简介面向YOLO目标检测场景的植物盆栽检测数据集内容从COCO2017数据集中专门抽取potted plant类别共4624张标注图像可用于盆栽植物检测模型训练、算法调试与效果验证也适合部署到智能园艺、室内植物识别等实际项目。压缩包约719.32MB解压后共13873个文件含4624张jpg原图、4624个xml标注文件、4625个txt标注文件xml标注兼容VOC工具链txt标注可被YOLO系列原生读取双格式并存让数据能接入多种训练流程省去手工格式转换。目前已有181人学习浏览数据集标签与图像同名一一对应目录结构简洁直接解压即可使用。由于源自COCO2017权威标注图像场景和遮挡情况多样质量有保障无论是初学者快速搭建第一个检测模型还是研究者用固定数据基准评估不同网络结构都能获得稳定可靠的训练样本。1. 植物盆栽检测数据集 4600 张这个数据集到底能干什么做室内绿植盘点或者苗圃巡检的时候最卡人的不是模型选择而是带标注的数据从哪来。“植物盆栽检测数据集4600 数据”指的就是这样一份资源4600 张真实场景下的盆栽图像配上目标检测框和类别标签让人能直接训练出一个“框出哪一盆是什么植物”的检测器。这个数据量放在目标检测里不算大——车辆检测数据集 BDD100K 动辄十万张但植物盆栽这种细分场景本来样本就难凑4600 张足够把第一版模型做到验收线。适合它的读者是两类人一是要做室内绿化盘点、智慧养护的工程同学二是刚入门检测、想找个领域数据练手的算法新人。但说实话盆栽检测比想象中容易翻车背景杂、叶片和花盆边界黏连、光照忽明忽暗真不是跑通一个开源模型就完事的事。下面按我自己的处理流程把这条线走一遍数据怎么检查、格式怎么统一、训练参数怎么定、哪些坑最容易踩。2. 数据集的构成与格式4600张怎么组织才是训练能用的形态2.1 4600 张在这个细分场景里是什么量级目标检测数据集有个现实规律公开大基准往往覆盖通用物体而垂直场景的数据要么零散、要么标注质量参差。植物盆栽就是典型的垂直场景——没有哪个公开数据集专门为它攒几万张带框的图。4600 张到底够不够用要看两件事类别数是否收敛以及每张图的标注密度。如果这个数据集聚焦在 3 到 6 个常见盆栽类别上比如绿萝、多肉、发财树、龟背竹、虎皮兰那每个类别平均能分到 700 到 1500 张图配上预训练权重做迁移学习足够训练出一个验证集 mAP 能看的检测器。如果类别铺到 20 个以上每个类别只有一两百张那 4600 张就会明显吃紧漏检和误检都会抬头。我的判断标准很简单先看类别数和每类样本量再决定是直接训还是先做数据补充。4600 张不算大但也不是那种必须靠生成数据硬凑的规模。2.2 常见类别分布与标注格式先搞清楚你拿到的是哪一版我经手过的盆栽检测数据集标注格式跑不出下面三种。拿到数据第一件事就是别急着训练先确定格式再确定类别清单。格式文件后缀坐标表示适合的训练框架PASCAL VOC.xml左上右下像素坐标需转成 YOLO 格式或走 Faster R-CNN 系YOLO 格式.txt归一化的中心点宽高YOLOv5/v8 直接可用COCO JSON.json像素坐标分割多边形Detectron2、部分导出工具用常见做法是数据源给 VOC XML因为标注工具如 LabelImg 默认导出的就是 XML也有的顺手给了 YOLO TXT省一步转换。类别分布我见过比较典型的版本大概长这样不同来源差异很大以你手里实际标注为准类别大概数量典型形态绿萝1200藤蔓垂盆叶密多肉900小叶厚实常与铺面石混在一起发财树700树干明显叶片大龟背竹600叶片带裂口特征最强虎皮兰500叶片竖长条纹明显其他/背景400无目标或只有空花盆这个分布本身就暗示了训练难点绿萝和虎皮兰、龟背竹都是“绿叶子”区分度靠叶形和纹理多肉和石头、土颗粒长得像。所以第 5 章我会专门讲类别不平衡和相似类别误检。2.3 目录组织与训练/验证划分动手第一步先把结构定死4600 张图如果散在一个目录里直接丢给训练脚本后面排查问题会非常痛苦。我一般会先落成下面这种结构这也是 YOLO 系工具默认能识别的布局pot_dataset/ ├── images/ │ ├── train/ # 约 3680 张 │ └── val/ # 约 920 张 ├── labels/ │ ├── train/ # 与 images/train 同名的 .txt │ └── val/ ├── annotations/ │ └── xmls/ # 原始 VOC 标注备份用 └── pot_dataset.yaml划分比例用 8:2。