苹果缺陷检测数据集VOC+YOLO双格式转换与YOLOv8训练实战-北京尧图网络

简介苹果缺陷检测数据集面向计算机视觉与目标检测领域的学习者和开发者可用于苹果外观缺陷识别、质量分级、成熟度评估等应用场景。资源基于真实拍摄的苹果样本标注了病害果、优质果、腐烂果和一般果四个类别共包含一万七千余个目标框样本覆盖不同病斑、腐烂程度和表面状态具有较强的真实性与多样性。标注数据同时提供VOC与YOLO两种格式分别保存在XML和TXT文件中由labelImg工具统一生成格式规范可省去格式转换环节直接用于YOLOv5、YOLOv8、Faster R-CNN等主流目标检测模型的训练与验证。整个资源包共两千个文件以XML和TXT标注文件为主附带使用说明文本压缩包大小约二百九十三兆目录干净、结构清晰便于按需提取所需类别。目前已有七百余人浏览学习适合正在搭建水果分选系统、开展农业智能检测项目或进行目标检测算法迁移的实践者能够显著降低数据标注成本加快模型迭代进程。1. 苹果缺陷检测数据集 VOCYOLO 双格式拿到手先别急着训一份苹果缺陷检测数据集6970张图片、4个类别同时打包了VOC和YOLO两种标注格式压缩成一个7z包——听着像下载完就能训实际我见过太多人在第一步就翻车。有人拿VOC的XML直接硬套进YOLO训练流程有人对着classes.txt和XML里的name对不上号还有人解压完发现标签目录和图片目录结构不匹配先花半天手工整理。这篇把双格式的换算逻辑、7z落地步骤、YOLOv8训练参数和几个容易返工的坑一次讲完适合准备用这份数据做水果外观缺陷检测、或者第一次把别人的双格式数据集跑通的人。2. 从 VOC 到 YOLO 的坐标换算XML 与 txt 字段对照和一次可用的转换脚本2.1 两种标注格式到底差在哪字段对照与设计思路VOC格式本质是“一人一文件”每张图片对应一个XML框的坐标是左上角和右下角的绝对像素值单位是像素。YOLO格式则是一行一个目标坐标是归一化后的中心点x、中心点y、框宽、框高取值范围0到1。同一个苹果缺陷框在两种格式里长这样VOC里写的是xmin120 ymin80 xmax260 ymax220到YOLO里就变成0.2969 0.2344 0.2188 0.2188。两者没有谁绝对更好只是服务不同的工具链。VOC的XML可读性强拿OpenCV或PIL画框验证时很直观MMDetection系列也原生支持YOLO的txt则省去了训练前的格式转换Ultralytics YOLO、YOLOv5、YOLOv7都能直接读。这份数据集同时提供两种对使用者是好事你想走哪条工具链都不用从零转格式但前提是你得知道二者怎么对应。信息项VOC XML 字段YOLO txt 字段说明图片宽高sizewidth/height无依赖图片本身归一化需要真实图片尺寸目标类别objectname第一个数字由 classes.txt 行号决定框坐标bndbox内 xmin/ymin/xmax/ymax后四位cx cy w h绝对像素 vs 归一化疑难样本difficult/truncated无对应字段转换时通常会丢弃或保留由你定坐标换算就是两套公式来回倒。XML转YOLOcx(xminxmax)/2/Wcy(yminymax)/2/Hw(xmax-xmin)/Wh(ymax-ymin)/H。反过来也成立xmin(cx-w/2)×Wxmax(cxw/2)×W。公式看着简单实际写脚本时真正的坑在类别映射和图片尺寸不一致上后面避坑章会展开。2.2 手动写一次 XML→YOLO 转换脚本、输出与对拍逻辑虽然压缩包里已经给了YOLO标签我仍然建议你亲手跑一遍转换不是为了重复劳动而是用你的转换结果去和包里的txt对拍。双格式数据集的常见问题是原版VOC标注和后来导出的YOLO标签来自不同处理流程框坐标相差几个像素或者类别顺序对不上。这种差异训练时看不出来等你要把模型结果画到原图上才发现框是飘的。下面这段是我常用的最小转换脚本import xml.etree.ElementTree as ET from pathlib import Path from PIL import Image voc_dir Path(apple_voc/Annotations) # 放 XML 的目录 img_dir Path(apple_voc/JPEGImages) # 放原图的目录 out_dir Path(apple_voc/labels) # 转换后 txt 输出目录 out_dir.mkdir(exist_okTrue) # 类别表顺序必须和压缩包里的 classes.txt 一致按行号对应 id classes [bruise, rot, scar, intact] name2id {name: i for i, name in enumerate(classes)} def convert_one(xml_path: Path): et ET.parse(xml_path) root et.getroot() # 图片尺寸以实际图片为准不盲信 XML 里的 size避免后期换过图导致错位 with Image.open(img_dir / (xml_path.stem .jpg)) as im: W, H im.size lines [] for obj in root.findall(object): name obj.findtext(name).strip() if name not in name2id: print(f[skip] {xml_path.stem}: unknown class {name}) continue box obj.find(bndbox) x1 float(box.findtext(xmin)) y1 float(box.findtext(ymin)) x2 float(box.findtext(xmax)) y2 