简介煤矿输送带异物识别数据集是一套面向目标检测任务的标注数据包专供YOLO系列、Faster R-CNN、SSD等主流模型训练使用。数据集中包含螺栓、块状异物两类目标类别名bolt、bulk共2220张图片已划分好训练集、验证集与测试集并配有txt格式标签与yaml类别配置文件可大幅减少数据预处理时间适合煤矿智能监控、输送带异物检测等场景的算法开发与调优。压缩包共2000个文件其中1999个为txt标签文件另1个为yaml配置信息整体大小117.87MB文件命名采用meikuang_编号规律便于按图像索引对应。目前已有1128人学习下载资源受到实际关注。借助该数据集读者可直接开展YOLO等模型训练与验证无需自行标注和划分数据能够快速评估模型在煤矿输送带异物识别任务上的表现也可结合博主CSDN文章进一步理解数据组织方式与训练要点。1. 煤矿输送带异物识别数据集把工业场景压成 YOLO 能学的样本煤矿输送带异物识别数据集把“深度学习目标检测”和“煤矿输送带异物识别”这两件事绑在了一起。在煤矿输送带场景里做过视觉项目的人应该体会过那种难受目标小、背景花、煤尘大金属异物和大块矸石混在皮带纹理里传统机器视觉很难稳定区分。这份数据集的定位就是给 YOLO 这类目标检测模型喂素材让模型学会在视角固定、噪声很强的输送带现场把锚杆、托盘、大块矸石、木板、铁丝网这些异物准确框出来。适合谁用刚接触工业视觉的算法工程师、做输送带安全监测项目的技术团队以及想把“深度学习目标检测”完整训练流程跑通的人。它解决的不是泛泛的目标识别问题而是煤矿现场最常见的异物混入场景——这类问题用通用模型硬套效果很差必须有贴合真实分布的样本来做迁移训练。下面我从数据底子开始拆一步一步讲清楚怎么做才能不翻车。2. 数据底子与标注差异现场拍摄约束、异物类别和格式坑拿到数据集之后第一件事不是急着灌进训练脚本而是先花二十分钟把标注文件和原始图片整体过一遍。我一般会在这一步确认三件事标注框和图像内容对不对得上、类别 ID 有没有错位、坐标是否存在越界。这三件事没确认之前就开训练后面排错的时间往往比训练本身还长。2.1 输送带异物检测为什么难固定视角、粉尘与目标形态分布输送带场景和自动驾驶、安防监控那种开放场景有个本质区别摄像头位置基本固定背景变化不大。听起来像是降低了难度实际上带来了另一类问题——你需要模型在几乎完全一致的场景里反复区分“煤块”和“矸石”“锚杆”和“托辊”背景一旦固定模型很容易偷懒直接把背景当先验换个光照条件就大面积误检。数据标注里常见的异物类别大致有这几类锚杆、锚索、托盘、木板、大块矸石、铁丝网。我在实际项目中见过不同煤矿的数据集类别口径会有差别有的把锚杆和锚索合并成一类有的把托盘单独列出来所以拿到手先看类别清单别急着套用固定的类别映射。更麻烦的是目标形态分布。锚杆通常是长条状可能横着、斜着、甚至被煤块压住一半矸石则是不规则块状边缘和煤块几乎一样铁丝网是细线状像素占比很小。同一个类别内部尺寸差异能超过十倍这对目标检测模型的尺度适配能力要求很高。同时输送带现场还有粉尘和水雾。粉尘会降低图像对比度边缘变模糊水雾则会让金属表面产生高光反射。深度学习目标检测模型在干净数据上表现很好但这些现场噪声会让训练出来的模型在部署时不那么稳。所以这份数据集的拍摄质量、光照变化覆盖度、是否包含运动模糊样本直接决定模型上线后的表现。2.2 标注格式核对VOC/COCO 和 YOLO txt 的差异工业数据集最常见的标注格式是 VOC 风格的 XML 文件一个 XML 对应一张图片里面每个 object 节点记录类别名和 xmin、ymin、xmax、ymax 四个坐标。也有部分数据集标注格式是 COCO JSON或直接已经转成 YOLO 的 txt 文件。先确认格式再决定转换方案。VOC 格式的坐标是图像原始像素坐标单位是像素坐标系原点在图像左上角。而 YOLO 训练需要的 txt 格式是归一化坐标每行五个值类别 ID 目标中心点 x 中心点 y 目标宽度 目标高度所有值都归一化到 0 到 1 之间。这两个格式之间的差异看起来简单但转化时最容易出错的是坐标单位不统一。比如原图是 1920x1080而某个处理脚本里用了缩略图的宽高做归一化框就全偏了。另一个需要留意的坑是类别 ID 的映射。YOLO 要求类别 ID 是整数从 0 开始按顺序排和 classes 文件里的顺序一一对应。如果你的数据集原始 XML 里的类别名是中文比如“锚杆”转换脚本里必须建立一个从中文名到数字 ID 的映射表顺序一旦和训练时的 data.yaml 不一致整个训练就废了。