简介药品板蓝根颗粒检测数据集面向目标检测模型的训练与效果验证场景图像内容为袋装颗粒药品标注类别包括999ganmaoling与banlangen两类合计134个真实标注框可用于迁移学习、数据增强和检测算法对比等任务。数据集同时提供Pascal VOC与YOLO两种标注格式111张jpg原图均配有对应的xml标注文件txt文件则保存YOLO格式的类别与坐标信息总计335个文件压缩包约3.71MB文件命名规律清晰便于批量读取与格式转换当前已有121人浏览学习。借助labelImg标注工具的格式基础读者可直接将其接入常见检测框架进行训练也可观察两类样本在标注框数量与大小分布上的差异进而调整锚框参数VOC与YOLO两套标注相互对照还能帮助理解不同坐标体系的换算关系适合目标检测入门者作为练习数据也适合作为颗粒状药品检测任务的初始化训练集。1. 110张的药品板蓝根颗粒数据集小样本目标检测的急脾气样本一份药品板蓝根颗粒目标检测数据集110张图、VOC与YOLO两种标注格式听起来就是个练手项目但真正上手你会发现这个数量级恰恰是工业落地里最常见的窘境数据少、光照杂、包装看起来几乎一样。这个数据集解决的不是“刷榜”问题而是让你在最小的样本量下把一套完整的目标检测流程跑通——从解析标注、训练模型到部署验证所有环节都踩一遍再回到自己的数据上时就不慌了。适合0基础纯小白入门YOLO也适合有经验的工程师拿它当迁移学习的跳板。我给你的建议是别嫌110张少把这份数据做到极致比你有1000张乱标的数据更有用。2. 拆开压缩包先别训练VOC与YOLO两套格式的结构与坐标换算2.1 VOC与YOLO的目录组织打开压缩包后第一眼先看什么拿到这个ZIP压缩包第一步不是解压后直接丢进训练脚本而是把两种格式的目录结构对应起来。VOC格式延续的是Pascal VOC的经典组织方式你大概率会看到Annotations、JPEGImages、ImageSets三个目录XML标注文件全在Annotations里图片在JPEGImages训练集与验证集的划分清单在ImageSets/Main下的txt文件中。YOLO格式这边则更扁平常见做法是images与labels两个兄弟目录每张图片对应一个同名txt内容是一行一个目标框。这两种格式的对应关系异常直接images/train/xxx.jpg对应labels/train/xxx.txt而VOC的Annotations/xxx.xml与图片同基名。你需要在代码里写死这个对应关系否则训练时YOLO会报“找不到标签”的错。对比项VOC格式YOLO格式标注文件XML含对象类别与坐标txt每行class cx cy w h坐标系绝对像素坐标 xmin,ymin,xmax,ymax归一化相对坐标 0~1类别定义XML内部写类名由 data.yaml 的类别顺序决定划分方式ImageSets/Main 下的txt清单images 与 labels 的子目录划分我在处理这份110张的数据时一般会先写一个小脚本统计两类文件数量是否完全一致以及txt的每行是否都是合法的5个数值。这一步30秒就能做完但能避免后面训练时所有图片都被静默丢弃的尴尬。2.2 VOC XML转YOLO txt的坐标换算归一化公式与踩过的坐标坑你如果之前只接触过YOLO格式拿到VOC标注后最要紧的是搞懂坐标换算公式。VOC存的是框的左上角和右下角绝对像素坐标而YOLO需要的是目标中心点坐标以及宽高且全部除以图片宽高做归一化。公式如下中心点 x (xmin xmax) / 2 / 图片宽度中心点 y (ymin ymax) / 2 / 图片高度框宽度 w (xmax - xmin) / 图片宽度框高度 h (ymax - ymin) / 图片高度我写了一个标准转换脚本处理VOC到YOLO的批量转换import os import xml.etree.ElementTree as ET def voc_to_yolo(xml_path, img_width, img_height): tree ET.parse(xml_path) root tree.getroot() objects [] for obj in root.findall(object): cls_name obj.find(name).text # 这里必须和你的类别清单顺序对应 cls_id class_names.index(cls_name) bbox obj.find(bndbox) xmin float(bbox.find(xmin).text) ymin float(bbox.find(ymin).text) xmax float(bbox.find(xmax).text) ymax float(bbox.find(ymax).text) # 坐标校验防止标注软件导出反向框 if xmax xmin or ymax ymin: continue cx (xmin xmax) / 2 / img_width cy (ymin ymax) / 2 / img_height w (xmax - xmin) / img_width h (ymax - ymin) / img_height objects.append(f{cls_id} {cx:.6f} {cy:.6f} {w:.6f} {h:.6f}) return objects # 使用示例 class_names [banlangen] # 单类别数据集YOLO类别索引为0 img_width, img_height 640, 640 # 实际应从图片读取转换脚本的核心有三点类别索引必须从0开始且与data.yaml顺序一致坐标保留6位小数四舍五入到1位小数会导致小目标框严重偏移遇到非法框直接跳过而不是抛异常标注数据里偶尔会有坐标反了的脏数据跳过比报错更符合批处理逻辑。