float(box.findtext(ymax)) # 越界裁剪坐标超出图片宽高的先截断避免归一化后出现负值或大于 1 x1 max(0, min(x1, W)); x2 max(0, min(x2, W)) y1 max(0, min(y1, H)); y2 max(0, min(y2, H)) if x2 x1 or y2 y1: continue cx (x1 x2) / 2 / W cy (y1 y2) / 2 / H w (x2 - x1) / W h (y2 - y1) / H lines.append(f{name2id[name]} {cx:.6f} {cy:.6f} {w:.6f} {h:.6f}) if lines: (out_dir / (xml_path.stem .txt)).write_text( \n.join(lines) \n, encodingutf-8 ) return len(lines) failed, total 0, 0 for xml_file in voc_dir.glob(*.xml): try: total convert_one(xml_file) except Exception as e: failed 1 print(f[failed] {xml_file.name}: {e}) print(fconverted {total} objects, {failed} files failed)这段代码的逻辑是先建name2id映射表类别顺序被固定死在classes列表里不会因为XML中object出现的先后顺序不同而给同一个类别分配不同id。然后每张图用PIL读取真实宽高而不是直接读XML里的size标签这一步能规避很多标注错位问题。最后所有坐标统一裁剪到图片范围内再算归一化中心点和宽高。对拍时我一般这么做写一个脚本同时读取包里的现成txt和刚转换出的txt逐行比较前五个数值误差大于0.005就打印出来。6970张图全量对拍一次不到一分钟但能让你确信这份数据的YOLO标签和VOC标签是同一套标注生成的。如果偏差集中在某几个文件名上基本可以断定原始VOC里那几张图的XML尺寸或坐标字段有问题直接删掉或重新标注都比带着隐患训练强。3. 数据落地与目录整理Linux 下解压 7z 再按 YOLOv8 要求重排3.1 先把 7z 解开p7zip 安装、测试与常见解压错误处理7z 格式的压缩率高但Linux默认不带解压工具。我习惯先装p7zip-full再测试压缩包完整性最后才解压。三步分开做的好处是如果压缩包在传输过程中损坏你能在解压前就知道而不是解到一半报错留下一堆残缺文件。sudo apt-get update sudo apt-get install -y p7zip-full # 先测完整性顺便验证密码 7z t apple_defect.7z # 列出包内顶层结构确认目录布局后再解压 7z l apple_defect.7z | head -50 # 解压到指定目录-o 后面不要加空格-y 自动覆盖 7z x apple_defect.7z -o./apple_defect -y7z t是很多新手跳过的步骤但解压报错时它是第一排查工具。如果测试结果显示Everything is Ok说明压缩包本身没坏问题出在密码或路径上如果测试中途报CRC错误说明文件损坏只能重新下载。7z l看目录结构也值得养成习惯很多双格式数据集解压后是嵌套多层的直接解到当前目录会散落一地文件先看一眼顶层再决定解压到什么位置能省去后面一次移动。解压完成后跑一下文件数校验find ./apple_defect -name *.jpg | wc -l find ./apple_defect -name *.xml | wc -l find ./apple_defect -name *.txt | wc -l图片应该是6970张XML和txt的数量应该和带标注的图片数一致。如果图片数对不上先别往下走大概率是压缩包里混入了非缺陷类的干扰图或者有图片文件名重复被覆盖。文件名重复这个问题在Windows上解压更常见同一个目录里IMG_001.jpg和img_001.JPG会互相覆盖Linux上则不会这也是我推荐在Linux服务器上处理数据集的原因之一。3.2 做一次 YOLOv8 风格的目录重排脚本、比例和划分原则解压后多数VOCYOLO双格式数据集是这种结构JPEGImages目录放原图Annotations或labels目录放标注。直接拿这样的结构去喂Ultralytics YOLO能跑但我不建议因为混着VOC的XML文件会让训练脚本在遍历时多一层判断而且train/val划分必须单独做。按YOLOv8默认习惯整理成images/train、images/val、labels/train、labels/val这样一套后面所有的训练命令都不用加额外参数。from pathlib import Path import random, shutil random.seed(42) img_root Path(apple_defect/JPEGImages) lab_root Path(apple_defect/labels) out_dir Path(apple_defect_yolo) for split in (train, val): (out_dir / images / split).mkdir(parentsTrue, exist_okTrue) (out_dir / labels / split).mkdir(parentsTrue, exist_okTrue) # 收集所有图片rglob 会递归找后缀jpg/JPG/png 都带上 all_imgs sorted(list(img_root.rglob(*.jpg)) list(img_root.rglob(*.JPG)) list(img_root.rglob(*.png))) # 