数据标注质量本身也值得检查。标注框是否紧贴目标边界、有没有把两个重叠目标标成一个框、有没有漏标这些直接影响训练效果。我个人习惯是把标注框直接画在图上可视化几十张肉眼扫一遍这个步骤省不掉。3. 转换成 YOLO 格式坐标归一化脚本与训练/验证拆分确认数据底子没问题后下一步是把数据集整理成 YOLO 训练的目录结构并完成坐标从 VOC 像素坐标到 YOLO 归一化坐标的转换。这一步是整套流程里最容易出错的地方也是后面训练能顺利跑起来的基础。3.1 坐标归一化转换脚本从 XML 到 txt我通常先建立类别映射再写转换脚本逐张处理。下面这段脚本是把 VOC XML 转成 YOLO txt 的常见做法代码里的注释我写得比较细方便你直接改来用。import xml.etree.ElementTree as ET from pathlib import Path # 类别映射顺序要和训练时的 data.yaml 完全一致 CLASS_MAP { anchor_bolt: 0, # 锚杆 anchor_cable: 1, # 锚索 tray: 2, # 托盘 wood: 3, # 木板 gangue: 4, # 大块矸石 wiremesh: 5 # 铁丝网 } def convert_voc_xml_to_yolo(xml_path: str, img_w: int, img_h: int, out_txt_path: str) - int: 把单个 VOC XML 转成 YOLO txt 格式 img_w / img_h 必须是原始图片尺寸不是缩放后的尺寸 返回转换成功的标注数量用于后续排查 tree ET.parse(xml_path) root tree.getroot() lines [] obj_count 0 for obj in root.findall(object): name obj.findtext(name) if name not in CLASS_MAP: print(f跳过未在映射表中的类别: {name}, 文件: {xml_path}) continue bnd obj.find(bndbox) x1 float(bnd.findtext(xmin)) y1 float(bnd.findtext(ymin)) x2 float(bnd.findtext(xmax)) y2 float(bnd.findtext(ymax)) # 中心点 宽高 cx (x1 x2) / 2 / img_w cy (y1 y2) / 2 / img_h bw (x2 - x1) / img_w bh (y2 - y1) / img_h # 防止归一化后越界 cx min(max(cx, 0.0), 1.0) cy min(max(cy, 0.0), 1.0) bw min(max(bw, 0.0), 1.0) bh min(max(bh, 0.0), 1.0) lines.append(f{CLASS_MAP[name]} {cx:.6f} {cy:.6f} {bw:.6f} {bh:.6f}) obj_count 1 Path(out_txt_path).write_text(\n.join(lines), encodingutf-8) return obj_count这段脚本里几个关键点值得说明。CLASS_MAP的字典顺序就是训练阶段 data.yaml 里的 names 列表顺序两边不一致会出现“类别张冠李戴”的诡异现象。归一化分母用的img_w和img_h必须是原图的宽高这个参数要从原图信息里读取不能用 XML 里某个 size 节点的值直接代替——虽然大部分情况下两者相等但有的数据集 XML 里记录的 size 是压缩后的。归一化之后加了一道min/max裁剪防止标注框中心点在图像边缘外导致训练时算 loss 出现 NaN。这种越界情况在手工标注时挺常见尤其是目标被切了一半的时候。转换完成后我会随机挑几个 txt 文件把里面的坐标还原成像素坐标画在原图上对比确认转换没有失真。3.2 拆分成训练集/验证集确保类别分布有代表性目录结构直接按 YOLO 的默认组织方式后面配置 data.yaml 时最省事datasets/ ├── images/ │ ├── train/ # 训练图片 │ └── val/ # 验证图片 └── labels/ ├── train/ # 训练标注 txt └── val/ # 验证标注 txt拆分时不能纯随机。