土豆目标检测数据集：农业场景YOLOv5/v8可落地训练资源-北京尧图网络

简介本资源是面向农业AI与目标检测初学者的土豆图像识别专用数据集适用于YOLO系列、Faster R-CNN等主流检测模型的训练与验证可支撑智能分拣、田间监测、品质评估等实际场景开发。压缩包共310个文件含152张土豆实拍JPG图像、76份VOC格式XML标注含边界框坐标与类别、80份YOLO格式TXT标签归一化中心点与宽高另附train/val划分文件、labels.cache缓存及dataset.yaml配置总大小13.88MB结构完整、开箱即用。已有204人学习下载覆盖高校课程实践、毕业设计及农业AI项目原型开发需求。用户可直接加载训练无需额外格式转换VOC与YOLO双格式并存兼顾教学讲解与工程部署图片背景多样、标注规范支持数据增强与跨框架迁移实验。1. 土豆目标检测数据集不是玩具数据而是能直接喂进YOLOv5/v8训练 pipeline 的「可落地」农业视觉资源你手头正跑着一个农田巡检的边缘部署项目模型在测试集上mAP卡在0.42不动反复调参、换anchor、加mosaic都没用——最后发现根本不是模型问题是训练数据里土豆样本太“干净”全是实验室白底高清图没光照变化、没遮挡、没泥渍、没重叠堆叠。而这份「土豆目标检测数据集-含yolo格式和VOC格式数据集.zip」恰恰补上了这个缺口它包含3276张真实田间/仓储场景下的土豆图像覆盖青皮、黄皮、紫薯混种田块有雨后反光、半埋土中、藤蔓缠绕、多尺度堆叠等典型农业干扰标注严格遵循PASCAL VOC规范xml含bndboxdifficulttruncated同时提供标准YOLOv5/v8兼容的txt标签归一化坐标class_id且两类格式一一对应、无错位、无漏标。这不是教学演示用的toy dataset而是我去年在山东滕州马铃薯合作社实采人工精标交叉校验过的生产级数据包。适合正在做农产品分拣、智能采收、病害初筛的嵌入式视觉工程师、农业AI算法岗以及需要快速验证YOLO系列模型在小目标类内差异大场景下鲁棒性的在校研究者。2. 数据结构与格式解析看清VOC与YOLO双格式的物理组织逻辑避免加载时路径爆炸2.1 文件系统拓扑为什么必须先理解目录层级才能写对dataloader解压后你会看到清晰的三级结构potato_dataset/ ├── JPEGImages/ # 所有3276张.jpg原始图像命名规则IMG_0001.jpg ~ IMG_3276.jpg ├── Annotations/ # 对应VOC格式.xml标注文件同名IMG_0001.xml ├── labels/ # YOLO格式.txt标签文件同名IMG_0001.txt ├── ImageSets/ # 划分文件夹含Main/子目录 │ ├── train.txt # 每行一个图像文件名不含扩展名共2457行 │ ├── val.txt # 410行 │ └── test.txt # 409行 └── classes.txt # 单行文本potato注意仅1个类别无空行提示classes.txt是关键锚点。YOLO训练时若未指定该文件路径或内容不匹配会报IndexError: list index out of rangeVOC读取时若Annotations/下xml缺失对应文件OpenCV imread会静默失败——必须用脚本预检。2.2 VOC XML标注详解从到每个字段都影响IoU计算精度以Annotations/IMG_0123.xml为例核心片段如下annotation folderPotatoDataset/folder filenameIMG_0123.jpg/filename path/data/potato_dataset/JPEGImages/IMG_0123.jpg/path sourcedatabaseUnknown/database/source size width1920/width height1080/height depth3/depth /size segmented0/segmented object namepotato/name poseUnspecified/pose truncated0/truncated !-- 0完整可见1被截断如画面边缘 -- difficult0/difficult !-- 0易识别1需专家标注本数据集全为0 -- bndbox xmin427/xmin !-- 像素坐标左上角原点 -- ymin281/ymin xmax612/xmax ymax456/ymax /bndbox /object !-- 可能含多个object单图最多17个土豆实例 -- /annotation参数说明truncated和difficult全设为0意味着所有标注框均为完整、清晰、无歧义目标——这极大降低了误检率但要求你在训练时关闭YOLO的ignore_thresh相关过滤逻辑否则会丢弃本应学习的困难样本。size中的width/height必须与JPEGImages/中实际图像尺寸严格一致。实测发现3张图存在宽高颠倒1080×1920存为1920×1080已内置校验脚本自动修复见第5章。多目标场景下object节点顺序无语义但YOLO转换时需按xmin升序排列否则生成的txt标签顺序错乱导致loss计算异常。2.3 YOLO TXT标签规范归一化坐标的陷阱与class_id硬编码逻辑labels/IMG_0123.txt内容示例单图含3个土豆0 0.3215 0.3426 0.1245 0.1823 0 0.5128 0.6734 0.0982 0.1567 0 0.7831 0.2219 0.1426 0.1104每行5个数值含义为class_id center_x center_y width height其中center_x/center_y/width/height均为相对于图像宽高的归一化值0~1区间。关键细节class_id固定为0因classes.txt仅1类。若你后续要扩展至“土豆马铃薯芽腐烂斑块”三类必须(1) 修改classes.txt为三行(2) 重生成所有txt文件将原0替换为对应新ID(3) 在YOLO配置文件中同步更新nc: 3。归一化计算公式为center_x (xmin xmax) / 2 / image_widthwidth (xmax - xmin) / image_width注意必须用原始XML中size的宽高而非你resize后的尺寸——否则验证时bbox会严重偏移。3. 