随机打乱后取后 15% 做验证集固定种子保证每次跑结果一致 random.shuffle(all_imgs) val_num int(len(all_imgs) * 0.15) val_imgs set(all_imgs[:val_num]) missing 0 for img_path in all_imgs: split val if img_path in val_imgs else train # 标签文件名要和图片文件名一致图片可能有多层子目录只取文件名 stem img_path.stem lab_path lab_root / f{stem}.txt if not lab_path.exists(): missing 1 continue shutil.copy2(img_path, out_dir / images / split / img_path.name) shutil.copy2(lab_path, out_dir / labels / split / lab_path.name) print(fmissing labels: {missing})这个脚本有两个细节。一是固定random.seed(42)保证你跑十次划分结果完全一样别人复现你的实验时也用同一个种子训练结果才能对得上。二是验证集比例我选了15%6970张图里验证集约1045张对评估模型已经足够训练集约5925张也不会觉得紧张。划分时最容易犯的错是按文件名顺序前80%训练后20%验证——数据集的采集常常是按批次归档的前半个压缩包的图可能是同一批果、同一个光照环境顺序切分会让验证集和训练集高度相似mAP虚高真到了产线上换一批苹果就原形毕露。随机打乱再划分虽然不能完全解决数据分布漂移但至少能避免批量相关的偏差。目录重排后还有一个必做的检查图片和标签一一对应。上面脚本里缺失标签的图我跳过并计数这些图留着只会让训练时报错。另外还要检查有没有标签文件没对应图片的孤儿txt遍历labels目录对比图片目录即可通常几十行脚本的事。4. 用 YOLOv8 在自己的 6970 张苹果缺陷图上训练从上手到看曲线4.1 写 data.yaml 时的三个注意点路径、类别顺序与对位YOLOv8 训练前需要一份data.yaml路径必须写绝对路径或相对YOLO运行目录的路径类别顺序更是生死线。很多第一次处理双格式数据集的人习惯把XML里的name顺序抄过来结果和YOLO标签txt里的数字对不上训练出来的模型预测类别全是乱的。# data.yaml path: /mnt/datasets/apple_defect_yolo train: images/train val: images/val names: 0: bruise 1: rot 2: scar 3: intact三个注意点。第一path建议写绝对路径因为训练脚本的工作目录经常变相对路径容易指向空目录而不报错。第二names的顺序必须和压缩包里classes.txt的每一行完全一致这个文件一般位于标注目录下或者解压后的根目录里。第三train和val只写相对path的子路径不要写成绝对路径拼一遍。写完后用一行命令验证配置能被正确加载yolo detect train dataapple.yaml modelyolov8n.pt epochs1 imgsz640跑一个epoch看它能不能正常读图、读标签、完成一次前向传播。这一步能暴露80%的配置问题包括标签内容为空、类别ID越界、图片后缀不被支持等全部在这一个epoch内报出来。确认没问题再跑正式训练省得训了几个小时才发现路径写错了。4.2 训练参数与损失函数怎么看epochs、batch、imgsz 和预训练权重的选择6970张图、4类别这种规模属于中小型数据集。我建议先把基线模型跑通而不是一上来就调大模型。yolo detect train \ dataapple.yaml \ modelyolov8n.pt \ epochs60 \ imgsz640 \ batch16 \ patience10 \ device0 \ seed42参数选择逻辑yolov8n.pt是轻量级预训练权重COCO上训过的特征提取层对苹果这种物体已经有不错的迁移基础跑60个epoch足够收敛。imgsz640是精度和显存消耗的平衡点苹果缺陷检测里碰伤和腐烂的框通常占画面比例不小640够了如果你的缺陷是小斑点可以试试imgsz800。batch取决于显存我一般先试16显存不够就往下降8也能训。patience10表示验证指标连续10个epoch不提升就早停省时间。seed42保证结果可复现。训练时终端会打印三个损失值box_loss、cls_loss、dfl_loss。YOLOv8的损失函数是分类损失加边界框回归损失加分布式焦点损失的组合新手不一定要看懂公式但要知道怎么看曲线趋势训练集的box_loss持续下降说明模型在收敛验证集的cls_loss如果先降后升说明开始过拟合往后基本是在记训练集。训练结束后真正要保存的不是last.pt而是best.pt它是在验证集上mAP最高的那个权重后续预测和部署都用它。预训练权重不需要手动下载。yolov8n.pt首次使用时Ultralytics会尝试自动下载到缓存目录如果网络受限先把权重文件手动放到~/.cache/ultralytics下再跑命令。下载源在国外国内服务器经常卡在这一步手动放置是最靠谱的方式。5. 苹果缺陷检测训练避坑五个让我返工的真实问题5.1 XML 尺寸与真实图片不一致转换完标签全是错位框现象训练过程loss下降正常但把预测框画到原图上框整体偏移偏移量随图片位置不同而不同。原因部分VOC数据集的XML是半自动标注工具生成的标注工具用了缩略图或经过EXIF旋转后的临时图XML里的size和图片的width、height不一致。