简介YOLO火灾火焰目标检测数据集面向目标检测入门者及消防安全算法工程师收集自真实场景、数据场景丰富标注框质量高可直接用于YOLO系列模型训练与验证。压缩包共2000个文件大小约103.66MB核心包含1000张图片对应的VOC、COCO、YOLO三种主流格式标签同时附赠Python数据集划分脚本、YOLO环境搭建与训练案例教程html及yaml配置等支持自定义训练集、验证集与测试集。教程分别针对Linux与Windows系统给出完整流程并包含Ubuntu安装指南覆盖从环境配置、数据划分到模型训练的主要环节可帮助读者快速搭建火灾火焰检测项目。目前已有1378人学习下载适合需要规范标注数据与配套流程的学生、研究人员和开发者参考使用。1. 从解压到第一次训练失败火灾火焰检测数据集到底该怎么用拿到“YOLO火灾火焰目标检测数据集”你大概率会先喘口气图片、三种格式标签、划分脚本、训练教程听起来齐了。但真正动手你才会发现这个包的核心资产不是那 1000 张 JPEG而是标签格式能否成功喂进 YOLO 的训练管线。VOC、COCO、YOLO 三种格式的“对应”指的从来不是同一份数据的三种拷贝——而是三种坐标体系、三种组织方式、三种加载逻辑谁跟谁不对上负样本采样直接崩训练出来的权重会在夜间火光场景里疯狂漏检。这篇笔记只讲一件事把这个数据集包变成你能跑通、能复现、能扩产的训练项目。我会把三种格式的关系拆开讲把划分脚本的正确写法交代清楚再给你一套完整的 YOLOv8 训练命令、参数表、以及数据标注里最容易翻车的地方。适合刚拿数据集却训练失败的人读也适合想把这套数据扩成自己项目的从业者做参照。读完你不需要再看第二篇教程直接能训出自己的第一个火焰检测权重。2. VOC、COCO、YOLO 三种格式不是三份数据是三种坐标假设2.1 VOC 标注左上角加右下角的像素艺术Pascal VOC 是目标检测领域最老牌的标注格式。它的物理载体是一个 XML 文件和图片同名、同目录或在Annotations目录下每个目标对应一个object块。annotation folderfire/folder filenamefire_001.jpg/filename size width1280/width height720/height depth3/depth /size object namefire/name poseUnspecified/pose truncated0/truncated difficult0/difficult bndbox xmin251/xmin ymin102/ymin xmax780/xmax ymax601/ymax /bndbox /object /annotation这段 XML 的坐标读法是xmin, ymin是框的左上角像素坐标xmax, ymax是右下角像素坐标原点是图片左上角。简单粗暴人眼可读但训练框架不会直接用——每一个训练框架在做数据加载时都会先写一个Dataset类把 XML 解析成(x1, y1, x2, y2)列表再做归一化或增强。注意truncated表示目标被图片边缘截断difficult表示难以辨认。火灾烟雾场景里大量目标边缘模糊这两个字段在标注时容易被忽略但它直接影响训练时该样本是否参与损失计算。我一般会把difficult1的样本绕过增强、直接进验证集用它当硬样本评测。2.2 COCO 标注一个 JSON 扛起分类、检测、分割三套查询COCO 格式的物理载体是一个 JSON 文件但它不是“一张图一个 JSON”而是整个数据集打包成annotations/instances_train.json。结构分五块images存图片元数据annotations存标注框categories存类别表后面还有licenses和info。{ images: [{ id: 1, file_name: fire_001.jpg, width: 1280, height: 720 }], annotations: [{ id: 1, image_id: 1, category_id: 1, bbox: [251, 102, 529, 499], area: 264271, segmentation: [], iscrowd: 0 }], categories: [{ id: 1, name: fire, supercategory: fire }] }COCO 的bbox字段是[x, y, width, height]注意和 VOC 的区别它不是右下角坐标是左上角坐标加框的宽高。area在纯检测任务里其实没人看但如果你后续要做iscrowd处理或数据筛选它是一个必要字段。很多从 VOC 转 COCO 的脚本都会在area上出错——忘记算面积或者把xmax - xmin写成xmin - xmax加载时直接出现负宽高。这是语义分割与检测日志里最常见的差一毫厘事故。2.3 YOLO 标注归一化坐标系下的中心点加宽高YOLO 的标签是个 TXT 文件每一行对应一个目标格式是class_id x_center y_center width height这里所有值都是相对于图片宽高的比例不是像素。