挖掘机叉车工程车辆检测数据集：VOC+YOLO双格式标注与YOLOv8训练实践

简介面向智慧工地与工程车辆识别场景这份数据集提供了五千零六十七张图片的完整标注覆盖混凝土运输车、挖掘机、叉车、装载机、压路机、卡车、工人七类目标可直接用于目标检测模型的训练与验证。压缩包内共两千个文件以一千九百九十九个Pascal VOC格式的xml标注文件为主体另附一份使用说明文本整体大小三百二十一点八六兆字节便于使用者快速了解目录结构。目前已有五百八十六人学习下载。数据同时包含Pascal VOC与YOLO两种主流标注格式省去手工转换环节可无缝对接YOLO、SSD等常见检测框架。对于需要扩充工程车辆样本、开展工地安全监测或算法调优的开发者和研究人员这份资源能提供标准、统一的数据支撑减少数据准备时间提升项目迭代效率。此外标注框信息完整类别划分清晰既适合初学者学习数据标注规范也能作为生产环境下的预训练数据补充是一份兼顾易用性与实用性的数据集。1. 挖掘机叉车工程车辆检测数据集为什么我建议先核对双格式标注做施工现场安全监测的同行应该都有体会模型结构从来不是瓶颈数据才是。挖掘机叉车工程车辆检测数据集这套资源拆开 7z 之后是 5067 张 JPG配了 5067 个 VOC 格式 XML 和 5067 个 YOLO 格式 TXT覆盖混凝土运输车、挖掘机、叉车、装载机、压路机、卡车、工人这 7 个类别。它解决的核心问题不是“怎么训”而是“标注格式已替你转换好省掉自己写转换脚本和对齐坐标的活”。适合谁做工地安全帽之外第二道防线——工程车辆闯入识别、车辆类型统计的算法工程师以及刚入门目标检测、想在真实标注数据上验证训练流程的学生。我拿到这种双格式数据集第一件事永远是写脚本扫一遍 XML 和 TXT 是否一致而不是急着开训练。2. 数据集内部结构与格式VOC 和 YOLO 双标注怎么对齐才算真正可用2.1 解压后你到底拿到了什么三个同步文件组拆开这套 7z 压缩包我先不看内容直接用命令行统计文件数量。不少朋友解压完就开始配环境结果训练时发现缺标注文件回头再查压缩包浪费的时间比下载还多。7z x 挖掘机叉车工程车辆检测数据集VOCYOLO格式5067张7类别.7z -o./dataset find ./dataset -name *.jpg | wc -l find ./dataset -name *.xml | wc -l find ./dataset -name *.txt | wc -l7z x表示解压并保留目录结构-o./dataset指定输出目录注意-o后面不要跟空格。三个find命令分别统计 JPG、XML、TXT 文件数量正常结果都应该是 5067。如果某个数量少了几百一般是压缩包下载不完整或者解压过程中磁盘空间不足导致静默失败这时候别急着训练先确认文件齐全再说。这套资源的文件组织方式是每个xxx.jpg配一个同名xxx.xml和同名xxx.txt。XML 是 Pascal VOC 标准标注里面记录图片尺寸、目标类别、边界框的xmin/ymin/xmax/ymax像素坐标TXT 是 YOLO 检测格式每行一个目标依次是类别编号、归一化中心点 x、归一化中心点 y、归一化宽度 w、归一化高度 h。两者坐标体系完全不同XML 是绝对像素值TXT 是相对比例值所以拿到手必须核对两边是否真的对应。另外要提醒一句这份资源标题里写的是“VOCYOLO 格式”但注意它只有检测框的 TXT不包含 YOLO 分割格式的路径文件。如果你是想做实例分割才下载的可能会失望——它只适合目标检测和分类任务不适合直接当分割数据集用。下载前先想清楚自己要做什么避免白费功夫。我把文件类型整理成一张表方便对照文件后缀数量格式说明用途.jpg5067普通 JPEG 图片训练输入.xml5067Pascal VOC XML保留完整标注信息.txt5067YOLO 检测标注直接供 YOLO 系列使用使用前必读.txt1文本说明标注类别顺序和注意事项2.2 7 个类别的编号映射YOLO TXT 第一行数字代表什么打开使用前必读.txt类别顺序是[ConcreteTruck, Excavator, Forklift, Loader, Steamroller, Truck, Worker]。这个顺序直接决定 YOLO TXT 里每行开头的类别编号训练时的data.yaml必须和它完全一致。编号英文名中文名典型出现场景0ConcreteTruck混凝土运输车工地出入口、搅拌站1Excavator挖掘机基坑开挖、土方作业2Forklift叉车仓库、材料堆放区3Loader装载机砂石料场、道路施工4Steamroller压路机路面铺设、碾压施工5Truck卡车土方运输、渣土清运6Worker工人施工现场流动人员很多人第一次训练时习惯把自己的类别重新排序结果模型把工人识别成挖掘机这不是模型笨而是编号错位了。