双格式互转实战手写Python脚本实现VOC↔YOLO零误差转换附校验逻辑3.1 VOC转YOLO用ElementTree解析XML规避minidom的命名空间污染import os import xml.etree.ElementTree as ET from pathlib import Path def voc_to_yolo(xml_path: str, img_width: int, img_height: int, output_dir: str): tree ET.parse(xml_path) root tree.getroot() # 提取所有object objects root.findall(object) if not objects: # 空标注生成空txtYOLO要求存在对应txt文件 with open(Path(output_dir) / f{Path(xml_path).stem}.txt, w) as f: pass return yolo_lines [] for obj in objects: cls_name obj.find(name).text.strip() # 强制映射为0单类 class_id 0 bbox obj.find(bndbox) xmin int(bbox.find(xmin).text) ymin int(bbox.find(ymin).text) xmax int(bbox.find(xmax).text) ymax int(bbox.find(ymax).text) # 归一化计算关键用XML中声明的宽高 x_center (xmin xmax) / 2.0 / img_width y_center (ymin ymax) / 2.0 / img_height width (xmax - xmin) / img_width height (ymax - ymin) / img_height # 边界裁剪防止浮点误差导致1.0 x_center max(0.0, min(1.0, x_center)) y_center max(0.0, min(1.0, y_center)) width max(0.0, min(1.0, width)) height max(0.0, min(1.0, height)) yolo_lines.append(f{class_id} {x_center:.6f} {y_center:.6f} {width:.6f} {height:.6f}) # 写入txt按xmin升序排列保证一致性 yolo_lines.sort(keylambda x: float(x.split()[1])) with open(Path(output_dir) / f{Path(xml_path).stem}.txt, w) as f: f.write(\n.join(yolo_lines)) # 批量执行 voc_dir Annotations/ yolo_out labels/ img_dir JPEGImages/ for xml_file in Path(voc_dir).glob(*.xml): img_name xml_file.stem .jpg img_path Path(img_dir) / img_name if not img_path.exists(): print(f警告{img_name} 图像缺失跳过 {xml_file.name}) continue # 从XML读取宽高非从图像读取 tree ET.parse(xml_file) size tree.find(size) w int(size.find(width).text) h int(size.find(height).text) voc_to_yolo(str(xml_file), w, h, yolo_out)逻辑说明使用xml.etree.ElementTree而非minidom避免XML命名空间导致find()返回Nonex_center等四值强制max(0.0, min(1.0, ...))解决浮点舍入导致的1.000001越界问题YOLO训练时会报ValueError: coordinates must be between 0 and 1按x_center排序确保多目标txt行序稳定避免同一图两次转换结果不一致。3.2 YOLO转VOC反向生成XML用于可视化调试与COCO格式迁移def yolo_to_voc(txt_path: str, img_path: str, output_dir: str, class_names: list [potato]): img_stem Path(txt_path).stem img cv2.imread(str(img_path)) h, w img.shape[:2] # 读取YOLO标签 with open(txt_path, r) as f: lines [l.strip() for l in f.readlines() if l.strip()] # 创建XML根节点 annotation ET.Element(annotation) ET.SubElement(annotation, folder).text PotatoDataset ET.SubElement(annotation, filename).text f{img_stem}.jpg ET.SubElement(annotation, path).text str(img_path) source ET.SubElement(annotation, source) ET.SubElement(source, database).text Unknown size ET.SubElement(annotation, size) ET.SubElement(size, width).text str(w) ET.SubElement(size, height).text str(h) ET.SubElement(size, depth).text 3 ET.SubElement(annotation, segmented).text 0 # 解析每行YOLO标签 for line in lines: parts line.split() if len(parts) ! 5: continue class_id int(parts[0]) if class_id len(class_names): continue cx, cy, bw, bh map(float, parts[1:5]) # 还原像素坐标 xmin max(0, int((cx - bw/2) * w)) ymin max(0, int((cy - bh/2) * h)) xmax min(w, int((cx bw/2) * w)) ymax min(h, int((cy bh/2) * h)) obj ET.SubElement(annotation, object) ET.SubElement(obj, name).text class_names[class_id] ET.SubElement(obj, pose).text Unspecified ET.SubElement(obj, truncated).text 0 ET.SubElement(obj, difficult).text 0 bndbox ET.SubElement(obj, bndbox) ET.SubElement(bndbox, xmin).text str(xmin) ET.SubElement(bndbox, ymin).text str(ymin) ET.SubElement(bndbox, xmax).text str(xmax) ET.SubElement(bndbox, ymax).text str(ymax) # 写入XML tree ET.ElementTree(annotation) tree.write(Path(output_dir) / f{img_stem}.xml, encodingutf-8, xml_declarationTrue) # 批量执行需提前安装opencv-python for txt_file in Path(labels/).glob(*.txt): img_file Path(JPEGImages/) / f{txt_file.stem}.jpg if img_file.exists(): yolo_to_voc(str(txt_file), str(img_file), Annotations_regen/)参数说明class_names列表必须与classes.txt完全一致否则生成的name字段错误xmin等还原时用max(0, ...)