename path/data/VOCdevkit/VOC2007/JPEGImages/000001.jpg/path source databaseThe Bottle Dataset/database /source size width640/width height480/height depth3/depth /size segmented0/segmented object namebottle/name poseUnspecified/pose truncated0/truncated difficult1/difficult !-- 关键标识倒置/强反光瓶 -- bndbox xmin120/xmin ymin85/ymin xmax210/xmax ymax320/ymax /bndbox /object /annotation字段意义与工程价值difficult值为1表示该瓶存在检测难点倒置、严重反光、部分遮挡。PASCAL VOC评估时difficult样本不参与mAP计算但本数据集将其单独统计为mAP_difficult——这是产线验收的核心KPItruncated值为1表示瓶体被图像边缘截断如传送带边缘瓶训练时YOLO会自动忽略此类样本避免学习错误边界size强制640×480消除原始图像尺寸差异导致的评估偏差例如某张图1920×1080bbox坐标未缩放直接用于YOLO训练loss爆炸。3.2 PASCAL VOC评估实操用官方脚本跑出可信mAP避开3个常见陷阱直接运行pascal_voc_eval.py来自 pycocotools 衍生版即可但必须注意# 安装依赖 pip install pycocotools # 运行评估假设预测结果为pred.jsonVOC格式 python pascal_voc_eval.py \ --voc_root VOCdevkit/VOC2007 \ --year 2007 \ --image_set test \ --det_result pred.json \ --iou_thresh 0.5避坑指南陷阱预测坐标未映射回640×480现象mAP突然暴跌至10%以下原因YOLO推理输出是归一化坐标直接写入JSON未乘以640/480还原为像素坐标解决后处理脚本中必须添加x1 int(x_center - w/2) * 640等还原逻辑陷阱difficult样本被错误计入mAP现象mAP虚高但产线漏检率高原因评估脚本未读取difficult字段把所有样本当普通样本计算解决修改pascal_voc_eval.py在parse_rec()函数中过滤difficult1的样本或单独统计mAP_difficult陷阱类别名大小写不一致现象KeyError: bottle原因VOC XML中namebottle/name但预测JSON里写成category_name: BOTTLE解决统一转小写或在评估脚本中强制cat_name.lower()提示工业项目必须报告两个指标——mAP_all全部样本和mAP_difficult仅difficult样本后者才是产线验收红线。4. YOLO格式工程化落地适配Ultralytics v8/v10训练、TensorRT部署与labelImg校验4.1 Ultralytics训练最小配置4500张瓶子数据的data.yaml与train.py调参本数据集已预置data.yaml结构清晰直接复用# data.yaml train: ../yolo_dataset/images/train/ val: ../yolo_dataset/images/val/ test: ../yolo_dataset/images/test/ nc: 1 names: [bottle] # 关键参数针对瓶子小目标优化 kpt_shape: [17, 3] # 不启用关键点但保留字段防报错 flipud: 0.0 # 瓶子上下翻转无意义禁用 fliplr: 0.5 # 左右翻转保持瓶标方向合理 mosaic: 0.5 # 小目标检测必备但过高0.8会导致瓶身断裂 mixup: 0.1 # 轻度mixup防过拟合过高破坏瓶体连续性训练命令与参数解释yolo train \ datadata.yaml \ modelyolov8n.pt \ # 轻量级起点4500张足够收敛 imgsz640 \ # 必须与VOC/XML尺寸一致 batch32 \ # A10显存下最大安全值超则OOM epochs150 \ # 4500张收敛阈值早停patience10 namebottle_v8n_640 \ device0 \ workers4 \ optimizerauto \ lr00.01 \ # 学习率v8n用0.01v8s用0.005 cos_lrTrue \ # 余弦退火稳定收敛 ampTrue \ # 自动混合精度提速30% box7.5 \ # bbox损失权重瓶子需更高默认7.5 cls0.5 \ # 分类损失权重瓶子类别单一降低 dfl1.5 \ # DFL损失权重提升定位精度为什么box7.5瓶子检测核心是定位精度——瓶口直径常20pxYOLO默认box7.5已针对小目标优化若调低如5.0模型会牺牲定位换分类准确率导致瓶盖漏检。4.2 TensorRT部署T4上640分辨率YOLO实时推理的瓶颈突破标题中热词yolo t4 1080p25帧每秒直指工业痛点。4500张数据集的640×480尺寸正是为T4显卡量身定制分辨率T4单卡吞吐FPS显存占用支持路数25fps关键限制640×480128 FPS1.8 GB5路PCIe带宽瓶颈1280×72042 FPS3.2 GB1路显存溢出风险高部署脚本核心步骤基于trtexec# 1. 导出ONNXUltralytics v8.2.0 yolo export modelbottle_v8n_640.pt formatonnx opset12 dynamicFalse # 2. TensorRT构建引擎关键参数 trtexec \ --onnxbottle_v8n_640.onnx \ --saveEnginebottle_v8n_640.trt \ --fp16 \ --workspace2048 \ --optShapesinput:1x3x480x640 \ # 固定shape禁用dynamic --minShapesinput:1x3x480x640 \ --maxShapesinput:1x3x480x640 \ --tacticSources-CUDNN,-CUBLAS,-CUBLAS_LT,EDGE_MASK_CONVOLUTIONS避坑T4上640×480为何能跑5路--optShapes固定输入尺寸避免TensorRT运行时shape推导开销EDGE_MASK_CONVOLUTIONS启用T4专属卷积优化提升Conv2D速度15%实测5路并发时GPU利用率稳定在92%显存占用9.2GBT4 16GB留足2GB余量应对突发IO。