指针仪表数据集：VOC XML转YOLO与读数标定避坑

简介指针仪表数据集面向从事目标检测的开发者与研究者聚焦指针式仪表的检测与读数提取任务可用于训练模型定位表盘、指针方向与刻度读数服务于自动化抄表、能源管理、智能家居等场景适合具备一定深度学习基础、需要现成标注数据做训练与验证的读者。压缩包共785个文件、约950.3MB其中783个jpg为实拍仪表图像另有2个json文件负责标注与数据组织数据已划分训练集与测试集标注涵盖仪表位置、指针方向与度数等属性测试集用于检验模型对未见数据的泛化效果。目前已有303人学习下载。数据集规模与划分方式较为完整可直接用于搭建训练与评估流程、对比不同检测模型的效果并作为指针读数识别任务的数据基础。1. 指针仪表数据集标注成 XML 的背后是读数这件事没法直接标前段时间有人拿着一批指针式仪表的照片来找我说想要一个“拍照就能读数”的模型。我问他标签长什么样他打开文件夹train/、test/两个目录每张图配一份 Pascal VOC 的 XML。他很困惑XML 里只有表盘框和指针框没有“3.2 MPa”这样的数字这数据集到底怎么用。这个问题其实指向了指针仪表识别最容易踩的一个认知坎读数不是标注出来的类别而是一个几何量换算出来的结果。同一根指针停在 45°在量程 01.6 的表上是 0.2在量程 010 的表上是 1.25。所以正规的指针仪表数据集只标“表盘在哪、指针在哪、刻度区在哪”XML 负责把这些位置关系固化下来训练集测试集负责把泛化能力验出来读数则由下游的角度和量程映射算出来。这篇就按一份含训练集、测试集和 XML 标注的指针仪表数据集从拆标签、转格式、选路线一路讲到读数标定和避坑适合刚拿到这类数据集、准备动手训第一版模型的人。2. 拆开一份 VOC XML字段口径、类别设计与训练集/测试集划分拿到数据集先别急着写 DataLoader先把一份 XML 从头到尾读一遍。指针仪表数据集的标注质量差异极大有的标了表盘、指针、刻度三条类别有的只标一个整表框还有的把数字读数区域也框出来。搞清楚手里这份到底标了什么比调参重要得多。2.1 VOC XML 的节点结构与指针仪表场景下的实际含义Pascal VOC 的结构很固定annotation根节点下先是图像级信息再是若干个object。指针仪表场景下每个字段的落地含义如下表字段典型值在指针仪表数据集里的实际含义folder/filenameJPEGImages/IMG_0231.jpg图像目录与文件名是图文对齐的唯一键改动会导致找不到图size.width/size.height1920/1080标注时原图尺寸和磁盘上图片尺寸不一致就是错位事故size.depth3通道数灰度表盘图常见为 1读取时要注意object.namedial/pointer/scale类别名决定模型输出几类拼写必须完全一致object.difficult0/1是否为难样本评估时可选择跳过object.truncated0/1表盘被画面裁切时置 1边缘样本多的话这个字段有用bndbox.xmin/ymin/xmax/ymax412/288/1106/962框的左上右下像素坐标是最容易出错的部分真正需要盯的是bndbox。多数标注工具导出的 VOC 坐标是1-based 且 xmax/ymax 包含在框内也就是说框的实际像素跨度是xmax - xmin 1。YOLO 那套归一化坐标用的是 0-based 连续坐标直接拿xmax当右边界会带来 1 像素的系统性偏移。1920 宽度的图上 1 像素无所谓但指针这种细长目标框窄的时候 1 像素能占宽度 5%角度估计就会被带偏。我一般会在转换时统一成xmax_exclusive xmax 1把口径拉齐。类别设计上如果这份数据集只标了pointer一类那它只能支撑“找出指针”读数还得靠框内二次处理如果标了dialpointer可以做“先定位表盘、再在表盘内算角度”如果有scale刻度区或者零刻度、满刻度标记点那就能直接进标定环节。这一步决定后面走哪条路线所以务必先统计一遍类别分布。2.2 训练集/测试集怎么分才不泄漏这份数据集已经把train和test分好了但“分好了”不等于“分对了”。指针仪表数据集的采集特点决定了它极容易发生泄漏同一只表在同一个工位上连拍几十张光照、角度、背景几乎一样如果这些图被随机打散分到训练集和测试集模型只要记住这块表盘的纹理就能拿高分。判断有没有泄漏成本最低的办法是做一次图像相似度粗筛。