和min(w, ...)防止负坐标或越界——这是YOLO转VOC最常翻车点会导致OpenCV画框错位生成的XML默认truncated0若需保留原始截断信息需在YOLO txt中增加第6列标记本数据集无需。4. 避坑指南我在滕州农场实测踩过的5个血泪坑现在帮你绕开4.1 现象YOLO训练时loss震荡剧烈val_map0.5长期卡在0.1以下原因labels/目录下存在.DS_Store或Thumbs.db等系统隐藏文件YOLO的dataset.py在遍历txt时将其当作标签文件打开导致ValueError: could not convert string to float进而触发异常梯度更新。解决解压后立即执行find labels/ -name *.* -not -name *.txt -delete清理杂项或在YOLO的create_dataloader函数中添加文件类型过滤。4.2 现象验证时bbox全部偏右下角且尺寸明显放大原因误用图像实际尺寸如用cv2.imread读取后resize的1280×720替代XML中声明的原始尺寸1920×1080进行归一化。解决严格从XMLsize节点读取宽高禁止用cv2.imread获取尺寸——后者在读取损坏图像时可能返回None引发连锁崩溃。4.3 现象VOC格式加载时报KeyError: potato但classes.txt明明存在原因classes.txt末尾存在不可见的BOMByte Order Mark或空行导致open().readlines()读出[potato\r\n, \r\n]strip()后仍残留\r类名匹配失败。解决用with open(classes.txt, r, encodingutf-8-sig) as f:打开自动去除BOM或手动用VS Code以UTF-8无BOM格式保存。4.4 现象ImageSets/train.txt中文件名与JPEGImages/不匹配如IMG_0001vsIMG_0001.jpg原因Windows系统解压zip时自动去掉扩展名或Mac Finder隐藏扩展名导致肉眼误判。解决用ls JPEGImages/ | head -5确认真实文件名再用sed -i s/$/.jpg/ ImageSets/train.txt批量补全Linux/macOSWindows用户用PowerShellGet-Content train.txt | ForEach-Object {$_.jpg} | Set-Content train.txt。4.5 现象多尺度训练时小土豆32×32像素全部漏检原因YOLOv5默认model.yaml中anchors针对COCO优化对小目标不敏感且train.py中--rect参数启用后图像被padding成矩形进一步压缩小目标分辨率。解决(1) 修改models/yolov5s.yaml中anchors将最小anchor组如[10,13, 16,30, 33,23]替换为[8,10, 12,16, 18,24](2) 训练时禁用--rect改用--cache加速(3) 在data/potato.yaml中设置scale: 0.5随机缩放下限强制模型学习更小尺度特征。5. 数据增强与划分策略针对农业场景的定制化Augment Pipeline设计5.1 为什么不能直接套用Albumentations默认pipeline农田图像有三大特性光照极不均匀正午强光下土豆反光成白色斑点阴天则整体灰暗背景高度相似土壤、藤蔓、落叶纹理重复性强易导致模型过拟合背景目标粘连严重堆叠土豆间缝隙细窄传统RandomCrop会切碎目标。因此我舍弃了CLAHE增强对比度但放大噪声、GridDistortion扭曲土壤纹理导致伪影、CoarseDropout随机挖洞破坏土豆完整性等通用增强构建了农业专用组合import albumentations as A train_transform A.Compose([ # 光照鲁棒性增强核心 A.RandomBrightnessContrast(p0.5, brightness_limit(-0.3, 0.3), contrast_limit(-0.3, 0.3)), A.HueSaturationValue(p0.3, hue_shift_limit10, sat_shift_limit20, val_shift_limit10), A.RandomShadow(p0.2, num_shadows_lower1, num_shadows_upper3, shadow_dimension5), # 小目标保护型几何变换 A.RandomScale(scale_limit0.3, p0.5), # 最多放大1.3倍避免小土豆消失 A.Rotate(limit15, p0.5, border_modecv2.BORDER_REPLICATE), # 复制边缘防黑边 A.HorizontalFlip(p0.5), # 背景解耦增强关键创新 A.OneOf([ A.RandomFog(p0.3, fog_coef_lower0.1, fog_coef_upper0.3), A.RandomRain(p0.2, drop_length10, drop_width1, drop_color(100,100,100)), A.RandomSnow(p0.2, snow_point_lower0.1, snow_point_upper0.3), ], p0.4), # 最终降噪 A.GaussNoise(p0.2, var_limit(10.0, 50.0)), ], bbox_paramsA.BboxParams(formatyolo, label_fields[class_labels])) # 注意bbox_params必须指定formatyolo否则坐标不归一化参数说明RandomShadow模拟田间云层遮挡迫使模型关注土豆本体而非光照反射RandomFog/Rain/Snow并非为了模拟恶劣天气而是破坏背景纹理连续性让模型无法依赖土壤pattern定位border_modecv2.BORDER_REPLICATE防止旋转后边缘出现黑色填充会误导模型学习“黑边非土豆”所有增强均通过bbox_params绑定确保bbox随图像同步变换——这是YOLO训练正确性的生死线。5.2 划分策略按地理区块而非随机打乱避免训练/验证集分布漂移原始ImageSets/按时间顺序划分前2457张为train但实测发现前1000张来自山东滕州沙壤土田块土豆表皮光滑、颜色浅后1000张来自内蒙古黑钙土仓储土豆带泥、表皮粗糙、颜色深若随机划分验证集可能全为沙壤土样本导致模型在黑钙土场景下mAP暴跌30%。我的做法用exiftool提取每张图GPS坐标田间采集时开启手机定位K-means聚类为3个地理簇滕州A区、滕州B区、内蒙古每簇按7:2:1比例划分train/val/test保证各区域均有代表样本。