煤矿输送带数据往往存在严重的类别不均衡如果随机拆分可能出现验证集里根本没有铁丝网样本导致 mAP 曲线看起来很漂亮但实际部署时铁丝网完全漏检。我通常按类别分层抽样保证验证集里每类都有一定数量。import random from pathlib import Path from collections import defaultdict import shutil def split_dataset(images_dir: str, labels_dir: str, val_ratio: float 0.2, seed: int 42) - None: 按类别分层拆分训练集和验证集 random.seed(seed) image_files sorted(Path(images_dir).glob(*.jpg)) # 统计每个图片包含哪些类别 img_classes {} for img_path in image_files: label_path Path(labels_dir) / (img_path.stem .txt) if not label_path.exists(): continue classes set() for line in label_path.read_text(encodingutf-8).strip().splitlines(): if line: classes.add(int(line.split()[0])) img_classes[img_path] classes train_set [] val_set [] class_to_imgs defaultdict(list) for img_path, classes in img_classes.items(): for c in classes: class_to_imgs[c].append(img_path) # 保证每个类别在验证集中至少出现一次 seen set() for c, imgs in class_to_imgs.items(): candidate [i for i in imgs if i not in seen and i not in train_set] if not candidate: continue chosen random.choice(candidate) seen.add(chosen) val_set.append(chosen) # 其余图片按比例拆剩余 remaining [i for i in image_files if i not in seen] random.shuffle(remaining) val_num int(len(image_files) * val_ratio) - len(seen) train_set remaining[val_num:] val_set remaining[:val_num] for img in train_set: shutil.copy(img, Path(images/train) / img.name) shutil.copy(Path(labels_dir) / (img.stem .txt), Path(labels/train) / (img.stem .txt)) for img in val_set: shutil.copy(img, Path(images/val) / img.name) shutil.copy(Path(labels_dir) / (img.stem .txt), Path(labels/val) / (img.stem .txt)) print(ftrain: {len(train_set)} 张, val: {len(val_set)} 张)这段脚本的核心逻辑是先把每个类别在验证集里强制保留至少一张再按比例拆剩余图片。val_ratio0.2是常见默认值如果数据总量很少建议把val_ratio提到 0.3让验证集更有统计意义。seed42固定随机种子保证每次拆分结果一致方便复现。4. 跑通 YOLOv8 训练配置文件、超参调整和指标验证数据整理好了接下来就是训练环节。YOLOv8 是目前把“训练自己的数据集”这件事做得最顺滑的框架之一配置文件和数据格式都是标准化的照着流程走基本不会卡。