YOLO 系列训练时只认数字不认英文名数字一旦对应错后面所有指标都会乱。我拿到数据集后第一件事就是写脚本检查每个 TXT 里的类别编号是否超出范围import os def check_yolo_labels(label_dir, num_classes7): bad_files [] for f in os.listdir(label_dir): if not f.endswith(.txt): continue filepath os.path.join(label_dir, f) with open(filepath, r, encodingutf-8) as fp: for line in fp: parts line.strip().split() if not parts: continue cls_id int(parts[0]) if cls_id num_classes or cls_id 0: bad_files.append((f, cls_id)) if bad_files: print(发现越界类别编号:, bad_files[:10]) else: print(全部标注类别编号正常) check_yolo_labels(dataset/labels)这段脚本扫描整个 labels 目录逐行解析 TXT检查第一列的类别编号是否在 0 到 6 之间。num_classes7是固定的类别总数如果有文件的编号是 7 或负数说明标注文件损坏或者转换工具有 bug留着这种数据训练轻则 loss 异常重则训练直接崩溃。跑一遍只要几秒钟但能拦住一半以上的训练异常。2.3 VOC 和 YOLO 坐标体系差异从 xmin/ymin 到归一化 cx/cy/w/h虽然这份数据集已经帮你转换好了但训练过程中你很可能需要自己补充标注或者把别人给的 VOC 标注并进来。这时候理解坐标换算关系就非常重要。VOC 的 XML 里每个bndbox给的是xmin, ymin, xmax, ymax即目标框左上角和右下角的像素坐标。YOLO 格式需要的是归一化后的中心点坐标和宽高换算公式为import xml.etree.ElementTree as ET def voc_to_yolo(xml_file, img_width, img_height, class_id): tree ET.parse(xml_file) root tree.getroot() lines [] for obj in root.findall(object): bndbox obj.find(bndbox) xmin int(float(bndbox.find(xmin).text)) ymin int(float(bndbox.find(ymin).text)) xmax int(float(bndbox.find(xmax).text)) ymax int(float(bndbox.find(ymax).text)) cx (xmin xmax) / 2.0 / img_width cy (ymin ymax) / 2.0 / img_height w (xmax - xmin) / float(img_width) h (ymax - ymin) / float(img_height) lines.append(f{class_id} {cx:.6f} {cy:.6f} {w:.6f} {h:.6f}) return \n.join(lines)其中img_width和img_height是整张图片的宽高不是边界框的宽高。cx先算出边界框中心的像素坐标再除以图片宽度得到归一化值w是边界框宽度占图片宽度的比例。YOLO 的所有坐标都应在 0 到 1 之间如果转换结果出现负数或大于 1说明 XML 里的xmax或ymax超出了图片边界这类脏数据必须在训练前过滤否则损失函数直接变成 NaN。cx和cy保留 6 位小数就够用了训练精度已经足够没必要写更多位数。3. 从 7z 解压到跑通 YOLOv8完整训练流程的四个关键步骤3.1 Linux 和 Windows 下解压 7z工具链选择和目录整理拿到压缩包后第一步是解压但解压工具选不对后面会出一堆莫名其妙的坑。Windows 下我推荐直接用 7-Zip 官方最新版不要用国产第三方压缩软件。原因不是兼容性问题而是这套数据里有几千个 XML 小文件第三方工具解压时容易丢失文件属性或静默跳过部分文件等你训练到一半才发现缺数据排查成本极高。Linux 服务器上则使用 p7zip 命令行工具# Ubuntu / Debian 系安装 p7zip sudo apt-get install -y p7zip-full # 解压到指定目录 7z x 挖掘机叉车工程车辆检测数据集VOCYOLO格式5067张7类别.7z -o./dataset # 查看解压结果 du -sh ./dataset解压完成后我习惯先把文件归类。