简介面向受电弓、悬臂与导线三类关键部件的目标检测数据集专为轨道交通接触网巡检、弓网状态监测及深度学习算法验证场景设计适合需要YOLO或VOC格式标注数据来训练检测模型的研究者、算法工程师和相关专业学生也可用于目标检测课程教学与毕业设计参考。压缩包约74.83MB按JPEGImages、Annotations、labels三个目录分别存放图片、xml标注和txt标注共包含2608张已增强的清晰图片且xml与txt文件均与图片一一对应矩形标注框覆盖cantilever悬臂、pantograph受电弓、wire导线三个类别累计标注框12093个。数据同时提供VOC与YOLO两种格式解压后可直接接入常见目标检测训练流程免去手工转换格式的步骤已增强图片有助于提升模型在光照变化、拍摄角度差异等条件下的泛化能力。目前已有44人浏览学习适合希望快速获得接触网关键部件标注数据并开展实验验证与模型调优的读者。1. 受电弓悬臂导线检测数据集它是什么能解决什么做接触网检测的人手里最缺的不是模型而是带标注的数据。受电弓悬臂和导线这类目标公开数据集极少现场照片又涉及线路区段和运行工况很难大批量外传。所以当一份2608张、同时带VOC和YOLO两种格式、还做过增强的数据集出现在面前时第一反应不应该是“下下来就能用”而是先搞清楚它内部是怎么组织的、增强到底做了什么、train/val划分有没有污染。只有把这三点弄明白这份数据才真正值钱。这套数据集的典型使用场景是训练一个能识别受电弓悬臂区域和接触导线的目标检测模型用于车载视频或线路巡检图像的自动筛查。它的价值不在于“2608张”这个数字本身而在于VOC格式可以对接老一代标注工具和MMDetectionYOLO格式可以直接喂给YOLOv8、YOLOv5以及后续的YOLO11训练脚本。已增强意味着直接拿来训练没问题但如果你按默认的train_val_split.py随机切分大概率会把同一张原图的多个增强版本同时放进训练集和验证集后面你会发现验证集mAP虚高得吓人落地时却一塌糊涂。2. 拿到压缩包先别急着训练两种标注格式怎么对齐2.1 VOC格式的XML字段不只是四个坐标很多人在VOC上栽的第一个跟头是以为VOC就是xminyminxmaxymax四个数。实际上一个能训练成功的VOC标注XML里必须包含folder、filename、size和object的完整结构其中size的宽度和高度直接决定坐标是否越界object里的name决定类别名是否和训练配置一致。annotation folderQC_0812/folder filenameIMG_20240812_143201.jpg/filename size width1920/width height1080/height depth3/depth /size object namepantograph_arm/name bndbox xmin562/xmin ymin342/ymin xmax1183/xmax ymax691/ymax /bndbox /object object namecontact_wire/name bndbox xmin210/xmin ymin468/ymin xmax1710/xmax ymax502/ymax /bndbox /object /annotation这段XML里有两个容易忽视的点。第一filename必须和folder目录下实际存在的图片文件名完全一致包括扩展名大小写。很多增强脚本会输出IMG_20240812_143201_aug.jpg但忘了改XML里的filename导致后续数据加载时找不到图。第二width和height如果和图片实际像素不一致转出来的YOLO归一化坐标一定是错的——这类错发生在增强后没有同步更新尺寸字段的场景里。建议拿到数据后写一个几十行的脚本遍历所有XML核对三件事文件是否存在、width/height是否等于实际图片尺寸、每个目标的xmin xmax且ymin ymax。这三项过了VOC侧基本没有坑了。2.2 YOLO的TXT归一化坐标与类别映射YOLO格式每张图对应一个同名的.txt每行是class_id cx cy w h所有数值都归一化到0到1之间。这里最容易出问题的是类别ID的排序VOC的name是字符串而YOLO只认数字ID两者之间的映射必须由一个classes.txt或data.yaml来固定。# data.yaml类别顺序必须与训练脚本引用的一致 names: 0: pantograph_arm 1: contact_wire注意这里有个隐藏坑有的数据集在VOC标注里写成pantograph_arm但在YOLO的classes.txt里顺序是contact_wire在前。如果直接用Ultralytics的训练脚本data.yaml里的顺序会覆盖一切而如果这个顺序和txt里的class_id对不上模型会把导线学成悬臂、把悬臂学成导线mAP曲线还挺好看但输出完全错位。拿到数据的第一件事应该是用脚本把YOLO的txt和VOC的XML做一次双向比对确认每个class_id对应的name一致。# 解压后先建立统一目录结构图片和标签分开放 mkdir -p dataset/images/train dataset/images/val dataset/labels/train dataset/labels/val以上命令本身没什么技术含量但目录结构统一之后后续所有训练脚本和评估脚本都只需要维护一个路径变量不用反复改。