写完后随机抽3张图把转换生成的txt里的坐标乘回图片宽高画框对比一下原标注确认没有系统性偏移再进入下一步。2.3 标注质量自查三类一眼能看出的坏标签110张数据说多不多但逐张人工检查也累。我一般用脚本自动扫一遍标注文件重点排查三类问题。第一类是坐标越界YOLO格式已经归一化但凡数值超出0到1范围基本可以断定是转换脚本或标注软件出了问题。第二类是超小框面积小于图片面积千分之一的框在训练时容易被当成背景忽略。第三类是类别索引越界txt中第一列的数值大于类别总数减1这类错在训练时会直接崩。import numpy as np def check_yolo_labels(label_path, img_w640, img_h640): issues [] with open(label_path, r) as f: for line_num, line in enumerate(f): parts line.strip().split() if len(parts) ! 5: issues.append(f行{line_num}: 字段数不对 {len(parts)}) continue cls_id, cx, cy, w, h int(float(parts[0])), float(parts[1]), float(parts[2]), float(parts[3]), float(parts[4]) if not (0 cx 1 and 0 cy 1): issues.append(f行{line_num}: 中心点越界) if w 0 or h 0: issues.append(f行{line_num}: 宽高为0或负数) # 框超宽超高检查归一化宽高不可能超过图片尺寸 if w * img_w 5 or h * img_h 5: issues.append(f行{line_num}: 疑似超小框) return issues这三类坏标签不是作者故意留的而是任何人工标注与格式转换都会产生的“自然噪声”。用脚本先排掉它们后面训练才不会被脏数据带偏。这一步做完等于给后面所有环节上了保险。3. 用YOLOv8把110张板蓝根颗粒图跑通拆分数据集与训练参数3.1 数据集拆分固定随机种子别让同一产品光照泄露110张图做目标检测拆分比例我建议按8:1:1来88张训练、11张验证、11张测试。这里有一个数据泄露的坑值得多说两句板蓝根颗粒的包装袋在不同批次、不同拍摄角度下颜色有差异如果你直接随机打乱拆分同一条流水线同一个角度拍出来的图可能同时出现在训练集和验证集里验证指标虚高部署到新场景直接现原形。更稳的做法是按拍摄批次或角度先分组再在组级别上拆分。import os import random import shutil random.seed(42) image_dir images/all train_dir images/train val_dir images/val test_dir images/test all_images [f for f in os.listdir(image_dir) if f.endswith(.jpg)] random.shuffle(all_images) n len(all_images) train_split all_images[:int(n*0.8)] val_split all_images[int(n*0.8):int(n*0.9)] test_split all_images[int(n*0.9):] for img in val_split test_split: src os.path.join(image_dir, img) dst_dir train_dir if img in train_split else (val_dir if img in val_split else test_dir) shutil.copy(src, dst_dir) # 标签目录同步操作这段脚本的逻辑不复杂先把所有图片打乱按比例切片然后复制图片与同名标签到对应目录。random.seed(42)必须固定否则每次运行结果不一样后续复现实验会非常痛苦。真正讲究一点的做法是在滑动窗口采样子集后单独统计三集里各品类出现的频次保证每个子集覆盖全部光照条件。110张的样本量没法分得太奢但9张验证图也足够让你判断模型是不是在硬背训练集了。3.2 最小的训练配置一个data.yaml加一段训练命令YOLOv8训练自己的数据集最小配置是data.yaml加一条yolo train命令。先写好数据配置文件# data.yaml path: /your/abs/path/to/dataset # 换成你解压后的绝对路径 train: images/train val: images/val test: images/test nc: 1 # 单类别板蓝根颗粒 names: [banlangen]然后执行训练yolo train modelyolov8n.pt datadata.yaml epochs80 imgsz640 batch16 device0这里我用的是yolov8n.pt作为预训练权重因为只检测一个类别、每张图的目标数量也不多nano版本足够快。如果你是纯小白第一次跑device0表示用第一块GPU没有GPU就把devicecpu但训练时间会拉长不少batch建议降到8。