对于图fire_001.jpg1280x720VOC 里的xmin251, ymin102, xmax780, ymax601转成 YOLO 应该是0 0.402734 0.488194 0.413281 0.693056计算方式x_center (251 780) / 2 / 1280 0.402734。注意顺序必须是class_id在最前类别从0开始编号。这是 YOLO 系列框架直接读入的格式Ultralytics YOLOv8、v11 乃至 YOLOv5 全部认这一种后面它不会再做任何坐标换算。三种格式之间的转换误差也是这里容易出问题我已经见过很多次因为坐标边界没做 clip导致归一化值出现1.0001或-0.0002的怪异数值训练时 OpenCV 在裁剪增强时直接抛异常。凡是小于0或大于1的坐标该错误基本都起源于归一化时偷懒没有做np.clip。2.4 三种格式转换坐标演算与目录约定的统一常见做法是这种脚本结构import xml.etree.ElementTree as ET import json import os import numpy as np def voc_to_yolo(xml_path, w, h, class_names): 把 VOC 的 XML 坐标转成 YOLO 的归一化坐标。 返回: [[class_id, x_center, y_center, w, h], ...] tree ET.parse(xml_path) root tree.getroot() objects [] for obj in root.findall(object): name obj.find(name).text if name not in class_names: continue class_id class_names.index(name) bndbox obj.find(bndbox) xmin float(bndbox.find(xmin).text) ymin float(bndbox.find(ymin).text) xmax float(bndbox.find(xmax).text) ymax float(bndbox.find(ymax).text) # 归一化并做边界裁剪防止越界值进入训练 x_center ((xmin xmax) / 2.0) / w y_center ((ymin ymax) / 2.0) / h box_w (xmax - xmin) / w box_h (ymax - ymin) / h objects.append([class_id, np.clip(x_center, 0.0, 1.0), np.clip(y_center, 0.0, 1.0), np.clip(box_w, 0.0, 1.0), np.clip(box_h, 0.0, 1.0)]) return objects逻辑说明XML 里的xmin, ymax全部读成float不要读成int因为后续可能会做比例运算整数除法会在 Python 2 时代留下整串0的坐标即便你用的是 Python 3 也得防一手老脚本迁移问题。类别映射用class_names.index(name)是一个容易出错但最直观的做法——如果 XML 里有不在预设类别表里的name脚本会直接抛ValueError所以在if name not in class_names: continue处提前挡掉。参数说明w和h必须读size标签里的值不能用图片文件本身去取宽高——因为很多标注工具存的尺寸是标注时刻的图像尺寸一旦做过缩放或压缩两者不一致时坐标偏移只能靠训练数据的随机裁剪兜底兜不住的时候就是框偏一个身位。COCO 转 YOLO 的场景通常出现在迁移预训练模型时核心转换公式是x_center bbox[0] bbox[2] / 2.0整体逻辑一致不再赘述。需要强调的一点是categories的id不一定从0开始train2017那套标准 COCO 数据集里很多分类id都是1起步漏做id - 1会导致全部类别偏移一个训练完了混淆矩阵完全对不上。2.5 校验工作标注不是肉眼过一遍就叫合格转换完的标签最少要做三件事读回、画框、统计分布。读回是把 YOLO 标签重新读出来转成像素坐标画到图上肉眼检查统计分布是看每个类别的目标数、宽高比、小目标占比。import cv2 import numpy as np def draw_yolo_label(img_path, label_path, class_names, out_path): img cv2.imread(img_path) h, w img.shape[:2] with open(label_path, r) as f: lines f.readlines() for line in lines: parts line.strip().split() class_id int(parts[0]) x_center, y_center float(parts[1]), float(parts[2]) bw, bh float(parts[3]), float(parts[4]) x1 int((x_center - bw / 2) * w) y1 int((y_center - bh / 2) * h) x2 int((x_center bw / 2) * w) y2 int((y_center bh / 2) * h) cv2.rectangle(img, (x1, y1), (x2, y2), (0, 0, 255), 2) cv2.putText(img, class_names[class_id], (x1, y1 - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 255, 0), 2) cv2.imwrite(out_path, img)逻辑说明parts[0]是类别编号parts[1:5]是归一化坐标。