JPG 单独放一个目录XML 一个目录TXT 一个目录后面划分数据集时操作起来更清晰。如果在同一个目录里混着放脚本处理时要不断判断文件类型容易出错。cd ./dataset mkdir -p images xmls labels mv *.jpg images/ mv *.xml xmls/ mv *.txt labels/注意mv命令只移动当前目录下的文件如果解压后有子目录结构需要先确认文件实际位置。归类完成后再跑一次数量统计确认三个目录都是 5067 个文件这一步做完才算是真正做好了训练前的准备。3.2 数据集划分按图片切分同步移动标签文件训练 YOLO 模型之前必须把数据分成训练集和验证集。常见做法是 8:1 划分如果还需要测试集就按 8:1:1 切分。关键原则是只能按图片文件做划分然后同步移动对应的 XML 和 TXT不能把图片和标签分别随机划分否则会造成信息泄漏评估结果虚高现场部署立刻翻车。import os import random import shutil random.seed(42) image_dir images label_txt_dir labels label_xml_dir xmls train_dir yolo_dataset/train val_dir yolo_dataset/val test_dir yolo_dataset/test # 创建目录结构 for d in [train_dir, val_dir, test_dir]: os.makedirs(f{d}/images, exist_okTrue) os.makedirs(f{d}/labels, exist_okTrue) os.makedirs(f{d}/xmls, exist_okTrue) images [f for f in os.listdir(image_dir) if f.endswith(.jpg)] random.shuffle(images) train_cnt int(len(images) * 0.8) val_cnt int(len(images) * 0.9) for idx, img in enumerate(images): name os.path.splitext(img)[0] if idx train_cnt: dest train_dir elif idx val_cnt: dest val_dir else: dest test_dir shutil.copy(f{image_dir}/{img}, f{dest}/images/{img}) shutil.copy(f{label_txt_dir}/{name}.txt, f{dest}/labels/{name}.txt) shutil.copy(f{label_xml_dir}/{name}.xml, f{dest}/xmls/{name}.xml)这里random.seed(42)固定随机种子保证每次划分结果一致方便复现实验结果。train_cnt和val_cnt分别是 80% 和 90% 的边界下标前 80% 进训练集中间 10% 进验证集最后 10% 当测试集。我用复制而不是移动这样原始文件保留一份备份划分逻辑写错了随时重来不用重新解压。生产环境里强烈建议保留原始数据因为你永远不知道后面是否会需要回头重置标注。3.3 data.yaml 和训练命令YOLOv8 跑这套数据的标准配置YOLOv8 训练需要两个东西一个data.yaml描述数据和类别一个模型配置文件或预训练权重。data.yaml的写法有固定格式我直接给出这套数据对应的配置path: /home/user/dataset/yolo_dataset train: train/images val: val/images test: test/images nc: 7 names: 0: ConcreteTruck 1: Excavator 2: Forklift 3: Loader 4: Steamroller 5: Truck 6: Workerpath是数据集根目录建议写绝对路径。Windows 上如果路径含中文训练时很容易读到一半报错找不到文件最好把数据集放到纯英文路径下。train、val、test后面填的是相对于path的图片文件夹路径。YOLO 会自动去图片同级的labels目录找同名 TXT所以目录结构必须保持train/images/x.jpg对应train/labels/x.txt不能把标签文件夹放在别处。