这里有个容易被忽略的细节划分必须按类别分层。如果直接随机切个别类别可能全跑进训练集或验证集验证时该类 mAP 直接算不出来。我用 sklearn 的 StratifiedShuffleSplit 或自己按类别做分组随机都会看一下每类的 train/val 数量。4600 张数据比较“金贵”划分前把类别分布打印出来比事后在混淆矩阵里找问题省力得多。3. 把 VOC 标注转成 YOLO 格式一份能直接跑的转换脚本3.1 先想清楚为什么必须转格式YOLOv8 默认的标注格式是归一化的中心点坐标存在和图像同名的 .txt 文件里。VOC XML 是左上右下像素坐标训练代码不会直接吃。所以第一道工序就是把 XML 里的 object 节点读出来算出中心点和宽高再除以图像宽高归一化。这步听起来机械但最容易出问题XML 里 bndbox 的四个值可能是整数也可能是浮点图像宽高如果按写死的 640 除而实际图是 1280 宽那转出来的框全偏。稳妥做法是从对应图像文件里读真实宽高或者从 XML 的 size 节点读取。3.2 最小可用的 VOC 转 YOLO 脚本下面这个脚本只处理 bndbox不处理 polygon 分割标注如果你的 XML 里还有segmented或 RLE先只取 bndbox 即可检测任务不需要分割掩码import os import xml.etree.ElementTree as ET from pathlib import Path # 这个顺序必须与之后训练 yaml 里的 names 完全一致 CLASS_NAMES [pothos, succulent, money_tree, monstera, snake_plant] def xml_to_yolo(xml_path: Path, img_w: int, img_h: int) - str: tree ET.parse(xml_path) root tree.getroot() lines [] for obj in root.findall(object): name obj.find(name).text if name not in CLASS_NAMES: # 无法识别的类别直接跳过避免污染标签 continue box obj.find(bndbox) x1 float(box.find(xmin).text) y1 float(box.find(ymin).text) x2 float(box.find(xmax).text) y2 float(box.find(ymax).text) # 转归一化中心点 宽高 x_center (x1 x2) / 2.0 / img_w y_center (y1 y2) / 2.0 / img_h w (x2 - x1) / img_w h (y2 - y1) / img_h # 防御坐标越界时裁剪到 [0, 1] x_center min(max(x_center, 0.0), 1.0) y_center min(max(y_center, 0.0), 1.0) w min(max(w, 0.0), 1.0) h min(max(h, 0.0), 1.0) label_id CLASS_NAMES.index(name) lines.append(f{label_id} {x_center:.6f} {y_center:.6f} {w:.6f} {h:.6f}) return \n.join(lines) xml_dir Path(annotations/xmls) out_dir Path(labels/train) out_dir.mkdir(parentsTrue, exist_okTrue) for xml_file in sorted(xml_dir.glob(*.xml)): # 如果 XML 里有 size 节点优先读它否则从同名图片读 tree ET.parse(xml_file) size tree.getroot().find(size) if size is not None: img_w int(size.find(width).text) img_h int(size.find(height).text) else: img_path xml_file.with_suffix(.jpg) from PIL import Image img_w, img_h Image.open(img_path).size label_text xml_to_yolo(xml_file, img_w, img_h) (out_dir / f{xml_file.stem}.txt).write_text(label_text)逻辑说明CLASS_NAMES的顺序就是训练时的类别编号后面 yaml 的 names 必须和它一致否则类别全错位。