用感知哈希或者简单的缩略图均方误差都行把训练集和测试集两两比一遍看看有没有高度相似的图对。有的话说明划分口径是按图片随机分的而不是按表型号、按拍摄场景分的。正确的划分口径是分层 分组先按表型号量程、表盘直径、刻度密度分成若干组再按拍摄条件正面、侧拍、补光、反光分层保证测试集里至少出现一种训练集没见过的表型号。这样测出来的指标才能回答“换一块表还能不能用”而不是“这块表我背下来没有”。一份健康的指针仪表数据集训练集和测试集的样本比例通常在 4:1 到 9:1 之间测试集里各类别实例数不应少于 30 个否则单类指标波动会大到没有参考价值。如果测试集只有十几张图与其纠结指标不如先补数据。提示划分前先统计每个表型号在训练集和测试集中的实例数出现“某型号只在训练集里”的情况测试指标就没有外推意义。3. XML 转训练标签一致性检查、YOLO txt 与关键点两套脚本XML 是给人看的模型吃的是张量。中间这一层转换最容易出隐性错误——不报错、不崩训练也能跑但指标就是上不去回头查半天才发现是标签错了。所以转换脚本里必须带自检。3.1 先跑一遍标注一致性检查在写任何训练代码之前先跑这个脚本把 XML 里所有能查的毛病一次性捞出来框越界、宽高为零、类别名异常、XML 与图片尺寸不符、文件名对不上。import os import glob import xml.etree.ElementTree as ET from collections import Counter from PIL import Image def audit_voc(xml_dir, img_dir): stats Counter() problems [] for xml_path in glob.glob(os.path.join(xml_dir, *.xml)): tree ET.parse(xml_path) root tree.getroot() fname root.findtext(filename) img_path os.path.join(img_dir, fname) if not os.path.exists(img_path): problems.append((missing_image, fname)) continue # 标注尺寸 vs 实际图片尺寸不一致说明图被裁过或缩放过 w int(root.findtext(size/width)) h int(root.findtext(size/height)) with Image.open(img_path) as im: real_w, real_h im.size if (w, h) ! (real_w, real_h): problems.append((size_mismatch, fname, (w, h), (real_w, real_h))) objs root.findall(object) stats[images] 1 stats[objects] len(objs) for obj in objs: name obj.findtext(name).strip() stats[fcls_{name}] 1 bb obj.find(bndbox) xmin int(float(bb.findtext(xmin))) ymin int(float(bb.findtext(ymin))) xmax int(float(bb.findtext(xmax))) ymax int(float(bb.findtext(ymax))) if xmax xmin or ymax ymin: problems.append((degenerate_box, fname, name, (xmin, ymin, xmax, ymax))) if xmin 0 or ymin 0 or xmax w or ymax h: problems.append((out_of_bound, fname, name, (xmin, ymin, xmax, ymax))) # 极端长宽比往往说明标注时拖歪了指针目标除外 bw, bh xmax - xmin 1, ymax - ymin 1 if name ! pointer and max(bw, bh) / max(1, min(bw, bh)) 8: problems.append((weird_ratio, fname, name, round(bw / bh, 2))) return stats, problems stats, problems audit_voc(dataset/train/annotations, dataset/train/images) print(类别分布:, {k: v for k, v in stats.items() if k.startswith(cls_)}) print(问题总数:, len(problems)) for p in problems[:20]: print(p)这段脚本的返回值里stats用来确认类别分布和实例总量problems是排查清单。重点看三类size_mismatch说明图像被外部工具改过而 XML 没同步这类样本必须整条剔除out_of_bound是标注时裁切到了边界外训练前要 clip 到图像范围内weird_ratio用来抓标注时手抖拖出来的畸形框指针类因为天然细长所以要排除掉。跑完这一遍问题条数应该压到 0 或者个位数剩下的手工处理。3.2 转 YOLO txt归一化、类别索引与 1 像素口径转 YOLO 格式的核心就两件事坐标归一化成中心点 宽高以及把类别名映射成从 0 开始的整数索引。索引映射表要单独存成文件训练和推理都读同一份避免今天顺序是dial, pointer明天变成pointer, dial。import os import glob import xml.etree.ElementTree as ET CLASSES [dial, pointer, scale] # 顺序一旦定下就不要改 CLS2ID {c: i for i, c in enumerate(CLASSES)} def voc_to_yolo(xml_dir, out_dir, img_dir): os.makedirs(out_dir, exist_okTrue) skipped 0 for xml_path in glob.glob(os.path.join(xml_dir, *.xml)): root ET.parse(xml_path).getroot() w int(root.findtext(size/width)) h int(root.findtext(size/height)) lines [] for obj in root.findall(object): name obj.findtext(name).strip() if name not in CLS2ID: continue # 未登记类别直接丢但要记账 bb obj.find(bndbox) # VOC 的 xmax/ymax 是闭区间且 1-based转成独占右边界 xmin float(bb.findtext(xmin)) - 1.0 ymin float(bb.findtext(ymin)) - 1.0 xmax float(bb.findtext(xmax)) ymax float(bb.findtext(ymax)) # 裁剪到图像内防止越界框把归一化坐标推成负数或大于 1 xmin, xmax max(0.0, xmin), min(float(w), xmax) ymin, ymax max(0.0, ymin), min(float(h), ymax) if xmax - xmin 2 or ymax - ymin 2: skipped 1 continue cx (xmin xmax) / 2.0 / w cy (ymin ymax) / 2.0 / h bw (xmax - xmin) / w bh (ymax - ymin) / h lines.append(f{CLS2ID[name]} {cx:.6f} {cy:.6f} {bw:.6f} {bh:.6f}) stem os.path.splitext(os.path.basename(xml_path))[0] with open(os.path.join(out_dir, stem .txt), w) as f: f.write(\n.join(lines)) print(丢弃的退化框数量:, skipped)这里有三个参数必须讲清楚。CLASSES的顺序是硬约束训练配置里的nc类别数和names必须和它对上差一个就会静默学错类。减去 1.0 是处理 1-based 到 0-based 的偏移不做这步宽高会整体偏大 1 像素。