这一段讲清楚怎么做能一次跑通以及每个参数在工业场景下怎么调。4.1 data.yaml 与模型选择按算力选 s/m/l 型号先把数据配置文件写好# data.yaml path: ./datasets # 数据集根目录 train: images/train val: images/val names: 0: anchor_bolt # 锚杆 1: anchor_cable # 锚索 2: tray # 托盘 3: wood # 木板 4: gangue # 大块矸石 5: wiremesh # 铁丝网names的索引顺序必须和之前转换脚本里的CLASS_MAP对齐这一点重复强调也不为过。模型选择方面YOLOv8 提供 n/s/m/l/x 五个型号工业场景下我一般从yolov8s起步。s 模型在 NVIDIA T4 或 1080Ti 上训练速度能接受精度也够用。如果部署设备算力很紧张选yolov8n如果对召回率要求很高且显存足够直接上yolov8m。别一上来就开 xl 型号训练时间翻倍对精度的提升在有噪声的工业数据上并不显著。4.2 训练命令关键参数怎么调准备好data.yaml之后训练命令如下yolo detect train \ modelyolov8s.pt \ datadata.yaml \ epochs120 \ imgsz640 \ batch16 \ patience15 \ lr00.01 \ verboseTrue \ project./runs逐项说下这些参数在工业场景里的取舍。epochs120是基准值数据量在几千张的话 100 到 150 轮足够收敛如果数据量不到两千张120 轮可能会出现轻微过拟合配合下面的早停机制解决。patience15表示连续 15 轮验证集 mAP 没有提升就自动停止训练这个机制在数据量小的时候能防止过拟合导致的验证指标虚高。imgsz640是 YOLOv8 的默认训练分辨率。但对输送带场景我建议根据原图分辨率上调到 960 或 1280。原因很简单铁丝网这类小目标在原图里可能只有十几个像素缩放到 640 后完全丢失。代价是显存占用上升如果你的显卡是 8GB 显存先试 640 跑通再说后面单独做分辨率实验。lr00.01是默认初始学习率通常不用改。但如果训练集里样本噪声很大比如标注框有些歪可以把lr0降到 0.005让模型学得慢一点但更稳。batch16取决于显存大小8GB 显存跑 640 分辨率时 16 是安全的上 960 分辨率建议降到 8。额外值得开启的两个增强参数是mosaic1.0和copy_paste0.5。mosaic 把四张图拼成一张训练能显著增强模型对遮挡和不同光照的鲁棒性copy-paste 对类别不平衡有帮助把少的类别目标剪切粘贴到其他图上。注意 copy-paste 在 YOLOv8 里需要通过augmentTrue同时开启单独设置不生效。训练完成后看 runs 目录下训练结果里的几个关键指标metrics/precision(B)、metrics/recall(B)、metrics/mAP50(B)、metrics/mAP50-95(B)。我判断模型是否可用主要看 recall 而不是 mAP。在煤矿安全场景漏检一个锚杆可能造成皮带撕裂误检一个最多是报警声音响一下所以召回率必须优先保证。模型训练到后期如果 precision 很高但 recall 掉得厉害多半是阈值太高或者类别不平衡被放大了需要回到数据层面处理。5. 避坑标注越界、小目标漏检和类别不平衡的排查记录训练过程看起来简单但只要数据或参数有任何一个角落不对就会暴露成各种奇怪的训练现象。这段是我拆过多个类似数据集之后整理出来最高频的三个坑按“现象 → 原因 → 解决”写你可以直接照着排查。5.1 训练 loss 掉不动先查坐标越界和类别 ID 错位现象是训练前 20 轮 loss 降得很正常但到 2.0 左右就卡住不动验证集 mAP 全为零或者某个类别的 AP 恒为零。原因通常是两类一是转换脚本里用了错误的图像尺寸做归一化导致标注框整体偏移甚至越界二是类别 ID 映射错位比如 data.yaml 里names[0]是锚杆但标签文件里 0 实际代表托盘模型学到的特征和标签对不上损失自然下不去。解决方法是先做标签可视化把训练用的labels/train里的 txt 坐标画回原图肉眼扫几十张看框是否贴合目标。