脚本优先读 XML 里的 size 节点比从图片读更快也不会因为图片被压缩而失准。最后的 clip 操作是防止标注框出图边缘时归一化出现负值或者大于 1虽然这种情况应该在上游修掉但防御性裁剪比训练时报维度错好处理。参数说明img_w、img_h是一次转换的图像尺寸。如果你的图像全是 640x640直接传固定值省得每次读图但混合尺寸数据必须逐图读取否则框全部偏移。转换完还要做一次校验见下一小节。3.3 转换后的自检可视化 数量核对转完格式别急着训练。我习惯做两件事加起来五分钟能挡掉大部分低级错误。一是抽 20 张图用 OpenCV 把 YOLO 标签画回图上人眼扫一遍import cv2 def draw_yolo_boxes(img_path: str, label_path: str, class_names: list): img cv2.imread(img_path) h, w img.shape[:2] # 取真实尺寸而不是用归一化假设 for line in open(label_path): parts line.strip().split() if len(parts) ! 5: print(f跳过异常行: {line.strip()}) continue cls_id int(parts[0]) xc, yc, bw, bh map(float, parts[1:]) x1 int((xc - bw / 2) * w) y1 int((yc - bh / 2) * h) x2 int((xc bw / 2) * w) y2 int((yc bh / 2) * h) color (0, 255, 0) if cls_id len(class_names) else (0, 0, 255) cv2.rectangle(img, (x1, y1), (x2, y2), color, 2) cv2.putText(img, class_names[cls_id], (x1, max(y1 - 5, 20)), cv2.FONT_HERSHEY_SIMPLEX, 0.7, color, 2) cv2.imwrite(debug.jpg, img) # 示例画一张 draw_yolo_boxes(images/train/sample_001.jpg, labels/train/sample_001.txt, [pothos, succulent, money_tree, monstera, snake_plant])这段代码的好处是能快速暴露两种问题如果框整体错位但大小对说明归一化时用错了图像尺寸如果框只对了一部分说明部分 XML 里 size 节点和实际图像不一致。另外parts数量不等于 5 的行要打出来这种脏数据进训练集轻则 loss 抖动重则训练直接中断。二是数一下标注总量# 统计每个标签文件的框数总和 find labels/train -name *.txt -exec cat {} | wc -l # 对比 XML 里的 object 总数量 grep -c object annotations/xmls/*.xml | awk -F: {s$2} END {print s}两边数量对不上说明有 XML 转换失败或类别被跳过。我在实际项目里遇到过因为 XML 里类别名多了一个空格导致该类别 60 个框全部被静默跳过最后模型那类完全学不会的情况。所以“无提示跳过”逻辑加上统计核对是批量转换的基本保险。4. 用 YOLOv8s 训练盆栽检测器命令、参数与增强选择4.1 选型理由这个数据规模和大模型不匹配4600 张数据模型选大了容易过拟合。我在盆栽这种“背景类似、目标尺寸中等”的场景里常用 YOLOv8s偶尔上 YOLOv8m。原因很简单盆栽检测不需要开放世界识别也不需要极端的细粒度分类s 模型的特征容量足够区分绿萝和虎皮兰这类叶片纹理差异而且训练速度快迭代试错成本低。这里有个反直觉的地方很多人觉得检测不准就换大模型但 4600 张数据喂给 yolov8x训练集 loss 能压到很低验证集 mAP 反而不涨。大模型学进了训练集的背景纹理泛化更差。