max(0.0, ...)和min(float(w), ...)的裁剪不能省越界框归一化后会出现大于 1 的坐标部分框架不报错但会把损失拉爆。至于images和labels目录的对应关系常见做法是保持同名不同后缀、放在平行目录下dataset/ ├── images/ │ ├── train/ IMG_0001.jpg ... │ └── val/ IMG_0231.jpg ... └── labels/ ├── train/ IMG_0001.txt ... └── val/ IMG_0231.txt ...跑训练前先抽查几张把 txt 里的归一化坐标反算回像素画在原图上用眼睛看框贴不贴合。这一步五分钟能省掉后面两天的“为什么 loss 不降”。血泪经验是——标签错的时候模型不会告诉你它错在哪它只会安静地学一个错的东西。3.3 关键点格式如果要做指针方向回归只做检测的话 YOLO txt 就够了但如果目标是让模型直接输出指针方向就需要关键点格式。指针仪表最常用的关键点是两个表盘中心点旋转中心大致等于dial框的几何中心和指针尖端指针远离中心的那一端。麻烦在于bndbox本身不含方向信息。一根从左下指向右上的指针和一根从右上指向左下的指针框可能完全一样。所以从纯检测标签推关键点是不可能的必须满足以下条件之一第一种数据集额外提供了指针尖端的点坐标XML 里可能有自定义的point节点或者干脆另有一份 json。这种情况直接读转成归一化的(x, y)加可见性标志。第二种数据里指针类别标得很细标注框只覆盖指针本体且足够窄这时可以用框的两个短边中点作为候选端点再结合图像判断哪一端离表盘中心更远。这种方法在指针较短、框较准时误差尚可但一旦指针被表盘刻度或反光干扰就会退化成猜。第三种也是最靠谱的用分割掩膜或者框内像素处理来求端点。这就跳出了纯标签转换的范畴进入第 4 章的路线讨论。如果你手里这份数据集只有 bndbox、没有点标注也没有掩膜我的建议是老老实实先做检测路线别硬凑关键点标签——用几何近似出来的关键点去训回归头误差上限从标注那一刻就锁死了后面怎么调都救不回来。关键点标签的 YOLO-pose 格式是每行cls cx cy w h px1 py1 v1 px2 py2 v2其中v为 0/1/2 表示不可见/遮挡/可见。转的时候注意v的语义如果表盘中心被指针根部挡住看不出来标 1 而不是 2训练时的损失权重会区别对待。4. 三条识别路线选型检测加几何、关键点回归、分割取骨架同样的 XML 数据集能走出三条完全不同的技术路线精度、标注成本、部署开销都不一样。选错路线后面补标注的成本比重新做一遍还高。4.1 路线一检测表盘和指针框内用几何求角度这是 bndbox 标注最直接的用法。模型只负责回答“表盘在哪、指针在哪”指针的朝向靠后处理算在指针框内做一次阈值分割或者 Canny 边缘检测拿到指针的像素点集再对点集做 PCA 或者最小二乘直线拟合得到一条过指针的直线。难点在旋转中心。指针绕表盘中心转但表盘框的几何中心未必就是真正的转轴——俯拍、镜头畸变、表盘偏装都会让两者有偏差。常见的修正做法是用刻度区或者多个角度的指针直线求交点同一块表在不同角度拍若干张每张拟合出一条指针直线这些直线的交点就是转轴。标定时算一次之后固定下来。import numpy as np def fit_center_from_lines(lines): lines: 若干条 (a, b, c) 形式的直线满足 ax by c 0 用最小二乘解超定方程组求交点比两两求交再平均稳 A np.array([[a, b] for a, b, c in lines], dtypenp.float64) rhs np.array([-c for a, b, c in lines], dtypenp.float64) center, *_ np.linalg.lstsq(A, rhs, rcondNone) return center # (cx, cy) 像素坐标np.linalg.lstsq比手动两两求交再取均值稳因为不同角度拍的图拟合出的直线质量不一致直接平均会被最差的那条拖偏最小二乘是全局最优。rcondNone用默认的奇异值截断阈值就行除非直线几乎平行指针只在小角度范围内摆动那种情况要显式降阈值。这条路线的好处是标注成本最低、可解释性最强每一步都能画出来给人看坏处是精度天花板由框的贴合度决定而且后处理里有一堆阈值换个光照条件就要重调。