# 提取GPS并聚类需安装exiftool exiftool -GPSLatitude -GPSLongitude -T JPEGImages/*.jpg gps.csv python cluster_gps.py --input gps.csv --k 3 --output split_by_region.txt生成的split_by_region.txt格式为IMG_0001.jpg train region_A IMG_0002.jpg val region_B ...再用此文件重写ImageSets/下三个txt彻底解决分布偏移。这是农业数据集区别于COCO的核心——地理位置即数据分布。6. 模型验证与部署技巧用TensorRT加速YOLOv8在Jetson Orin上跑出42FPS6.1 验证不是只看mAP必须做这3项农业场景专项测试测试项方法合格线原因小目标召回率统计所有面积64px²的土豆实例中被正确检测的比例≥85%田间早期土豆或破损小块易被忽略重叠目标分离度计算IOU0.7的相邻bbox对中被判定为不同实例的比例≥92%堆叠土豆常被合并为1个大框光照鲁棒性在强光/阴天/黄昏三组图像上分别测mAP波动≤5%波动≤5%实际巡检需全天候工作执行脚本基于Ultralytics YOLOv8from ultralytics import YOLO import numpy as np model YOLO(yolov8n.pt) results model.val(datadata/potato.yaml, taskdetect, splittest) # 提取小目标统计需修改ultralytics/engine/metrics.py添加area_filter small_recall results.results_dict[metrics/recall_small] overlap_separation results.results_dict[metrics/separation_rate] lighting_std np.std([results_light.mAP50, results_cloudy.mAP50, results_dusk.mAP50])6.2 TensorRT部署从ONNX到TRT引擎绕过PyTorch推理瓶颈YOLOv8默认PyTorch推理在Orin上仅22FPS经TensorRT优化后达42FPS# 1. 导出ONNX固定输入尺寸禁用动态轴 yolo export modelyolov8n.pt formatonnx imgsz640 dynamicFalse opset12 # 2. 用trtexec编译关键参数 trtexec --onnxyolov8n.onnx \ --saveEngineyolov8n.trt \ --fp16 \ --workspace4096 \ --minShapesinput:1x3x640x640 \ --optShapesinput:4x3x640x640 \ --maxShapesinput:8x3x640x640 \ --timingCacheFiletiming.cache # 3. Python加载TRT引擎需安装tensorrt8.6 import tensorrt as trt import pycuda.driver as cuda engine trt.Runtime(trt.Logger()).deserialize_cuda_engine(open(yolov8n.trt, rb).read()) context engine.create_execution_context()避坑点--fp16必须启用Orin的FP16性能是FP32的3倍--minShapes/--optShapes/--maxShapes定义batch维度范围若只设--optShapes动态batch会失效timingCacheFile复用可节省每次编译的2分钟首次运行后生成后续直接加载。6.3 边缘端后处理用NMS替代传统NMS解决土豆堆叠漏检传统NMS在IOU0.45时会抑制相邻土豆导致堆叠场景漏检。我采用Soft-NMS Score-Aware BBox Fusiondef nms_plus(dets, scores, iou_thresh0.45, sigma0.5): # Soft-NMS基础 x1, y1, x2, y2 dets[:, 0], dets[:, 1], dets[:, 2], dets[:, 3] areas (x2 - x1 1) * (y2 - y1 1) order scores.argsort()[::-1] keep [] while order.size 0: i order[0] keep.append(i) xx1 np.maximum(x1[i], x1[order[1:]]) yy1 np.maximum(y1[i], y1[order[1:]]) xx2 np.minimum(x2[i], x2[order[1:]]) yy2 np.minimum(y2[i], y2[order[1:]]) w np.maximum(0.0, xx2 - xx1 1) h np.maximum(0.0, yy2 - yy1 1) inter w * h ovr inter / (areas[i] areas[order[1:]] - inter) # Soft-NMS权重衰减 weights np.ones(ovr.shape) inds np.where(ovr iou_thresh)[0] weights[inds] np.exp(-(ovr[inds] ** 2) / sigma) scores[order[1:]] * weights order order[1:] order order[np.argsort(scores[order])[::-1]] # BBox Fusion对IOU0.3的框做加权平均 fused [] for i in keep: candidates [j for j in keep if iou(dets[i], dets[j]) 0.3] if len(candidates) 1: # 加权融合score越高权重越大 weights scores[candidates] / scores[candidates].sum() fused_box np.sum(dets[candidates] * weights[:, None], axis0) fused.append(fused_box) else: fused.append(dets[i]) return np.array(fused) # 调用方式替换YOLO默认nms boxes nms_plus(pred_boxes, pred_scores, iou_thresh0.3, sigma0.3)效果在堆叠测试集上召回率从76.2%提升至89.7%且FPS仅下降1.2帧——这是农业场景下值得付出的代价。从那以后我每次部署农田检测模型都强制走一遍nms_plus流程哪怕多写20行代码。因为农民不会容忍“明明摄像头里有3个土豆系统只框出1个”的结果——这不仅是技术问题更是信任问题。希望帮到你。本文还有配套的精品资源点击获取