训练命令一条就够了yolo train datadata.yaml modelyolov8s.pt epochs100 imgsz640 batch16 device0解释几个关键参数modelyolov8s.pt是加载 COCO 预训练权重做迁移学习比自己从零训练收敛快得多对 5000 多张图的数据集尤其友好imgsz640是训练分辨率工程机械这类大目标 640 够用如果画面中工人占的像素很少可以改成 800 或 960代价是显存占用上升batch16根据显卡显存调整显存小的改成 8 或 4不要硬撑。如果训练中途 loss 出现 NaN第一时间检查标注文件九成是坐标越界或空 TXT。3.4 断点续训和日志监控训练中断怎么接着跑YOLOv8 训练时默认会在runs/detect/train下保存last.pt和best.pt但很多人不知道程序中断后怎么续训。直接再执行yolo train会从头开始前面的时间全部白费。正确的续训命令是yolo train datadata.yaml modelruns/detect/train/weights/last.pt epochs100注意用last.pt续训时epochs填的是总轮数不是剩余轮数这一点非常容易搞混。如果你已经跑了 40 轮想再补 60 轮应该填epochs100而不是60否则会提前停止或者多跑。ultralytics 在命令行日志里会打印当前 epoch自己心里算好再填。训练过程中还需要留意results.png里的损失曲线。正常情况下train_loss和val_loss都应该是平滑下降趋势。如果val_loss先降后升说明过拟合了提前用best.pt做推理而不是等训练跑完如果两个损失都下不去说明学习率不合适或标注噪声过大先检查数据质量再调参。4. 常见坑排查解压报错、标注错位与类别编号问题一次说清4.1 7z 解压报密码错误或 CRC 校验失败现象7z 解压到一半弹出 “Wrong password” 或者 “CRC Failed”压缩包解出来文件不全训练时缺 JPG 或 TXT。原因绝大多数情况是下载过程中文件损坏特别是用浏览器断点续传或者网盘客户端下载时容易出现字节错位。也有小概率是解压工具版本太老不支持高压缩率算法。解决先对比压缩包的 SHA-256 校验值和源站提供的是否一致对不上就重新下载。解压工具换成最新版 7-Zip 或 p7zip 16.02 以上版本。如果压缩包设置了密码建议复制粘贴而不是手动输入避免特殊字符被输入法替换成全角。解压完成后用find | wc -l确认三个数量都是 5067 再继续。4.2 训练时报错 “All labels are empty” 或图片尺寸小于输入分辨率现象训练日志里报某个 batch 没有标签或者提示Image is smaller than 640训练直接中断。原因数据集中混入了少量低分辨率图片可能来自监控截图或手机拍摄的缩略图。YOLOv8 默认开启 mosaic 增强把四张图拼接在一起如果其中一张尺寸过小拼接后目标严重变形标签计算就会出错。解决训练前写脚本过滤低分辨率图片并同步删除对应的标签文件from PIL import Image import os def filter_small_images(image_dir, label_txt_dir, min_size320): removed [] for f in os.listdir(image_dir): if not f.endswith(.jpg): continue img_path os.path.join(image_dir, f) with Image.open(img_path) as img: w, h img.size if w min_size or h min_size: name os.path.splitext(f)[0] os.remove(img_path) os.remove(os.path.join(label_txt_dir, name .txt)) removed.append(f) print(f过滤掉 {len(removed)} 张低分辨率图片: {removed[:5]}) filter_small_images(images, labels)这段脚本用 PIL 读取图片宽高低于min_size阈值的图片连同同名 TXT 一起删除。运行之前最好备份一份原始目录。如果过滤掉的图片数量超过几百张说明原始数据集里低分辨率占比高这时候应该把训练分辨率调低到 480 而不是继续删数据。少几张被删掉影响不大损失函数不再报错才是关键。4.3 类别编号错位模型把工人识别成挖掘机现象训练过程顺利损失函数正常下降但推理时把工人识别成挖掘机或者把压路机识别成装载机。原因这不是模型的问题而是data.yaml里的类别顺序和 TXT 标注里的编号不一致。