4.2 路线二关键点回归网络直接吐端点用 YOLO-pose 或者 HRNet 这类结构输入整图输出表盘中心和指针尖端两个点角度由两点连线直接算。优点是端到端、没有后处理阈值、对光照变化更鲁棒缺点是标注成本高每个实例都要精确点到像素级而且尖端这个点在小表盘、低分辨率图里本身就模糊标注者之间的一致性差。这条路线适合的场景是表盘类型少但拍摄条件多变或者对推理延迟敏感少一步后处理。如果你的数据集只有 bndbox别走这条先补点标注再说。4.3 路线三分割出指针掩膜骨架化后拟合方向标注掩膜成本最高但拿到掩膜之后角度提取会非常干净二值化 → 形态学去噪 → 骨架化 → 对骨架点做 RANSAC 直线拟合。指针被刻度线遮挡、被反光截断的情况下RANSAC 还能靠内点比例给出置信度这是前两条路线给不了的。代价是标注。一份含几千张图的指针仪表数据集如果要从 bndbox 升级到掩膜人力投入是检测标注的三到五倍。所以这条路通常用在两个场景一是精度要求极高的计量类应用二是把它当教师模型蒸馏出一个轻量的检测或关键点模型去部署。4.4 三条路线的横向对比与选型建议维度检测 几何关键点回归分割 骨架现有 bndbox 标签可用度直接可用需补点标注需补掩膜角度精度经验值中受框贴合度限制较高高光照/反光鲁棒性差依赖阈值较好好后处理复杂度高低中RANSAC推理速度快快慢可解释性强中强我的建议是按数据现状走手头这份含训练集、测试集和 XML 的数据集先按路线一跑通全流程把读数映射和评估链路搭起来拿到一版基线误差。如果基线误差满足业务要求工业表盘一般要求满量程 ±2.5% 以内就别折腾了如果不满足再评估是补点标注走路线二还是补掩膜走路线三。不要一上来就奔着最复杂的方案去很多时候误差的大头不在模型在标定和后处理。5. 避坑排查指针仪表 XML 数据集最常见的 5 个翻车点这一章是我踩过的和见别人踩过的坑里重复出现频率最高的五条。每一条都按“现象 → 原因 → 解决”写对照着查能省不少时间。5.1 验证集 mAP 0.95换一批图全错现象训练收敛得很漂亮验证集 mAP 稳定在 0.9 以上但拿现场新拍的图一测表盘都框不准。原因训练集和测试集之间发生了图像级泄漏。同一只表、同一机位连拍的图被随机分到了两边模型学到的是“这块表盘的纹理 这个背景”不是“表盘这个物体”。这是指针仪表数据集最典型的翻车方式因为工业现场的图往往是成批连拍的。解决按表型号和拍摄场景分组划分而不是按图片随机划分。做一次相似度粗筛把 pHash 汉明距离小于阈值的图对找出来强制分到同一侧。划分脚本写死随机种子保证可复现。5.2 框总是整体往外偏一点小目标尤其明显现象把转换后的标签画回原图框比目测的物体大一圈细长指针的偏差肉眼可见。原因VOC 的xmax/ymax是闭区间且坐标 1-basedYOLO 用的是 0-based 连续坐标。直接套公式不减去 1每个框的宽高都会多 1 像素。对于大表盘这 1 像素是无所谓的但对宽度可能只有十几像素的指针来说宽高偏差 1 像素就是 5%10% 的相对误差直接体现在角度估计上。解决转换时统一xmin - 1、ymin - 1xmax、ymax保持不变当作独占右边界。如果标注工具是 0-based 导出的就得反着来。这件事没有通用答案必须拿一张图手工数像素确认口径别信任何“应该是这样”。5.3 训练时报类别数不匹配或者训出来的类别顺序是乱的现象配置文件里写nc2训练报错说标签里有class 2或者训练能跑但推理时把指针识别成表盘。原因类别名映射不一致。XML 里的name可能有大小写差异Pointer和pointer、前后空格、全角半角混用转 YOLO 的时候如果用一个临时字典边转边加顺序就会随文件遍历顺序变化今天和明天不一样。解决把CLASSES列表写死在代码里作为唯一事实来源训练配置和推理配置都从它派生。转换前先跑一遍Counter统计所有出现过的name原始字符串包括空格确认没有变体。遇到未登记的类别宁可报错退出也不要静默跳过静默跳过会让你少标注一批样本还浑然不觉。5.4 标签看着没问题模型就是在某些图上表现异常现象一批特定来源的图检测框总是歪的但把 XML 打开看坐标又是对的。原因EXIF 方向信息。手机或某些工业相机拍的图带 EXIF 旋转标记PIL.Image.open读出来的size是未旋转的原始尺寸而看图软件显示的是旋转后的。如果 XML 是在旋转后的视图上标的坐标就和程序读到的像素对不上。