简介面向目标检测与农业视觉应用开发者小麦田间杂草检测数据集提供了可直接训练的图像与标注。数据覆盖8类杂草类别RAD1~RAD4、RD2、RAD23、RDA3、RA1以VOC格式组织jpg图像与对应xml标注一一对应经测试无需额外转换即可接入常见检测框架适合用于YOLO系列模型训练与算法验证。全包共2000个文件其中1413个xml标注文件、585张jpg图像另附1个类别定义json和1个配套脚本压缩后约866.96MB目录结构清晰。目前已有50人学习下载可作为小麦杂草识别、精细农业目标检测等项目的训练底材。资源内数据量适中标注信息完整尤其适合需要快速构建农业检测基准数据集的研究者省去采集与人工标注环节直接投入模型迭代。1. 小麦杂草目标检测数据集VOC 标签没读透前别急着跑训练很多人把「小麦杂草目标检测数据集(VOC标注格式)」下载到本地第一件事就是解压、找训练脚本、开跑。我见过不止一个团队这么干跑了两天发现模型只认识小麦不认识杂草回头一查才发现标签文件本身就有问题。这类数据集解决的是精准农业里的具体问题在麦田图像里把杂草和作物定位出来给定向喷洒和机械除草提供目标坐标让做农业视觉落地的工程师不用从零标数据就能验证目标检测方案。适合两类人刚接手农业项目的工程师想用现成数据把流程跑通刚开始接触目标检测、想拿真实场景数据集练手的学生。但无论哪种第一步都不是训练而是把 VOC 标注格式和标签文件彻底读透这个顺序搞反后边全是血泪。2. VOC 标注格式拆解XML 里每个字段都决定模型能不能收敛2.1 数据集目录结构JPEGImages 和 Annotations 不是随便分的下载这类目标检测数据集解压后通常能看到 JPEGImages、Annotations 这样的目录名这是从 PASCAL VOC 沿袭下来的约定做计算机视觉与目标检测的人绕不开这套结构。一个规范的 VOC 数据集目录长这样wheat_weed_dataset/ ├── JPEGImages/ # 原始田间图像jpg 或 png ├── Annotations/ # 与图像一一对应的 XML 标注文件 ├── ImageSets/ │ └── Main/ # train.txt / val.txt 等划分清单 └── classes.txt # 类别名列表有的数据集叫 labels.txt打开压缩包后第一件事不是看 README而是打开 classes.txt 看类别清单。小麦杂草数据集里常见两种命名方式粗粒度只有 wheat 和 weed 两类细粒度会把杂草拆成 broadleaf、grass甚至具体到 wild oat、chenopodium 这种植物学名。类别粒度直接决定你做的是一阶段二分类还是多分类检测也决定后边的数据增强和评估策略。ImageSets/Main 下如果已经有 train.txt 和 val.txt说明发布方给过数据划分优先沿用没有的话就得自己划分。另外很多网盘转存的数据集目录被改名过JPEGImages 变成 images、Annotations 变成 xml 的情况很常见不影响使用但转换脚本里的路径要跟着改别照抄网上教程的硬编码路径。2.2 annotation XML 里的关键字段逐个拆VOC 的标签文件是 XML每个目标的类别和坐标都写在里面。一个典型的标注文件长这样annotation folderJPEGImages/folder filenameIMG_20230501_093215.jpg/filename size width1280/width height960/height depth3/depth /size object nameweed/name truncated0/truncated difficult0/difficult bndbox xmin214/xmin ymin305/ymin xmax342/xmax ymax398/ymax /bndbox /object object namewheat/name truncated0/truncated difficult0/difficult bndbox xmin98/xmin ymin112/ymin xmax176/xmax ymax220/ymax /bndbox /object /annotation对照着拆字段字段含义转换和训练时的作用filename图像文件名匹配 JPEGImages 里的原图size/width, height图像宽高像素归一化坐标的分母错一个全错object/name类别名必须与类别映射表完全一致truncated目标是否被边缘截断田间杂草被画面切掉很常见difficult目标是否难以辨认mAP 评估时通常不计这类框bndbox左上右下像素坐标转 YOLO 的唯一坐标来源size 字段是转换的基础width 和 height 必须和图像真实尺寸一致。有的数据集发布前压缩过图像但 XML 里还留着旧尺寸这种不一致是最隐蔽的坑转出来的所有框都会整体偏移模型 loss 能降预测位置全错。拿到数据后先用 PIL 或 OpenCV 批量读一遍图像尺寸和 XML 里的 size 比对不一致的单独列出来。