YOLO格式是归一化坐标训练时按真实图片尺寸还原像素框两边尺寸信息对不上框自然飘。解决转换脚本里用PIL实际读取图片尺寸不要用XML里size标签的值见2.2。再写一个批量检查脚本把每张图XML里的width、height和图片真实尺寸比对不一致的文件全部打印出来单独处理。如果你的双格式数据集里已经有YOLO标签直接用txt和VOC对拍能更快地定位是哪批文件出了问题。5.2 7z 密码正确却一直解压报错先测试一遍再动手现象密码输入没错7z解压到一半报错或者直接提示Wrong password同一份压缩包在别人机器上能正常解。原因最常见的是分卷没放齐比如.7z.001到.7z.004缺了某一段工具会误报密码错误其次是密码含特殊字符时在shell里被转义-p参数收到的不是原始密码比如密码里有$或!时直接被bash吃掉了一部分。解决先跑7z t测试完整性。如果报错信息指向某个文件CRC失败优先怀疑分卷缺失或文件损坏重新下载再测。密码含特殊字符时不要在命令行直接拼-p密码改成交互式输入或者把密码写成环境变量传给脚本避免shell转义问题。在Windows上遇到同类问题多优先更新7-Zip版本旧版对某些新压缩算法支持不全也会给出误导性的密码错误。5.3 类别 ID 从 1 开始训练 mAP 直接归零现象训练能跑但验证集mAP一直为0预测结果里所有目标都被识别成同一个类别。原因VOC的XML里name是字符串转换脚本如果按遇到object的先后顺序动态给id——第一个遇到bruise就是0第二个遇到rot还是0——同一个名字在不同XML文件里拿到不同id标签彻底错乱。我见过有人写转换脚本时把VOC类别按字母排序原版的是bruise, intact, rot, scar按字母排成了bruise, intact, rot, scar还好一旦原版顺序不是字母序两个版本的id映射就对不上。解决类别映射必须由一个独立的classes.txt决定全程只读这一个文件。转换脚本里把classes.txt的所有行读进列表用{类名: 行号}生成映射表然后所有XML转换都用这张表。转换完成后随机挑10张图用OpenCV把txt标签还原成框画到图上肉眼看一遍类别和位置这一步能提前拦住大部分标签错乱问题。5.4 缺陷类实例太少recall 卡在低位上不来现象mAP50看着还行但bad类比如腐烂的召回率只有50%上下漏检集中在这一个类别上。原因6970张图是图片数不是标注框数。苹果缺陷检测数据集的缺陷类天然不均衡完好果类可能有上万个框而某个缺陷类可能只有几百个框。模型在训练时见到该类的机会太少决策边界偏保守宁可漏检也不敢误报。解决先统计每个类别在训练集里的实例数注意是按txt里的行数统计不是按图片数。行数最少的类如果不到总实例数的5%就考虑这几种手段对该类的图片做copy-paste增强把缺陷目标复制粘贴到背景图上生成额外训练样本或者把该类的损失权重调高Ultralytics里可以通过给每个类设置权重或直接增加该类的图片采样倍数来实现实在不行用训练好的模型去无标注图片上做预标注人工修正后补进训练集。我在这个坑上吃过亏第一版模型恰好漏检了最不该漏的腐烂果不是因为模型差是数据里这个类真的太少。5.5 混淆矩阵总合不唯一多数时候不是矩阵算错了现象训练完看Ultralytics输出的混淆矩阵统计所有格子的数值加起来不是100%甚至不是1怀疑矩阵计算有问题。原因YOLO验证集的混淆矩阵是按实例归一化的每一行真实类别各自和为1代表这个真实类别被预测成各个类别的比例。漏检的目标会计入背景类或者干脆不在矩阵显示范围内。因此矩阵行之间不能跨行相加全表总合不等于1是正常现象。真正要看的不是总合而是对角线上的数字——每个类别有多少比例被正确识别。解决先确认你是横向看还是纵向看。看某个缺陷类的召回率看对应行的对角线值看预测结果里某类有多少是误报看对应列的非对角线值。如果某一行除了对角线全是0说明这个类完全没有被混淆这不一定是好事可能是该类样本太少。另外验证集里如果某个类别一张都没有train和val划分不当矩阵里会出现一整行全零这时重新检查划分脚本给这个类单独按比例抽样。6. 上线前最后一步从 mAP 到真实照片的验证习惯6.1 用 predict 跑一批没参与训练的照片训练指标都是验证集上的数字验证集再随机也和训练集同源考察不了泛化能力。我习惯在完全没参与训练的照片上做一轮端到端验证尤其是背景和光照都和数据集不一样的图。yolo detect predict \ modelruns/detect/train/weights/best.pt \ source./new_apple_photos \ conf0.35 \ iou0.5 \ save_txtTrue \ save_confTruesource指向一张或多张新照片可以是手机拍的、网上下载的只要场景和你的目标场景接近就行。conf0.35比默认的0.25更严格一点这时候还能检出来的目标才是真正可信的如果发现漏检把conf降回0.25再跑一次确认是置信度阈值问题还是模型没学会这个特征。6.2 conf 与 iou 的边界以及我现在的收尾习惯conf控制的是“这个框算不算目标”商用场景里调高这个值能减少误报但会牺牲部分召回iou控制NMS去重时两个框算不算重叠默认0.5对缺陷检测够用。我现在的做法是conf在产线上通常设0.4宁可漏一些置信度低的弱缺陷也不让产线频繁误触发如果你做的是离线分级而不是实时剔除conf可以降到0.25把可疑目标全部框出来让人复检。最后说一个我踩了很多次才养成的习惯——拿到别人的数据集第一件事永远不是训练而是画框验证、类别统计、图片尺寸检查这三件套。画框验证能揪出格式转换错位类别统计让你知道哪些类其实样本不足图片尺寸检查告诉你imgsz设多少合理。这三个检查做完训练参数不需要猜跑出来的模型也大概率是稳的。希望帮到你。本文还有配套的精品资源点击获取