再打印一个标签文件的完整内容检查类别 ID 是否超出names长度以及坐标值是否都在 0 到 1 之间。还有一个隐蔽点转换脚本里CLASS_MAP的 key 要和 XML 里的name完全一致包括大小写和空格仔细核对一下。5.2 小目标漏检铁丝网、锚索这类细长目标基本检测不到现象是训练完的模型对大块矸石和锚杆检测效果不错但铁丝网和锚索的 recall 只有不到 0.3验证集上几乎全部漏掉。原因是这两类目标在原始图像里的像素占比太小。以 1920x1080 的原图缩放到 640x640 后铁丝网可能只占不到 3x3 像素模型的下采样特征图里根本没有这个目标的特征响应漏检几乎是必然的。另一个原因可能是标注框不贴合细长目标比如锚索有些标注框是斜着画的但标注框没法表达角度模型只能看着一个包含大量背景的方框去学。解决方法是多管齐下第一把训练分辨率直接拉到 960 或 1280犟犟地说这一步通常就能让铁丝网 recall 提升 20 个百分点以上第二针对细长目标单独计算其标注框长宽比如果长宽比超过 5:1考虑在数据增强里增加degrees45允许旋转让模型见到更多角度的细长目标第三如果原图像素占比实在太小可以在标注时把相邻的铁丝网合并成一个大目标框降低模型学习难度。5.3 误检频发煤块被当成矸石、托辊被当成锚杆现象是模型在测试视频里频繁报警把正常煤流中的大块煤识别成矸石把托辊支架识别成锚杆。原因是类别特征混淆和背景框污染。煤块和矸石在灰度图像上边缘特征接近如果训练数据里煤块样本少模型会把二者当成同一类。托辊和锚杆都是圆柱形金属体在二维图像上很难仅靠形状区分需要借助位置信息——锚杆通常横在皮带上托辊则是平行排列的固定部件。工业摄像头视角固定这类场景先验信息是现成的。解决方法是先统计误检发生的位置分布看是否集中在固定区域。如果是在部署推理时对该区域降低置信度阈值或者用 ROI 遮罩直接过滤掉非皮带区域的检测框。数据层面多收集一些负样本——也就是只有正常煤流没有异物的图片——让模型见过更多“不该报警”的场景能明显降低误检率。负样本在类别不平衡情况下非常重要常见做法是把负样本单独放在一个 batch 里训练比混在常规数据里效果更明显。6. 部署前的最后一步测试集验证与模型导出技巧模型训练完不代表就能直接上线。我习惯在部署前强制走一遍测试集验证和模型导出流程这一步能挽回很多上线后的低级问题。先在完全没有参与训练和验证的测试集上跑一次推理也就是模拟真实部署的底片。测试集图片如果不够就从现场另外采集一批不同时段、不同光照的输送带图片补上一张一张跑看 recall 和 error 分布。在煤矿现场光照条件变是最影响目标检测表现的变量所以测试集里一定要包含夜间的红外补光场景和白天强光照场景。yolo detect predict \ modelruns/train/weights/best.pt \ source./test_images \ conf0.25 \ saveTrue \ save_txtTrueconf0.25是默认置信度阈值但煤矿场景我会同时再跑一个conf0.1的结果做对比看 recall 提升的幅度。如果从 0.25 降到 0.1 recall 提升了 15 个百分点而 precision 没崩说明模型本身学得不错只是阈值设太高上线时用 0.15 左右比较合适。如果 recall 提升但 precision 断崖式下跌说明模型还没学到区分能力别急着调阈值回去补数据。导出 ONNX 做边缘部署时有个细节YOLOv8 导出默认用的是模型训练时的输入尺寸导出前先固定输入尺寸避免部署端动态 shape 带来的兼容问题。yolo export modelruns/train/weights/best.pt formatonnx imgsz640 simplifyTruesimplifyTrue会走一遍 ONNX 图优化去掉冗余算子推理速度提升明显。导出后用onnxruntime做一次前向推理确认输出 tensor 形状是(N, 6, 8400)这种标准格式再进 TensorRT 加速不要直接在 TensorRT 里排错。这套流程我前后跑过好几个煤矿场景项目从一开始训练就疯狂翻车到后来慢慢形成固定习惯先花 20 分钟可视化标签再花 15 分钟看类别分布最后训练完强制走一遍测试集验证。从那以后我每次做目标检测数据集都强制先跑一遍这 30 分钟的检查宁可慢一点也不让训练在错误的标签上白烧几十个小时。希望帮到你。本文还有配套的精品资源点击获取