如果 s 模型 mAP 上不去优先怀疑数据和标注质量而不是模型容量。4.2 训练配置与最小可复现命令先把数据集的 yaml 写好路径用绝对路径或相对统一的根目录# pot_dataset.yaml path: /data/pot_dataset train: images/train val: images/val names: 0: pothos 1: succulent 2: money_tree 3: monstera 4: snake_plant注意names的顺序和第三章脚本里CLASS_NAMES的顺序必须逐位一致。这里顺序错了训练日志里 loss 正常但预测结果类别全乱。然后直接跑训练yolo detect train \ modelyolov8s.pt \ datapot_dataset.yaml \ epochs100 \ imgsz640 \ batch16 \ patience20 \ lr00.01 \ lrf0.01 \ optimizerSGD \ projectruns \ namepot_yolov8s参数说明modelyolov8s.pt加载 COCO 预训练权重这是迁移学习的关键别从随机初始化开始训epochs100配合patience20做早停通常第 40 到 60 轮就收敛硬跑满 100 轮意义不大batch16是按 16G 显存估的如果你的卡是 8G改成 8imgsz640对大多数盆栽场景够用如果多肉这类小目标占比高可以试 768显存会多占一些optimizerSGD在数据量小、微调场景下比 AdamW 更稳验证集波动更小。4.3 数据增强参数光照和叶面纹理怎么调YOLOv8 默认增强适合通用场景但盆栽有它的特殊性植物是竖着长的花盆倒立过来在语义上是错的叶片对亮度敏感但色调相对集中。所以我不直接用默认增强而是显式覆盖这几个参数yolo detect train \ modelyolov8s.pt \ datapot_dataset.yaml \ epochs100 \ imgsz640 \ batch16 \ hsv_h0.01 \ hsv_s0.4 \ hsv_v0.5 \ degrees0.0 \ flipud0.0 \ fliplr0.5 \ scale0.4 \ translate0.1 \ mosaic0.8 \ mixup0.1参数说明degrees0.0我不做旋转因为盆栽图片一旦倒转语义就被破坏了模型反而学到“旋转后的假盆栽”flipud0.0同理。fliplr0.5可以保留植物镜像后还是植物。hsv_v0.5和hsv_s0.4是我重点调的两项室内盆栽照片的光照差异很大窗边亮、角落暗加大亮度扰动能让模型对阴天室内场景更鲁棒。hsv_h0.01是刻意保守的因为叶子的绿色是类别区分的一部分把色相扰动调太大绿萝和虎皮兰的纹理特征会被冲淡。mosaic0.8开了但没拉满四个图拼一起时叶面纹理会被切碎如果你的背景误检严重可以降 mosaic 加 scale。一个小技巧训练结束后看一眼runs/pot_yolov8s/opt.yaml里面记录了实际生效的增强参数。如果发现你命令行传的参数没生效多半是datayaml 里也写了增强字段且优先级更高。5. 训练盆栽检测的 5 个避坑点类别失衡、标注漂移与光照过拟合5.1 某一类别的 mAP 特别低其他正常现象训练完成后验证集总 mAP 还行但按类别看多肉那一类 mAP 只有 0.3绿萝有 0.85。原因多肉样本量只有绿萝的一半而且多肉和铺面石、花盆土的纹理高度相似数据少特征难双重叠加。这也是这类数据集最常见的问题。解决先做类别重采样常见做法是给少样本类别的图像做复制粘贴增强——把多肉目标从一张图里切出来贴到空背景或者其它图上再生成对应标签。其次是训练时给少样本类别更高的 loss 权重YOLOv8 里可以按类别在 val 阶段看输出在训练阶段用cls_loss加权不明显我一般优先做数据层面增强Loss 加权只作为辅助。5.2 预测框总比实际花盆大一圈或者只框到叶片没框到盆现象推理结果中同一个盆栽的框在不同图上飘移有的框住整棵植物有的只框叶子定位精度上不去。原因标注协议不一致。有的人标“整盆含花盆”有的人只标“绿色叶片部分”混在一起训练模型学不到统一的“盆栽”边界。解决把标注协议定死为“整株植物花盆外沿”作为统一标准。如果数据集已经混了没有后悔药只能抽 10% 的图人工复查把明显只标叶片的框手工扩到盆沿。这个用脚本做不了完全自动半自动方式是先用现有模型预测出框人工对比 XML 修正比从头标省时间。