训练过程中YOLO会把训练损失、验证mAP等信息实时打印到终端还会在runs/detect/train目录下生成权重文件和曲线图。3.3 五个必调训练参数从epochs到mosaic的取舍同样是110张数据参数调和不调训练效果能差出两个量级。我梳理了五个最值得花时间调的参数参数建议值小样本场景下的理由epochs80~100样本少50轮内loss就收敛再多就是过拟合batch8~16batch太大模型容易对少数样本产生记忆imgsz640板蓝根颗粒小包装分辨率低目标边缘模糊mosaic0.0小数据集开mosaic会让大量标签被裁剪破坏fliplr0.5水平翻转对包装类目标安全但注意药品文字被镜像mosaic是Ultralytics默认开启的数据增强策略但在这个场景我强烈建议关掉。原因是mosaic会把四张图拼起来其中有些框会被裁剪掉一半模型会学到不完整的板蓝根颗粒特征。样本只有110张禁用mosaic后模型看到的都是完整目标训练更稳定。这属于典型的“增强策略不总是越强越好”的反直觉结论尤其在超小数据集上保守增强往往胜过大开大合。还想再验证一下模型到底关注的是图的哪些区域训练完用yolo val可以输出验证集预测结果配合特征图和热力图看一眼模型激活区域如果热区集中在包装袋上的非文字区域说明学偏了。这一步不花太多时间是debug小样本模型最直接的手段。4. 小样本目标检测避坑四条血泪排查记录4.1 mAP很高、一上线就崩过拟合用这份数据集训练最常见的坑是训练集mAP高达0.95验证集表现也不错一上线检测新拍的照片就大面积漏检。我排查过这种问题原因九成是过拟合于训练集中的特定光照和背景。110张图里如果训练集全是白底桌面拍摄模型实际学的是“白色背景 蓝白包装”的组合而不是“板蓝根颗粒”本身。解决思路是引入拍摄多样性而不是单纯加数据。我一般会做两件事一是用albumentations做HSV色域扰动把色调偏移量设为20左右模拟不同批次包装的颜色偏差二是把训练集的背景抠掉替换成不同颜色的纸板、桌面纹理相当于做硬负样本挖掘。代码量不多但比盲目调参更对症。4.2 验证集loss震荡不收敛批次与学习率失配在训练中段你可能会看到验证集loss像锯齿一样剧烈震荡验证mAP停滞在某个值。这个现象在小数据集上特别容易发生。我排查的原因是batch太小比如4单次梯度估计噪声太大而学习率还保持在默认的0.01两步就互相抵消。解决办法是同步调低学习率并把batch提上去。用epochs100, batch16, lr00.005配合cos_lrTrue让学习率按余弦曲线退火。小数据集上学习率宁可低一点训练慢一点也不要让它剧烈跳动。另外把patience设为15让验证指标连续15轮不提升时自动切掉训练这能省掉你很多盯终端的精力。4.3 小袋装板蓝根老是漏检目标尺度过小导致的边界问题板蓝根颗粒有时是小袋装比如5g一袋的独立小包装在640分辨率下目标宽度可能只有20到30像素。默认的YOLOv8检测头在FPN顶层对小目标不敏感漏检几乎必然。我看特征图时小袋装的响应值在浅层特征上还能看到到了深层特征基本被抹平了。常用的做法是把训练的分辨率拉高到800甚至960但这会让显存压力剧增。另一个更轻的方案是开启scale0.5的多尺度训练让模型在每个epoch随机缩放输入图相当于隐式地增加小尺寸样本的曝光度。你在训练命令里加scale0.5然后观察验证集上小目标框的recall是否明显提升。这类问题没有银弹只能从分辨率、增强和数据三个方向同时试。4.4 迁移训练后把背景识别成板蓝根负样本缺失从COCO预训练权重迁移到这份数据有一种翻车场景让我印象很深模型在验证集上表现不错但对着空无一物的桌面、或者摆着其他药品的照片时误报出一堆“板蓝根颗粒”。原因很简单训练集里所有照片的背景都伴随板蓝根颗粒出现模型学到的是“桌面颗粒”的联合特征。解决办法是在训练集里混入一批不含目标的负样本图片。你不需要额外标注只要准备约30张纯桌面、纯包装箱、甚至其他药品的照片放进images目录但不写任何标签文件。YOLO训练时遇到没有标签的图片会默认把它当背景这样模型就能区分“有板蓝根”和“没有板蓝根”的差异。我在实际产线里就是靠这一招把误报率从每百帧7次压到了0.3次。5. 把单类数据集改成你的产线方案扩展多类别与端侧部署的想法这份数据只有板蓝根一个类别但产线识别的需求从来不会是单一品类。把这套流程扩展到多类别我的习惯是先不重新标注而是复制现有的XML与txt把banlangen改成你实际要识别的类别名先跑通多类训练管线确认逻辑无误后再扩数据。这样能在半天内把工程链路打通再慢慢补新类别的标注。你还值得在部署前做一个快速联调。用训练出的best.pt导成 TensorRT的engine文件输入分辨率固定在640先测一批现场照片的推理延迟和内存占用。我在T4上测过类似模型纯GPU推理单路延迟大概在5毫秒级但这只是裸模型加上前后处理、多路视频流排队实际单卡能支撑的路数和你预期的差距可能不小。如果你的业务场景是实时视频流建议一开始就按多路并发的拓扑规划显存而不是单张图刷延迟。最后一条经验也是我用小样本训练到现在的习惯每次跑新数据我都会在data.yaml里同时配cos_lrTrue并把mosaic设为0保留一组tensorboard曲线作为基线后续改任何参数都拿这组基线对比。这个习惯帮你把调参从“玄学”变成了“可回溯的实验”。110张数据看起来不起眼但它把数据质量、格式转换、训练策略、部署推理这条链路完整地逼你走了一遍走完你就知道给自家产线收集数据时该重点拍哪些角度、标注时该避免哪些低级错误了。希望帮到你。本文还有配套的精品资源点击获取