比如你在标注工具里看到的类别顺序是“挖掘机、工人、叉车”但 TXT 里的编号是“0 挖掘机、6 工人”模型训练时会把编号 6 的工人学到“挖掘机”的位置上。解决先用 2.2 节的校验脚本检查所有 TXT 的类别编号最大值确认没有越界。然后把data.yaml的names列表和使用前必读.txt里的类别顺序逐一对照。这里要提醒的是不要以为用 labelImg 打过标就高枕无忧labelImg 的 classes.txt 顺序和最终训练用的顺序必须完全一致稍不留神就会错位。最好在训练前打印几个 TXT 的前几行人工确认一下数字和类别名对应关系这一步比任何调参都重要。4.4 标签文件里出现空 TXT造成静默漏检现象数据检查脚本发现某些图片的 TXT 是空文件或者 XML 和 JPG 数量一致但 TXT 数量少了一些。原因原始标注工具可能漏导出部分文件或者转换脚本遇到文件名中包含空格、特殊字符时跳过了。空心 TXT 不报错但图片没有标签训练时被当作背景模型就会漏检该图片里的目标。解决用集合做三向对齐检查import os def check_alignment(image_dir, label_dir): imgs {os.path.splitext(f)[0] for f in os.listdir(image_dir) if f.endswith(.jpg)} labels {os.path.splitext(f)[0] for f in os.listdir(label_dir) if f.endswith(.txt)} missing imgs - labels extra labels - imgs print(f缺标注的图片: {len(missing)}) print(f无图片的标注: {len(extra)}) if missing: print(示例:, list(missing)[:5]) check_alignment(images, labels)集合差集运算能快速找出缺标签的图片名。对缺标注的图片要么人工补标要么直接删除图片。对无图片的 TXT多半是源图被删了但标签没删留着会影响 dataloader 的文件对齐直接删掉。如果缺失量只有几十张删除对整体影响不大如果超过三百张建议重新下载压缩包对比文件完整性。4.5 导出 ONNX 后推理结果全乱预处理不一致的典型翻车现象PyTorch 训练时验证效果正常导出 ONNX 后用 ONNX Runtime 部署检测框偏移或者类别全错。原因训练时 YOLO 做了 letterbox 缩放和归一化但推理代码里没有做相同处理。最常见的错误是填充比例对不上、BGR 和 RGB 通道顺序颠倒、没有除以 255。这三个问题任何一个都会导致结果全乱而且难以排查。解决导出命令加上固定参数yolo export modelbest.pt formatonnx opset12 imgsz640推理时不要自己手写 resize直接用 ultralytics 的YOLO类加载 ONNX。如果必须手写预处理记住三件事输入色彩空间转成 RGB像素值除以 255 归一化letterbox 填充值用 114。这三条是 ONNX 部署最常见的坑缺一个结果就乱。每次部署完先用一张训练过的原图做冒烟测试确认检测框位置正常再接入业务系统。5. 数据质量与调优思路7 类工程车辆标注里的边界情况5.1 类别分布不均衡先统计框数量再谈训练策略拿到这套数据后第一个要做的不是直接训练而是统计每个类别的标注框数量。施工现场场景天然存在不均衡问题混凝土运输车和卡车常年在工地出入口出现样本量通常远大于压路机和叉车。如果不做任何处理模型会偏向高频类别导致低频类别漏检严重。统计方法很简单遍历所有 TXT 文件统计每行第一个数字的出现次数。如果最大类和最小类的数量差距超过 10 倍就需要采取干预措施。常见做法有三种第一对少量类别做复制粘贴增强把该目标的标注框连同像素抠出来随机粘贴到其他背景图上第二在损失函数里给少量类别更高的分类权重第三对多类别做欠采样。我个人更推荐前两种组合使用欠采样会浪费大量数据对于只有 5067 张图的数据集不太划算。训练后还要看各类别的 AP 值是否均衡。如果发现某个类别的 AP 明显低于整体平均说明它要么是样本少要么是标注质量差。这时候不要急着加数据先抽二十张该类别的图看标注有没有问题很多情况下是漏标和错标造成的。5.2 小目标检测“Worker”这一类为什么容易漏“Worker”是 7 个类别里唯一的人类目标也是检测难度最高的一个。在 640 分辨率下一个站在挖掘机旁边的工人可能只有二三十个像素高经过 YOLOv8 骨干网络的多次下采样后这个目标在深层特征图上只剩下一两个像素信息量严重不足。针对小目标问题三种做法按性价比排序。