这里有一个容易翻车的地方是y2 - y1出现负数——当标签是[0, 0.5, 0.5, 0, 0]这种非法标注时画框会直接反方向延伸。所以我在画框脚本里加了一个宽度高度小于 1 像素的跳过逻辑避免一张错误图污染整个校验流程。校验结果如果某个类别的框普遍偏大、宽高比集中在1.0左右那多半是标注规范里给的“框住火焰主体”还是“框住火苗边缘”没统一。这个问题在火灾数据集里特别致命——火焰没有明确边界有的标注者框内焰有的框外焰训练时同一张图两种标注打架最终学出来的框不是收敛到火焰而是收敛到两者折中。遇到这种情况别急着改标签先出一个标注规范发给采集方或标注外包写明“包住可见火苗区域烟雾不算框”。3. 划分脚本1000 张图的排列组合凭什么你的验证集靠谱3.1 随机划分不是真随机train/val/test 的三种切法拿到一个 1000 张的数据集最直觉的做法是random.shuffle之后按8:1:1切片。但火灾检测数据和猫狗分类不一样它的一个特点是你从一个视频里抽了连续帧相邻帧标注几乎一样一旦随机洗牌把同一视频的帧分进 train 和 val验证集指标会虚高到让你产生“模型已经收敛”的错觉部署到监控摄像头后直接翻车。常见做法有两种。第一种是按照图片来源分组划分比如按视频名、场景名先分组再把组切片分配到三个集合保证同一场景的帧不会同时出现在训练集和验证集里。第二种是按照标注分布分层采样先统计每张图的火焰面积占比、目标数量再按这些特征的分布去采样确保 val 集里既有大火也有小火。这个数据集标题里没写明帧与帧的关系但你拿到手先按文件名前缀排序观察有没有连续帧痕迹再用分组划分更稳。3.2 划分脚本里最不能省的三件事写路径、同步标签、打印统计下面是划分脚本的核心骨架按三格式数据集的场景来写import os import random from collections import defaultdict from sklearn.model_selection import train_test_split random.seed(42) data_root ./fire_dataset image_dir os.path.join(data_root, images) voc_ann_dir os.path.join(data_root, annotations_voc) coco_json_path os.path.join(data_root, annotations_coco, instances_train.json) yolo_label_dir os.path.join(data_root, labels_yolo) train_txt, val_txt, test_txt [], [], [] images [f for f in os.listdir(image_dir) if f.endswith((.jpg, .png, .jpeg))] images.sort() # 先排序再划分保证可复现 # 按文件名前缀分组防止同一来源的连续帧被拆散 groups defaultdict(list) for img in images: group_key img.split(_)[0] # 例如 fire_001.jpg 的分组键是 fire groups[group_key].append(img) group_names list(groups.keys()) train_groups, val_groups, test_groups train_test_split( group_names, test_size0.2, random_state42 ) train_groups, val_groups train_test_split( train_groups, test_size0.125, random_state42 ) for g in train_groups: for img in groups[g]: train_txt.append(os.path.join(image_dir, img)) for g in val_groups: for img in groups[g]: val_txt.append(os.path.join(image_dir, img)) for g in test_groups: for img in groups[g]: test_txt.append(os.path.join(image_dir, img)) with open(./train.txt, w) as f: f.write(\n.join(train_txt)) with open(./val.txt, w) as f: f.write(\n.join(val_txt)) with open(./test.txt, w) as f: f.write(\n.join(test_txt)) # 输出划分统计 print(f总数: {len(images)}, train: {len(train_txt)}, fval: {len(val_txt)}, test: {len(test_txt)})逻辑说明两段train_test_split的目的是先分出test再把剩余数据分出valtest_size0.125在首次划分后占剩余部分的 1/8整体正好是 10%。