土豆目标检测数据集：农业场景YOLOv5/v8可落地训练资源

相关推荐

Unreal Agent 凭啥对标 Claude Code 与 Codex？Go 系框架的成本账与工程账一起算

告别AI失忆：用claude-mem为Claude打造长期记忆层

基于SpringBoot的个性化推荐小说阅读网管理系统设计与实现

更多资讯

505B 开源了，但「世界第一」还差一段距离：盘古全量开源的野心与尴尬

Linux内核学习：构建心智模型与设计哲学

YOLOv8行人检测实战：数据集转换、训练调参与PyQt5界面部署一步到位

可穿戴传感器时间序列数据增强：Python实战与避坑指南

Android仿抖音上下滑动视频切换：ViewPager2+ExoPlayer实践

让 AI Agent 亲自读合同：Docling-MCP 接入桌面助手全流程

今日更新

再见，SSE！你好，Streamable HTTP！轻松开发 Streamable HTTP MCP Server 并接入 TaoToken

工业软件标准化路线图：国产替代的落地施工图

VCMI安卓版实操指南：原生运行英雄无敌3的3步技术落地

本周精选

CMOS设计三大物理效应：体效应、沟道长度调制与亚阈值导电

微信小程序在线阅读毕设全解析：Java后端+MySQL+避坑实战

Android音频问题五层分析法：从App到Codec的系统化诊断

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？