第一训练分辨率从 640 提到 960工人目标像素面积接近翻倍代价是训练速度变慢和显存占用升高第二开启多尺度训练ultralytics 里设置mosaic1.0和scale0.5让模型在训练过程中看到各种尺寸的目标第三把工人目标单独抠出来做增强随机复制到其他图片上变相增加小目标样本数量。我不推荐为了小目标直接换大模型。从yolov8s换到yolov8x参数量提升十倍但小目标检测提升有限反而训练时间大幅增加。工程车辆检测场景里提分辨率永远是最直接的方案。如果你的显存不够吃不满高分率那就集中在画面下采样次数最少的特征层上做检测头增强但这属于进阶玩法新手先把分辨率提上去就行。5.3 相似类别混淆叉车/装载机、卡车/混凝土运输车的后处理兜底叉车和装载机在二维图像里确实难分车身结构相似都有前臂和货叉尤其是侧视角下连人眼都容易看错。卡车和混凝土运输车同理混凝土运输车本质上就是带罐体的卡车。这种情况下光靠网络结构很难进一步压榨精度需要引入先验知识做后处理。我的做法是在推理代码里加规则当两个相似类别的置信度都超过 0.3 时根据检测框的长宽比做二次判断。装载机的铲斗通常更大框整体更宽叉车的货叉细长框的长宽比更极端。用这个规则做兜底能救回一部分误判但不建议把阈值设得太高否则会把正确检测的框也改掉。还有一个更简单的调参与 Limiter把 NMS 的 IoU 阈值从默认的 0.45 调低到 0.3减少两个相近类别框之间的互相抑制。视觉上会保留更多冗余框但至少不会漏掉真实目标。后处理规则属于工程技巧不影响训练过程可以在模型迭代时保持稳定等换了一版更强的模型后再评估是否还需要保留。5.4 标注质量抽检数据集的隐藏边界双格式数据集最容易被忽略的问题是标注噪声。VOC 和 YOLO 的转换是自动的但原始标注如果是人工标的难免存在框偏大、框偏小、漏标、错标。尤其“工人”这个类别小目标加遮挡标注最容易出问题。我习惯用训练好的best.pt对训练集做一次回灌推理把预测框和真实标注框的 IoU 小于 0.5 的图片批量抽出来人工看一遍。这个操作听起来很玄学但实际操作中总能发现一批漏标样本。比如某张图上明明有三台挖掘机标注只框了一台模型因为“多学”了这个目标验证集的 Precision 反而下降。把这些漏标样本补上后指标通常立刻回升。数据集的价值不只是数量标注准确率同样重要。6. 验证数据集的最后一步可视化标注与混淆矩阵交叉检查数据集能不能真用不是看文件数量而是看标注是否贴合训练需求。我每次拿到新数据集都强制自己走两遍验证第一遍是可视化画框第二遍是训练后检查混淆矩阵。可视化验证用 OpenCV 在图片上画框把 VOC 和 YOLO 各画一遍import cv2 import xml.etree.ElementTree as ET img cv2.imread(images/firc_pic_101.jpg) tree ET.parse(xmls/firc_pic_101.xml) for obj in tree.getroot().findall(object): box obj.find(bndbox) x1 int(box.find(xmin).text) y1 int(box.find(ymin).text) x2 int(box.find(xmax).text) y2 int(box.find(ymax).text) cv2.rectangle(img, (x1, y1), (x2, y2), (0, 255, 0), 2) cv2.putText(img, obj.find(name).text, (x1, y1 - 5), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 255, 0), 2) cv2.imwrite(check_voc.jpg, img)这段代码读取 XML 的边界框在原图上画绿框并标注类别名。跑完随机抽几十张图肉眼确认框的位置是否贴合目标边缘尤其注意有没有框偏移半个车身的情况。再用同样思路读取 TXT 画一遍 YOLO 框两张输出图理论上应该完全重合如果有对不上的说明格式转换存在隐蔽问题必须回到坐标换算逻辑排查。训练结束后打开runs/detect/train目录下的confusion_matrix.png和results.png重点看混淆矩阵对角线的亮度。对角线越亮说明各类别区分得越好。如果发现 Forklift 被大量识别成 Loader说明这两类需要做针对性增强而不是盲目调学习率。我自己有个习惯把可视化脚本固定命名为check_data.py放在项目根目录每次换新数据集或更新标注后先跑一遍这个脚本再开训练。这个习惯帮我挡掉过很多次因为标注错位导致的无效迭代。这套挖掘机叉车工程车辆检测数据集我验证下来格式完整、坐标对齐可以放心拿去跑 YOLOv8 训练。希望这篇拆解能帮你在处理双格式数据集时少走几步弯路也欢迎在实际复现时对照这份流程自查祝训练顺利。希望帮到你。本文还有配套的精品资源点击获取