object 里的 name 是类别标签注意拼写和大小写。杂草数据集的标注经常来自多个标注员同一类杂草可能被标成 weed、Weed、wild_oat 三种写法统计类别时不归一化训练框架就会当成三个类处理。bndbox 的四个值是像素坐标按 VOC 规范 xmax、ymax 是包含在框内的转其他格式时有的实现要减 1这一步对宽大框无所谓对只有二三十像素的杂草苗框影响很大。truncated 和 difficult 两个字段最容易被忽略。田间拍摄时杂草被画面边界截断非常常见truncated1 表示目标不完整difficult1 表示模糊到人都不好判断。计算 mAP 时 difficult 目标默认不参与评估如果你的评测脚本不认这两个字段结果会多出一堆假阴性。2.3 用脚本批量读取和校验标签别等训练崩了再查训练之前先把整个数据集的 XML 读一遍统计类别分布、检查框是否越界、尺寸是否异常。这个动作十分钟能做完省掉的调试时间数倍于此。import xml.etree.ElementTree as ET from pathlib import Path def inspect_voc_dataset(annot_dir): stats {} errors [] for xml_path in sorted(Path(annot_dir).glob(*.xml)): root ET.parse(xml_path).getroot() filename root.findtext(filename) size root.find(size) if size is None: errors.append(f{xml_path.name}: 缺少 size 字段) continue img_w int(size.findtext(width)) img_h int(size.findtext(height)) for obj in root.findall(object): name obj.findtext(name).strip() stats[name] stats.get(name, 0) 1 box obj.find(bndbox) xmin, ymin int(box.findtext(xmin)), int(box.findtext(ymin)) xmax, ymax int(box.findtext(xmax)), int(box.findtext(ymax)) if xmin xmax or ymin ymax: errors.append(f{filename}: 非法框 ({xmin},{ymin},{xmax},{ymax})) if xmax img_w or ymax img_h or xmin 0 or ymin 0: errors.append(f{filename}: 框越界) print(类别统计:, stats) print(问题数量:, len(errors)) for e in errors[:20]: print(e) if __name__ __main__: inspect_voc_dataset(Annotations)这个脚本的逻辑很简单遍历 Annotations 下所有 XML按类别名累加目标数量同时检查框的四个角是否合法、是否超出图像边界。参数只有一个 annot_dir换成你实际的标注目录路径即可。跑完之后重点看类别统计里 wheat 和 weed 的数量比如果差一个数量级后边训练时就要考虑重采样这个到第 4 章细说。errors 如果超过几十条说明数据集发布前没做过严格校验直接拿去训练 loss 会异常。注意脚本只做静态检查框画得松不松、目标有没有标错它看不出来还得靠可视化。2.4 用标注工具把框画回图上和常用标注工具配合检查看 XML 文本只能确认字段存在确认框画得对不对还得可视化。我一般用 labelImg 或 X-AnyLabeling 打开 Annotations 目录把 XML 和图片一起载入逐张过一遍框的位置。目标检测常用标注工具里labelImg 是老牌的 VOC 原生工具能直接看框、改框、重新保存X-AnyLabeling 支持 VOC 和 YOLO 格式互导改完还能顺手导出成训练格式。过图时重点看三类问题标注框有没有紧贴目标边缘、有没有把杂草漏标成背景、有没有把小麦苗误标成杂草。田间图像里杂草和小麦幼苗颜色纹理高度相似标注员翻车的概率不低。用工具肉眼扫一遍能发现的错误远比你训练完再回头分析预测结果快得多。这一步做完了再进格式转换就踏实了。3. 把 VOC 转成 YOLO 格式转换脚本与参数设置3.1 为什么训练前要做格式转换VOC 格式不是给训练框架直接吃的。YOLO 系列从 v3 到现在的 yolov8约定每张图对应一个同名 txt一行一个目标内容为“类别id x_center y_center width height”坐标全部归一化到 0 到 1。归一化的好处是标签跟图像分辨率解耦训练时输入是 640 还是 1280标签都不用改。转换公式就四条x_center 等于 xmin 加 xmax 除以 2 再除以图像宽y_center 同理用 ymin 与 ymax 算框宽等于 xmax 减 xmin 除以图像宽框高用 ymax 减 ymin 除以图像高。