4.3 labelImg校验双格式一致性终极验证法YOLO TXT与VOC XML必须100%一致否则训练时bbox错位。用labelImg可视化交叉验证# 安装labelImgconda环境 conda install pyqt5 -c conda-forge pip install labelImg # 启动并加载VOC目录 labelImg VOCdevkit/VOC2007/JPEGImages/ VOCdevkit/VOC2007/Annotations/校验三步法打开一张图看labelImg左下角显示bottle类别是否与XML中name一致拖动bbox观察右上角坐标是否与XML中bndbox数值匹配允许±1像素误差切换到YOLO模式View → Auto Save Mode → YOLO检查生成的TXT是否与yolo_dataset/labels/xxx.txt内容逐行相同。注意labelImg默认YOLO坐标归一化用图像原始尺寸必须在Settings → Save In YOLO Format中勾选Use Image Size否则坐标错误。5. 避坑指南4500张瓶子数据集的5个血泪经验与排查清单5.1 现象YOLO训练loss震荡剧烈val/mAP不上升原因VOC XML中difficult1/difficult样本被YOLO loader误读为ignore导致有效样本数骤减batch内正样本不足解决修改Ultralyticsultralytics/data/dataset.py在load_image()后添加过滤逻辑# 过滤difficult样本仅训练时 if self.data[train] and difficult_flag: return None # 跳过此样本5.2 现象TensorRT推理结果bbox全偏右下角原因YOLO TXT坐标归一化基准为640×480但TensorRT engine构建时--optShapes指定为1x3x640x480宽高颠倒解决严格按--optShapesinput:1x3x480x640CHW顺序C3, H480, W640YOLO输入tensor shape必须为(1,3,480,640)5.3 现象labelImg打开VOC XML报错xml.etree.ElementTree.ParseError: not well-formed原因Windows记事本保存XML时插入BOM头\ufeffPython etree解析失败解决用VS Code以UTF-8无BOM格式重存所有XML或批量清除BOMsed -i 1s/^\xEF\xBB\xBF// Annotations/*.xml5.4 现象PASCAL VOC评估mAP0但YOLO训练mAP72%原因预测JSON中image_id为文件名如000001.jpg但VOC评估脚本要求image_id为整数索引1,2,3...解决后处理脚本中将image_id: 000001.jpg改为image_id: 1并确保image_id与VOCImageSets/Main/test.txt中顺序严格对应5.5 现象T4上5路并发时第3路开始延迟飙升至200ms原因PCIe带宽饱和5路视频流同时DMA传输挤占总线解决启用NVIDIA MPSMulti-Process Service将5路推理绑定到同一CUDA contextsudo nvidia-cuda-mps-control -d # 启动MPS export CUDA_MPS_PIPE_DIRECTORY/tmp/nvidia-mps # 启动5个推理进程共享MPS context6. 进阶技巧用4500张瓶子数据集做小样本迁移与产线漂移预警6.1 小样本迁移仅用50张新产线图让模型泛化到未知瓶型4500张数据集的价值不止于训练更是小样本迁移的基石。某客户新增一款磨砂玻璃瓶只提供50张图。我们这样做冻结backbone加载bottle_v8n_640.pt冻结model.model[:10]前10层CNN重训head仅训练Detect层学习新瓶型的anchor形状数据增强强化启用mosaic1.0mixup0.3hsv_p0.4色调扰动模拟磨砂瓶的漫反射特性loss加权对新瓶型bbox loss权重box12.0原7.5强制精确定位。效果50张图微调20 epochmAP_difficult从32%→68%漏检率下降57%。6.2 产线漂移预警用VOC格式的difficult样本做在线质量监控把difficult字段转化为产线质量仪表盘。每天抽取100张实时视频帧用训练好的模型推理统计三类指标指标计算方式预警阈值工程动作difficult_ratedifficult样本数 / 总样本数15%触发光照校准补光灯电压检查difficult_ioudifficult样本平均IoU0.45触发镜头清洁灰尘导致反光异常difficult_cls_confdifficult样本平均置信度0.6触发模型重训新瓶型混入实现代码片段实时监控# monitor_drift.py def calc_drift_metrics(preds, gt_xmls): difficult_cnt 0 iou_sum 0.0 conf_sum 0.0 for pred, xml_path in zip(preds, gt_xmls): tree ET.parse(xml_path) difficult int(tree.find(.//difficult).text) if difficult: difficult_cnt 1 iou compute_iou(pred[bbox], get_gt_bbox(xml_path)) iou_sum iou conf_sum pred[conf] return { difficult_rate: difficult_cnt / len(preds), difficult_iou: iou_sum / max(difficult_cnt, 1), difficult_cls_conf: conf_sum / max(difficult_cnt, 1) } # 每小时上报到Grafana metrics calc_drift_metrics(batch_preds, batch_xmls) push_to_grafana(metrics)6.3 瓶子数据集的长期维护建立标注-训练-部署闭环我坚持一个习惯每次产线反馈漏检必做三件事——把漏检图加入VOCdevkit/VOC2007/JPEGImages/用labelImg标注并生成XML运行convert_voc_to_yolo.py同步更新YOLO labels用split_dataset.py --update增量更新test集确保新难例进入评估。这套闭环让数据集从“静态资源”变成“活体资产”两年来累计新增862张难例模型mAP_difficult从61%→79%。数据不是越多越好而是越“懂产线”越好。希望帮到你。本文还有配套的精品资源点击获取