这个写法比一次性写train:val:test 8:1:1更直观因为sklearn没有三路划分接口两段式避免手算比例出错。参数说明train_test_split(group_names, test_size0.2)里的0.2是整个数据集里 test 的占比这个值在样本量只有 1000 时偏大——我习惯用0.1留下一部分做最终评测。同时注意划分的单位是分组不是图片后者的风险见上一节。3.3 三格式标签同步同一张图三种标签少一个就是事故很多拿到数据集的人会在这一步掉坑图片划分好了但 YOLO 的labels目录、COCO 的instances_val.json没有跟着划分。导致训练时img加载成功、label找不到了或者验证集里出现“图片有、标签无”的悬空引用。我的建议是写一个sync_labels.py在里面维护一个phase字典记录每张图属于哪个集合再按phase重新生成train.txt / val.txt / test.txt以及各自对应的labels和instances_*.json。phase_map {} # {img_name: train/val/test} def get_phase(img_name): 根据图片名返回所处的划分集合 if img_name in train_set: return train elif img_name in val_set: return val else: return test # 遍历所有图片名生成 phase_map # 然后按 phase_map 把 labels 复制到 ./labels/{phase}/ 目录 # 最后用 json 库过滤 COCO annotations分别写出 instances_train.json 等这里不贴完整代码因为它的核心逻辑很简单三个集合的图片名读进三个set和一个get_phase函数。真正要注意的隐藏包袱是COCO 格式的images.id和annotations.image_id引用关系。如果按整份instances_train.json来划分每个拆分后的 JSON 里images数组必须重新编号同时annotations里的image_id也要跟着改否则验证时 COCO API 匹配不到图。我踩过一次这个坑返回的mAP为零原因只是image_id整体偏移了 1。3.4 类别不平衡治理火灾检测里“无火”样本该怎么分火灾数据一个特殊点在负样本——即没有火焰的图片。很多火灾数据集总量不小但火焰目标稀疏500 张里有 300 张是安全场景。这类图片对训练很关键它教会模型“什么都不输出”。划分脚本里不要把它们均匀撒进三个集合我一般会单独把负样本按比例抽出来加入训练集保证训练集里负样本占10%左右验证集里保留一部分“难负样本”也就是监控里常见的客厅、工厂车间、厨房这类易误报场景。注意负样本的划分必须独立于火焰图片的分组逻辑不要按文件名分组直接随机分。因为负样本之间没有帧连续性分组反而会带来额外偏差。3.5 划分完的验证仪式跑一遍图片、标签、集合三项自检划分完成之后不要直接进训练先跑一个自检脚本三个断言全部通过再开工# 断言语义 # 1. 任意图片在 train.txt / val.txt / test.txt 中只出现一次 # 2. 集合中的每张图片都存在对应的标签文件 # 3. 三份标签文件格式合法能正确读取类别与坐标 for img_name in all_images: cnt (img_name in train_set) (img_name in val_set) (img_name in test_set) assert cnt 1, f{img_name} 划分重复或遗漏逻辑说明assert cnt 1只在划分结果完全互斥时通过。这一条能挡住划分脚本里最常见的两个情况grouped循环时出现子目录路径拼接错误或者同一个组被两个集合同时捕获。第三项“标签格式合法”检查我建议直接复用上一节的draw_yolo_label函数批量画出 20 张抽查图用肉眼看一遍框的位置、大小和语义。4. 用 Ultralytics 跑通 YOLOv8 火焰检测全套训练教程与参数调优4.1 环境准备CUDA、PyTorch、Ultralytics 的最小安装组合这个数据集目录里带的训练教程绝大多数是用 Ultralytics YOLOv8 写的因为它对新手最友好。