公式本身简单但边界条件不少框越界怎么裁、类别名对不上怎么办、坐标精度保留几位。这些细节决定转换完的标签能不能直接喂给框架。3.2 最小可用的 VOC 转 YOLO 脚本把四条公式落成代码再补上越界裁剪和类别过滤就是一个能直接用的转换脚本import xml.etree.ElementTree as ET from pathlib import Path CLASSES [wheat, weed] # 顺序必须与后续训练的 names 映射一致 def voc_to_yolo(xml_path, out_dir): root ET.parse(xml_path).getroot() img_w int(root.findtext(size/width)) img_h int(root.findtext(size/height)) if not img_w or not img_h: print(f跳过 {xml_path.name}: 缺少图像尺寸) return lines [] for obj in root.findall(object): name obj.findtext(name).strip() if name not in CLASSES: print(f跳过未知类别 {name} in {xml_path.name}) continue cls_id CLASSES.index(name) box obj.find(bndbox) xmin int(box.findtext(xmin)) ymin int(box.findtext(ymin)) xmax int(box.findtext(xmax)) ymax int(box.findtext(ymax)) # 框越界时先裁剪到图像范围内避免产生负坐标 xmin max(0, min(xmin, img_w)) xmax max(0, min(xmax, img_w)) ymin max(0, min(ymin, img_h)) ymax max(0, min(ymax, img_h)) if xmax xmin or ymax ymin: continue x_center (xmin xmax) / 2 / img_w y_center (ymin ymax) / 2 / img_h w_norm (xmax - xmin) / img_w h_norm (ymax - ymin) / img_h lines.append(f{cls_id} {x_center:.6f} {y_center:.6f} {w_norm:.6f} {h_norm:.6f}) out_path Path(out_dir) / (xml_path.stem .txt) out_path.write_text(\n.join(lines) \n) if __name__ __main__: out_dir Path(labels) out_dir.mkdir(exist_okTrue) for xml_path in Path(Annotations).glob(*.xml): voc_to_yolo(xml_path, out_dir)逻辑说明先读 XML 里的原始图像尺寸作为归一化分母遍历每个 object把类别名映射成整数 id四个整数坐标算出中心点和宽高后各除以图像宽高得到 0 到 1 之间的浮点数最后按 YOLO 格式写入同名 txt。越界裁剪是必须的田间数据里标注框偶尔会超出图像边界不裁的话归一化坐标可能大于 1 或小于 0损失函数直接算错。参数说明CLASSES 列表是唯一需要人工维护的参数它的顺序就是类别 idweed 排第 0 还是第 1 会直接影响训练配置里的 names 表。坐标格式化保留 6 位小数对小目标框足够也能省一点文件体积。out_dir 是输出目录建议叫 labels和 images 平级方便 yolov8 的 data.yaml 引用。3.3 类别映射文件一个单词拼错训练集就多一类转换脚本写的是类别 id真正训练时框架要拿 id 反查类别名这靠的是映射文件。用 yolov8 训练自己的数据集时data.yaml 长这样path: ../wheat_weed_dataset train: images/train val: images/val names: 0: wheat 1: weednames 的键必须和 CLASSES 的下标一一对应顺序错了模型训练不会报错但预测结果里类别名全乱。常见翻车场景是数据集 classes.txt 里写的是 wild_oat你建 yaml 时写 wild oat或者把 wheat 拼成 wheet训练框架会把未知名字当新类别类别数直接多一个。提示转完格式后随便打开一个 txt检查第一列数字是否都在 0 到 len(CLASSES)-1 之间类别名拼写问题在这一步就能暴露。3.4 划分 train/val 的两种做法转完格式只完成了一半还得把数据切成训练集和验证集。