我一般会把VOC的Annotations整体保留一份在dataset/annotations里作为原始标注的backup即使后面做格式转换或数据清洗随时可以回到原始状态。2.3 用一段脚本交叉校验两种格式双重格式存在的意义是方便不同框架使用但两份标签如果内容不一致就是灾难。下面这段脚本把同一张图的XML坐标和TXT坐标映射回像素值做对比能快速找出格式转换过程中产生的偏移、漏标和类别错位。import xml.etree.ElementTree as ET import os def voc_to_yolo(xml_path, classes): tree ET.parse(xml_path) root tree.getroot() size root.find(size) w int(size.find(width).text) h int(size.find(height).text) labels [] for obj in root.iter(object): name obj.find(name).text if name not in classes: continue box obj.find(bndbox) xmin float(box.find(xmin).text) ymin float(box.find(ymin).text) xmax float(box.find(xmax).text) ymax float(box.find(ymax).text) cx ((xmin xmax) / 2) / w cy ((ymin ymax) / 2) / h bw (xmax - xmin) / w bh (ymax - ymin) / h labels.append(f{classes.index(name)} {cx:.6f} {cy:.6f} {bw:.6f} {bh:.6f}) return labels # 固定类别顺序全局唯一YOLO txt和data.yaml都必须以它为准 CLASSES [pantograph_arm, contact_wire] xml_dir dataset/annotations yolo_dir dataset/labels/train for xml_file in os.listdir(xml_dir): if not xml_file.endswith(.xml): continue name xml_file[:-4] xml_labels voc_to_yolo(os.path.join(xml_dir, xml_file), CLASSES) yolo_path os.path.join(yolo_dir, name .txt) if not os.path.exists(yolo_path): print(f[MISSING] {name}.txt 不存在) continue with open(yolo_path) as f: yolo_lines [line.strip() for line in f.readlines() if line.strip()] if len(xml_labels) ! len(yolo_lines): print(f[COUNT] {name}: XML {len(xml_labels)} 个目标 vs TXT {len(yolo_lines)} 个目标) continue for i, (xl, yl) in enumerate(zip(xml_labels, yolo_lines)): if xl ! yl: print(f[DIFF] {name} 第{i}行: XML{xl} TXT{yl})这段脚本的逻辑是先用ET解析XML把坐标转成YOLO归一化格式然后逐行和已有TXT比较。注意我用的是字符串精确匹配数值精度差异也会报出来这样做的目的是发现坐标偏差而不是放过微小误差。CLASSES列表是单一事实来源它同时驱动XML转换时的name到id映射以及最终训练时的data.yaml顺序只要改一处全部流程跟着变。跑完这份校验脚本预期结果是没有任何输出或只有文件缺失提示。如果出现大量[DIFF]说明这个数据集的YOLO部分很可能不是从VOC直接转的而是经过了一次独立的二次标注这种情况下建议直接信任其中一种格式把另一种重新生成而不是信任格式转换的中间结果。3. “已增强”是把双刃剑增强方式与信息泄露3.1 增强到底做了什么绕不开的几何变换与颜色扰动标着“已增强”的数据集常见做法是在原始标注样本上做随机旋转、水平翻转、亮度对比度扰动、高斯噪声和裁剪缩放。对于受电弓悬臂和导线这类目标最有价值的增强其实是竖直方向的平移和尺度变化因为现场安装高度不同相机俯仰角不同目标在画面里的纵向位置浮动很大。相比之下随机旋转超过10度的增强反而制造大量难例——导线在图像里被转成斜线模型学到的是“斜的导线”而不是“导线”本身。这里有一个重要的实操判断拿到数据集后不要只看数量要看增强后的样本里有没有低质量标签。自动化增强脚本处理几何变换时旋转和裁剪后的坐标需要重算如果生成数据集时用的是OpenCV的warpAffine而没有同步修正边界框那增强后的标签框是歪的。