安装顺序推荐先建 conda 环境再装依赖conda create -n fire_yolo python3.10 -y conda activate fire_yolo pip install ultralytics opencv-python pandas matplotlib seaborn pip install torch torchvision --index-url https://download.pytorch.org/whl/cu121逻辑说明ultralytics是把 YOLOv8 和配套工具打包发布的核心库opencv-python提供图像编码解码pandas和seaborn用于训练完成后画混淆矩阵与曲线。PyTorch 单独指定cu121的 index-url 安装避免默认源给你装一个 CPU 版——很多“训练跑起来了但特别慢”的案例原因就是 torch 没有 CUDA 支持。参数说明如果你用的是 CUDA 11.8就把cu121改成cu118先去nvidia-smi看你的驱动版本支持哪个 CUDA。版本对不上时训练过程不报错但 GPU 利用率一直是0%需要nvidia-smi和python -c import torch; print(torch.cuda.is_available())两步来排查。4.2 数据目录组织一张图对应一个标签多一个嵌套都报错YOLOv8 要求目录结构与data.yaml严格对应这是新手训练失败最多的地方。正确结构如下fire_dataset/ ├── images/ │ ├── train/ │ ├── val/ │ └── test/ └── labels/ ├── train/ ├── val/ └── test/在train.txt/val.txt之外再写一个data.yaml给 Ultralytics 用path: /absolute/path/to/fire_dataset train: images/train val: images/val test: images/test names: 0: fire逻辑说明path必须写绝对路径因为 Ultralytics 在处理相对路径时以当前工作目录为基准你在 Jupyter Notebook 里和终端里启动训练工作目录不同结果就是FileNotFoundError。train / val / test写的是相对于path的子目录不是图片列表文件。参数说明names里可以只写0: fire。如果数据集里有第二类比如smoke就加一行1: smoke类名必须和标签 TXT 第一列的class_id对应不需要按字母排序。这一步错了不会报错解码阶段保存的标签也会出错后续画混淆矩阵看一堆nan基本都是这里的问题。4.3 启动训练command line 参数全解训练命令应该覆盖核心参数并解释它们的意义# 当前工作目录下用数据集目录的 data.yaml 启动训练 yolo detect train \ --model yolov8s.pt \ --data fire_dataset/data.yaml \ --epochs 100 \ --batch 16 \ --imgsz 640 \ --optimizer AdamW \ --lr0 0.001 \ --augment \ --device 0 \ --project runs/fire_detect \ --name fire_run_1逻辑说明yolo detect train是固定入口--model传入预训练权重路径会从 Ultralytics 官方的权重仓库自动下载yolov8s.pt。--data指定 YAML 文件--epochs100 对 1000 张图来说不算多因为火灾检测的火焰形态变化较大至少需要 100 到 150 轮让模型充分收敛。参数说明--imgsz是训练分辨率640 是默认值。火焰目标如果在画面里占比较小建议升到 768 或 1024这不只是精度问题——imgsz升到 1024 后 GPU 显存占用会涨到 640 的三倍左右显存不足时优先调低batch而不是降低imgsz。--optimizer选AdamW比默认的SGD收敛快但最终精度可能不如 SGD 微调后的结果建议先跑 AdamW 快速验证再在最后一组训练中切回SGD(lr0.01, momentum0.937, weight_decay0.0005)。4.4 实时看训练状态日志指标与验证集表现评估训练过程中你会看到每轮结束输出P / R / mAP50 / mAP50-95 / loss(seg/box/cls)五项。火灾检测任务不能用纯 mAP 判断模型好坏需要结合场景判断漏检更重要还是误报更重要。监控摄像头在火灾检测里漏检是致命失误误报则可以通过二次确认机制过滤所以权重选取时更看重Recall。常用做法是训练完成后用 best.pt 跑一次验证yolo detect val \ --model runs/fire_detect/fire_run_1/weights/best.pt \ --data fire_dataset/data.yaml它会给你一份综合指标表里面包含每个类别的Precision / Recall / mAP50 / mAP50-95外加每张图的预测结果。如果测试集也参与了训练这里的结果会虚高这也是我推荐在data.yaml里单独写test字段的原因——它不会影响训练对象但可以让你最后跑一次yolo detect val进--split test得到真正的部署前基准。5. 