两种常见做法第一种是随机划分适用于图像之间独立性强、没有连续拍摄的场景import random from pathlib import Path imgs sorted(Path(JPEGImages).glob(*.jpg)) random.seed(42) random.shuffle(imgs) split int(len(imgs) * 0.8) train_imgs imgs[:split] val_imgs imgs[split:] def write_stems(items, path): with open(path, w) as f: for img in items: f.write(img.stem \n) write_stems(train_imgs, train.txt) write_stems(val_imgs, val.txt) print(ftrain{len(train_imgs)}, val{len(val_imgs)})固定 random.seed(42) 保证每次切分结果一致这是训练可复现的基本要求。80/20 是默认比例如果数据集本身只有几百张图验证集可以压到 15%但别低于这个数否则 mAP 波动会很大。第二种是按采集批次划分。麦田数据往往是无人机沿航线连续拍的相邻帧高度相似随机划分会把相似帧同时送进 train 和 val验证指标虚高。如果图像文件名里带时间戳或航点号按这个字段分组再划分能避免数据泄漏。做法是先把文件名按前缀分组再以组为单位切分切分脚本逻辑和上边一样只把 shuffle 的对象从单张图换成组。不管用哪种方式划分完检查一下 val 里各类别框的数量占比别让某个类别在验证集里只有十来个框那样 AP 算出来没有统计意义。4. 模型微调崩了先查这 5 个地方杂草数据集的标签与训练避坑VOC 转 YOLO 只是把格式对齐了数据本身的问题不会因为换格式而消失。目标检测模型微调崩了这种事九成不是模型结构的问题是喂进去的标签和数据有问题。农业图像数据集的坑比通用数据集多得多下面五条是我在杂草检测上踩过的真实记录按现象、原因、解决三段来写。4.1 类别不平衡杂草样本只有小麦的零头现象训练 loss 正常下降验证集里 wheat 的 AP 有 0.8weed 只有 0.2模型几乎把所有目标都预测成小麦可视化结果里杂草框稀稀拉拉。原因田间杂草本来就比小麦少数据集里 wheat 框可能上万weed 框只有一两千。目标检测的损失函数对多数类更友好模型学成了一个偏袒小麦的判别器杂草的梯度贡献被淹没。解决最直接的是按类别重采样训练时让每个 batch 里 weed 样本占比不低于 30%具体做法是把 weed 图像在数据列表里重复几轮或者复制扩充到和小麦同量级。数据增强上用 copy-paste把杂草框随机贴到其他图像背景上这类方法在农业检测里比通用 mosaic 好因为杂草形态相对固定。yolov8 里没有直接的 class_weight 参数预处理阶段的复制扩充是最省事的替代。4.2 小目标杂草苗十几像素的框一缩就没了现象大棵杂草能检出幼苗期的杂草完全无感明明 GT 框就在那模型就是不出框。原因1280x960 的田间图像里刚出苗的杂草只有 20x30 像素模型下采样到 80x80 特征图时这个目标只剩两三个像素特征几乎消失。这是目标检测里典型的小目标问题杂草检测尤其严重因为除草作业恰恰需要在苗期发现杂草晚了就白打药了。解决训练分辨率提到 1280 而不是默认的 640这一步立竿见影推理时用切片把大图切成 512 或 640 的 patch 再检测、最后合并结果现成的 SAHI 库就是干这个的。数据增强里别用激进的 random_crop 和大幅 scale小目标经不起缩放折腾。mosaic 增强对小目标也不友好拼图后目标尺寸进一步缩水可以关掉 mosaic 对比看看。4.3 标注框不贴边IoU 阈值一高 mAP 就崩现象mAP50 看着有 0.7mAP50:95 只有 0.1两者差距大得离谱模型自己都不知道该往哪收敛。原因标注员画框习惯松把土壤背景包进框里一大块。mAP50:95 要算 IoU 从 0.5 到 0.95 的平均框越松高 IoU 阈值下的正确预测越少指标自然崩。这类数据集往往出自快速标注项目标注规范里没要求框贴边。解决先抽样画框目检确认松紧程度。如果整个数据集普遍偏松评估就以 mAP50 为主指标别拿 mAP50:95 卡自己。想根治只能重标代价大一般建议先用现有数据把流程跑通下一轮采集时把“框必须紧贴目标外轮廓”写进标注规范。4.4 图片和 XML 文件名对不上现象训练日志刷一堆 warning说找不到某张图的标注或者 loss 跑到一半变成 nan训练直接废。原因数据集在网盘间多次转存文件名被改、扩展名大小写变化、Windows 路径里的中文转码错位JPEGImages 和 Annotations 的对应关系断裂。VOC 的 XML 里 filename 字段和实际文件名不一致也是同款问题。