5.3 训练集 loss 很低一到真实室内场景就漏检现象在验证集上 mAP 0.8但在用户手机拍的室内暖光照片上漏掉一半盆栽。这类问题最容易在“看起来训得很好”的时候出现。原因训练图像大多是白天窗边拍的光照方向和色温单一。模型学到的是“窗边光下的绿萝”而不是“绿萝”本身。这种过拟合并不能通过更多训练轮数解决数据多样性问题。解决增强里把hsv_v提高到 0.5 甚至 0.6hsv_s提到 0.4 以上模拟暗光。更有效的是补充一批夜晚室内开灯、阴天散射光条件下的图哪怕只有 200 张对光照泛化帮助也很大。我自己踩过这个坑一开始用默认增强训完验证集 mAP 0.87现场测试直接跌到 0.6加了光照扰动后现场测试回到 0.78。5.4 小盆栽全部漏检大盆栽正常现象藤蔓类的绿萝能检测到拇指大的多肉盆全部漏掉或者一盆里面挤了好几株只出一个框。原因多肉通常目标小在 YOLOv8 的下采样特征图里占的像素少而且 640 输入下小目标边界框可能只有 20x20 像素特征太弱。解决把imgsz从 640 提到 768小目标特征会明显增强。其次YOLOv8 默认锚框策略对 COCO 的大中小目标都覆盖但盆栽数据有自己的尺度分布训练时让 ultralytics 自动调锚框yolo detect train ... imgsz768 scale0.5scale0.5防止增强时把目标缩得太小。如果还漏考虑把单盆多株场景单独拆出来做一个“密集小目标”的验证集单独看漏检率而不是只看总体 mAP。5.5 训练正常但验证集 mAP 为 0画出框类别全乱现象训练日志显示 loss 正常下降验证阶段 mAP 却几乎为 0可视化时框的位置对但类别标签乱跳。原因类别 ID 错位。最常见是第三章转换脚本里CLASS_NAMES的顺序和训练 yaml 的names顺序不一致或者某个 skip 逻辑把标签行删多导致 ID 整体前移。解决先人工验证一条 label。找一张图看一眼图里是什么植物打开同名 txt确认第一行第一个数字对应的类别是对的。然后检查训练 yaml 里 names 的0:到4:顺序。这类问题光看 mAP 曲线看不出来因为模型在学“错误标签下的映射”loss 照样能降。我每次都把转换脚本里的类别列表和 yaml 放在一起 diff能拦掉 90% 的错位。6. 盆栽检测的验收与进阶用混淆矩阵做体检再挂长势识别6.1 用混淆矩阵和 mAP 验证集做模型体检训练结束别只看 weights 目录里的 mAP 数字。我习惯先跑一遍验证并输出混淆矩阵yolo detect val \ modelruns/pot_yolov8s/weights/best.pt \ datapot_dataset.yaml \ conf0.25 \ plotsTrue重点看绿萝、虎皮兰、龟背竹这三类之间是不是互相误检。这三类都是绿色叶子如果混淆矩阵里绿萝被大量判成龟背竹说明视觉特征相近且训练样本量不平衡早停时最不会骗人的指标是 mAP0.5:0.95——盆栽场景验证集能到 0.5 以上就算可用0.65 以上算好mAP0.5 则尽量到 0.85。两者差值太大说明框定位抖动优先回去查标注边界问题。6.2 从检测框到长势状态识别模型输出“这是绿萝”只是第一步实际养护场景需要知道“这盆绿萝健康还是不健康”。我的做法是把检测框裁出来再训练一个轻量分类模型判断健康、黄叶、缺水。这里有个技巧裁剪时把检测框向外扩 10%把叶片边缘留全避免分类模型只看到叶片中心而漏掉边缘黄化特征。import cv2 x1, y1, x2, y2 map(int, box) # box 是检测输出 w_pad int((x2 - x1) * 0.1) h_pad int((y2 - y1) * 0.1) crop img[max(y1 - h_pad, 0): y2 h_pad, max(x1 - w_pad, 0): x2 w_pad] cv2.imwrite(health_crop.jpg, crop)它不需要再做检测因为目标已经定位好了分类模型输入分辨率只需 224训练数据即使只有几百张也能出效果。这也是盆栽检测数据集最自然的延伸——检测框是基础状态分类才是产值。我现在做这类项目固定流程是先查类别分布和标注一致性再转格式并可视化抽检训练时用 s 模型快速验证数据质量最后再看混淆矩阵决定要不要堆数据。早期我被验证集 mAP 蒙蔽过直到线上误检才回头查标注协议浪费了两周。希望这个顺序能帮你少走一段弯路也祝你的盆栽检测器一次跑通。本文还有配套的精品资源点击获取