另外size.depth1的灰度图被当成三通道读进来通道顺序也会出问题。解决加载图片时统一做ImageOps.exif_transpose把方向信息烧进像素然后对比一次size和 XML 里的width/height不一致的直接报错。灰度图转三通道用convert(RGB)不要自己拼通道。5.5 检测框都对了读数还是不准现象表盘和指针都框得挺准但算出来的读数和人工读数差了 10% 以上而且误差随指针角度变化。原因量程映射缺失或标定错误。角度到读数不是简单线性关系就完事——表盘刻度有线性刻度、对数刻度、还有带死区的旋转中心估计偏了几个像素在指针靠近中心时角度误差会被放大不同表型号的量程不一样但数据集里没有量程字段。解决给每个表型号建立标定档案零刻度角、满刻度角、量程上下限、旋转中心坐标。这些信息不在 XML 里得靠人工用两三张已知读数的图反解或者直接对着表盘刻度做几何标定。没有标定档案的指针仪表数据集只完成了“定位”这一半读数那一半还没开始。注意以上五条里5.1 和 5.5 是最容易被忽略的因为它们不会让训练报错只会让最终结果悄悄变差。6. 进阶角度到读数的映射与分档误差验收模型输出指针角度只是中间结果真正交付的是读数。这一步做不扎实前面检测再准也白搭。我一般的做法是给每个表型号建一份标定档案字段就四个theta_zero零刻度对应的指针角度、theta_full满刻度角度、v_min、v_max。角度用图像坐标系下的 atan2 算注意 y 轴向下角度增长方向和数学坐标系相反。映射本身是线性的坑在角度展开。指针从 350° 转到 10° 的时候直接相减会得到 -340°误差巨大。所以要先做 unwrap把角度序列映射到连续区间。import numpy as np def unwrap_deg(theta, ref): 把 theta 展开到 ref 附近处理跨 0/360 的情况 d (theta - ref 180.0) % 360.0 - 180.0 return ref d def angle_to_reading(theta_deg, calib): t0 calib[theta_zero] t1 unwrap_deg(calib[theta_full], t0) # 满刻度角展开到零刻度角附近 t unwrap_deg(theta_deg, t0) # 待测角同样展开 ratio (t - t0) / (t1 - t0) # 允许小于 0 或大于 1用于发现越界 return calib[v_min] ratio * (calib[v_max] - calib[v_min]) calib {theta_zero: 135.0, theta_full: 405.0, v_min: 0.0, v_max: 1.6} print(angle_to_reading(270.0, calib)) # 0.8 左右 print(angle_to_reading(10.0, calib)) # 跨零点的样本也能正确映射unwrap_deg里的180) % 360 - 180是把角度差折到(-180, 180]这是处理跨零点最省事的写法。ratio故意不 clip如果算出来是 1.3 或者 -0.2说明指针角度估计已经跑出量程范围这种样本应该被标记成异常而不是强行截断——强行截断会把系统性的角度偏差藏起来变成黑匣子。验收指标别只看 mAP那个只反映定位质量。真正要盯的是分档误差把读数误差按满量程百分比分档统计各档的样本占比。工业场景常见的验收口径是这样误差档位含义一般验收要求≤ ±1.0% FS优高精度计量场景≤ ±2.5% FS合格多数工业巡检场景≤ ±5.0% FS可用趋势判断、粗读数 ±5.0% FS不合格需查标定或重训评估时按表型号分组统计不要只看总体均值。我见过总体 MAE 只有 1.2% FS、但某个量程的表全部超差的情况被平均值掩盖了。分组之后一眼就能看出是标定档案写错了还是模型对该型号不敏感。最后说个我自己的习惯每次改完标定参数或者重训模型我都会固定抽 20 张图把原图、检测框、拟合出的指针直线、算出的读数四样画在一张图上存下来。这批图不看指标就用眼睛过一遍。指标会骗人图不会——指针直线明显歪了的时候读数误差早就藏在平均值里了。这套流程跑顺之后一份含训练集、测试集和 XML 的指针仪表数据集从解压到出第一版读数误差报告一天之内能走完。希望帮到你。本文还有配套的精品资源点击获取