解决训练前把两边文件名做一次交叉比对from pathlib import Path def cross_check(img_dir, annot_dir): imgs {p.stem for p in Path(img_dir).iterdir()} anns {p.stem for p in Path(annot_dir).iterdir()} no_ann sorted(imgs - anns) no_img sorted(anns - imgs) print(有图无标注:, len(no_ann), no_ann[:10]) print(有标注无图:, len(no_img), no_img[:10]) cross_check(JPEGImages, Annotations)这个脚本统计两个集合的差集。有图无标注的样本要么补标注要么直接从训练列表剔除有标注无图的是孤儿文件直接忽略。跑一遍通常会列出几十个对不上的剔除后训练就安静了。参数说明img_dir 和 annot_dir 换成实际路径p.stem 取文件名不含扩展名的部分避免 jpg 和 JPG 大小写差异造成误判。4.5 重复或近重复图像让验证集失真现象训练集 AP 和验证集 AP 都很好看模型一上真实麦田就废换块地直接现原形。原因无人机采集时同一地块会拍到大量高度相似的帧随机划分把相似帧同时送进 train 和 val验证集就在变相考记忆指标虚高。麦田场景纹理单一相似帧比例比城市道路数据集高得多这个坑在杂草数据里尤其常见。解决用感知哈希pHash 或 dHash全数据集去重相似度超过阈值的帧只保留一张划分时按采集批次分组文件名带时间戳的就按时间前缀分组再以组为单位切分。验证集里如果出现成组的相似帧mAP 的参考价值就要打个问号。5. 画框验证与快速基准数据集行不行一天内见分晓5.1 把 GT 框画回原图眼睛先于指标发现问题校验脚本只能抓格式错误抓不到语义错误。我的习惯是训练前随机抽 50 张图把 GT 框画回去逐张看看框的松紧和类别对不对。脚本很短import cv2 import xml.etree.ElementTree as ET from pathlib import Path def draw_gt(img_dir, annot_dir, out_dir, sample50): out_dir.mkdir(exist_okTrue) for xml_path in list(Path(annot_dir).glob(*.xml))[:sample]: root ET.parse(xml_path).getroot() img cv2.imread(str(Path(img_dir) / root.findtext(filename))) for obj in root.findall(object): name obj.findtext(name) box obj.find(bndbox) xmin, ymin int(box.findtext(xmin)), int(box.findtext(ymin)) xmax, ymax int(box.findtext(xmax)), int(box.findtext(ymax)) color (0, 255, 0) if name wheat else (0, 0, 255) cv2.rectangle(img, (xmin, ymin), (xmax, ymax), color, 2) cv2.putText(img, name, (xmin, max(20, ymin - 6)), cv2.FONT_HERSHEY_SIMPLEX, 0.6, color, 2) cv2.imwrite(str(out_dir / (xml_path.stem .jpg)), img) draw_gt(JPEGImages, Annotations, gt_preview)逻辑说明以 XML 的 filename 为准去读原图把 wheat 画成绿框、weed 画成红框输出到 gt_preview 目录。参数说明sample 控制抽样数量50 张约等于小数据集里每个类别都有覆盖。看图时重点盯两类帧杂草和小麦紧挨着的看框有没有互相吞并杂草很小的看框里到底是草还是土。两类帧如果超过 20% 画得不对数据集就该回炉。5.2 用 YOLOv8 跑 50 轮基准看 per-class AP画框验证过了跑一个快速基准确定数据集上限yolo detect train datawheat_weed.yaml modelyolov8s.pt epochs50 imgsz1280 batch8imgsz 设 1280 而不是默认 640因为杂草苗是小目标低分辨率会人为压低指标。50 轮不求收敛只看趋势前 20 轮 loss 在降、mAP50 在涨说明数据和配置没问题mAP50 一直在 0.2 以下挣扎回第 4 章逐条排查。训练完用 yolo val 看 per-class APwheat 和 weed 差距超过 0.3就按 4.1 的重采样方案再跑一轮。我现在的习惯是先交叉检查文件名再跑校验脚本再画 50 张 GT 框最后才动训练命令。这套顺序帮我省掉的调试时间比任何调参技巧都多。数据集质量这种事指望框架自动纠错不现实把检查前置才是真正的后悔药。希望帮到你。本文还有配套的精品资源点击获取