火灾火焰数据的五个大坑从标注模糊到负样本失效的排雷经验5.1 烟雾遮挡导致标签错位框住火苗还是框住烟雾现象训练完成后验证效果尚可部署到现场发现模型在烟雾弥漫的画面上会输出多个不稳定的小框置信度来回横跳。原因标注阶段没有统一标准一部分标注者把外围半透明烟雾也拉进了红框另一部分人只框了火苗模型学到的框在两者之间反复横跳。解决回到 VOC 标签用脚本筛出所有“标注框面积超过图片面积 30%”的样本做人工复检。火焰燃烧面积起步阶段一般不超过画面 10%超过 30% 大概率是框进了烟雾。复检时统一标准内焰加外焰烟雾不包见烟不见火就不标。5.2 负样本划分方式不对验证集准确率虚高得离谱现象训练日志显示mAP50到达0.9以上但推理实拍视频时频繁对红色的灭火器、红色汽车、夕阳反光输出高置信度的救火弹窗。原因划分脚本把负样本随机混合进了验证集而训练集里的负样本又太少模型没学会“这些长得很像火焰的东西不是火焰”。解决手动收集 100 到 200 张易误报的负样本放进训练集的images/train/对应标签为空 TXT验证集里保留 30 到 50 张同类负样本。每次训练前单独确认这些图片确实出现在训练集里。5.3 COCO 配置文件不合规导致训练时图片全部跳过现象训练开始后日志输出All images are skipped或者No labels foundGPU 空跑最终训练的权重打不开。原因COCO 格式的 JSON 是完整导出的但划分脚本拆开时只更新了images的id没有更新categories的id导致annotations找不到对应的category_id。解决在划分脚本里加一个类别映射重新建立category_id到新 JSON 的索引。检查方式是写一个循环把annotations里的每一个image_id都去images里查一遍查不到的打印出来。5.4 预训练权重与类别数不匹配导致损失函数翻车现象用yolov8s.pt训练自己的单类别数据集训练前几轮loss异常高且波动剧烈之后也不下降。原因模型输出的 80 类 COCO 检测头被替换成 1 类后部分早期冻结层仍在尝试预测原 80 类分布损失函数在几十轮内无法稳定。解决单类别火灾检测不需要yolov8s.pt做迁移用yolov8s-cls.pt分类预训练或直接随机初始化即省略--model参数。实践来看随机初始化训练 150 轮的效果好过何凯明那套迁移学习——数据量只有 1000COCO 预训练帮不了太多。5.5 测试集参与训练而用户不自知最佳权重的 mAP 失真现象模型在验证集指标上非常漂亮但客户现场放出来的效果很平淡。原因很多人下载数据包用划分脚本跑了但没细看data.yaml里的test字段是空的——验证集只有一张待测试图片的路径训练时索性把test里的图也放进了训练集。解决训练前先检查三个集合的图片数量如果 test 数量为 0回去重新划分确保test字段里至少有 50 张图。这个动作对你的影响不是训练进度而是最终调参时你信不信那组指标的话。6. 用验证集做模型选型与推理速度测试找到一个值得上线的权重整个数据集包的价值必须在训练完成后才能体现。但你没耐心做很多次实验就用最小成本找到最好的权重成果。我常用的方式是在验证集上做三组对比不同imgsz下的 mAP 与 FPS 权衡、不同conf_thres对召回率的影响、以及模型在真实现场视频上的“稳定输出率”。# 用三个不同的 IOU 阈值分别评估 best.pt, 得到三组指标曲线 yolo detect val \ --model best.pt \ --data fire_dataset/data.yaml \ --imgsz 640 \ --conf-thres 0.3 --iou-thres 0.5 yolo detect val \ --model best.pt \ --data fire_dataset/data.yaml \ --imgsz 640 \ --conf-thres 0.5 --iou-thres 0.5 yolo detect val \ --model best.pt \ --data fire_dataset/data.yaml \ --imgsz 640 \ --conf-thres 0.7 --iou-thres 0.5这三组命令的核心变量只有conf-thres。conf-thres低会让更多低置信度框进入输出Recall提升但是误报增多conf-thres高则烧起来时可能漏报。火灾场景我一般选0.25作为现场阈值然后用“连续 5 帧超过阈值才触发报警”的时序逻辑过滤误报而不是把单帧阈值拉高。另外你还可以用--int8或--half选项在生产部署时打开 TensorRT 加速火灾预警应用通常跑在边缘盒子或摄像头旁边的工控机上帧率不够是硬伤。用yolo export导出 ONNX 再转 TensorRT engine推理时间能从 12ms 压到 5ms 上下投入产出比最高。数据集的最后一步其实是撤回现场。我一个小小的个人经验在完成训练并导出权重后把 val 集里检测失败的三张图打印出来贴到工位上。后面根据这些失败案例去扩展数据、微调标签。这方法比反复刷 mAP 实在得多。希望这篇笔记能帮你在火灾火焰目标检测这件事上少走几步弯路把验证集当成真正的试金石在下一次改进里用数据说话。本文还有配套的精品资源点击获取