苹果缺陷检测数据集VOC+YOLO双格式转换与YOLOv8训练实战

相关推荐

相场法模拟应力腐蚀开裂：从物理模型到代码实现全解析

统计学第八版贾俊平课后答案：从对答案到建立统计思维的正确用法

MySQL驱动数据可视化：从表设计到查询优化的完整实战指南

更多资讯

揭秘「全民养龙虾」：2026中国OpenClaw用户及企业应用调研报告——TaoToken统一Key视角下的AI Agent落地观察

深入探索 Claude Code：当今与未来 AI 智体系统的设计空间（上）——TaoToken 统一 Key 接入 MCP 工具链

Windows 下 wsl.exe 弹窗反复出现？把 WSL 启动入口改到 TaoToken 统一通道

AI 编程工具的“黑盒”之下：Claude Code 的 CLAUDE.md 与 Agent 机制为何让 Copilot 难以企及？

国内“四只龙虾”怎么选？元气 Bot、ArkClaw、DuClaw、WorkBuddy 接入 TaoToken 实测对比

从零搭建AI对话App：IDEA+Vue3+pnpm全流程实战

今日更新

企业AI转型实战指南：从场景选择到落地避坑的完整路线图

OpenRig：本地大模型服务编排的轻量级运行时框架

夸克网盘1TB免费扩容领取全攻略：新老用户实操流程与避坑指南

本周精选

如何彻底离线使用 Laya-CoreML：Hugging Face 下载、缓存机制与 local_files_only 详解

基于1Panel 部署MySQL MCP 服务：TaoToken 统一 Key 接入与 config.toml 配置实战

崇州园区营销网站建设避坑指南：5大注意事项保备案安全

本月热门

我发现了一个新思路：用 Remotion + Claude Code 像写代码一样自动化生成短视频

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式：TaoToken 统一 Key 配置与验证

2026 大模型集体涨价：用 Python 做企业 Token 成本测算与选型避坑（附配置）

读完文章，想聊聊您的网站？