我通常会在训练前用可视化脚本抽100张增强图把标注框画出来人工翻一遍花费的时间不超过两小时但能避免后续训练中反复出现loss震荡却找不到原因的窘境。import cv2 import random # 在原始图像上画框并保存用于快速抽查标注质量 def draw_boxes(image_path, label_path, class_names, output_path): img cv2.imread(image_path) h, w img.shape[:2] with open(label_path) as f: lines f.readlines() for line in lines: parts line.strip().split() cls_id int(parts[0]) cx, cy, bw, bh map(float, parts[1:]) x1 int((cx - bw / 2) * w) y1 int((cy - bh / 2) * h) x2 int((cx bw / 2) * w) y2 int((cy bh / 2) * h) color (0, 255, 0) if cls_id 0 else (0, 0, 255) cv2.rectangle(img, (x1, y1), (x2, y2), color, 2) cv2.putText(img, class_names[cls_id], (x1, y1 - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.6, color, 2) cv2.imwrite(output_path, img)这个可视化脚本的要点在于cx、cy、bw、bh乘回原图尺寸后框的坐标必须是整数且落在图像范围内。如果框大面积跑到图像边缘外面说明增强脚本在裁剪后没有clip坐标如果框的位置明显偏离目标本体说明几何变换时坐标重算有bug。对着抽样的图片翻一遍比自己猜“哪里出了问题”高效得多。3.2 最常见的毁操作随机划分造成的信息泄露2608张增强后的数据原始样本可能只有几百张。如果直接按8:2随机划分train和val同一张原图的不同增强版本会同时出现在两边。模型在训练时已经见过这个场景的亮度变体、翻转变体验证时再见到相近的变体mAP会好看得离谱。这不是模型真的学会了检测而是它记住了这个样本。这个问题在受电弓检测上尤其致命。因为接触网沿线场景高度相似不同区段的图像在背景纹理上几乎一样模型本来就容易走捷径——靠背景特征判断“这里有导线”。增强数据的信息泄露会让这个捷径更加隐蔽验证集里全是训练集样本的近亲训练曲线一路走高到了现场拍一段新视频检测框开始乱跳。判断你的数据是否已经存在这种污染方法很直接看图像文件名。如果文件名里带_flip、_rot15、_aug1之类的后缀说明它们是衍生样本如果文件名是纯编号而内容看起来高度相似需要靠感知哈希算法对全量图像做相似度分组。比较省事的做法是直接用文件名前缀IMG_20240812_143201作为样本组ID按组划分而不是按文件划分。3.3 按原始样本分组划分标准做法与脚本按组划分的逻辑是把所有文件名按原图ID分组同一组的所有增强版本必须全部进train或全部进val绝不允许跨组混放。下面这段脚本演示如何实现。import os import random import shutil from collections import defaultdict image_dir dataset/images/all train_dir dataset/images/train val_dir dataset/images/val # 1. 按原始文件名提取组ID groups defaultdict(list) for fname in os.listdir(image_dir): if not fname.endswith(.jpg): continue # 假设增强后的文件名形如 IMG_001_aug1.jpg取前8位作为组ID group_id fname.split(_)[0] _ fname.split(_)[1] groups[group_id].append(fname) # 2. 按组ID做划分 keys list(groups.keys()) random.shuffle(keys) val_count max(1, int(len(keys) * 0.2)) val_keys set(keys[:val_count]) for gid, files in groups.items(): target_dir val_dir if gid in val_keys else train_dir for f in files: src os.path.join(image_dir, f) dst os.path.join(target_dir, f) shutil.copy2(src, dst) # 同步复制同名txt标签 label_src src.replace(images, labels).replace(.jpg, .txt) if os.path.exists(label_src): shutil.copy2(label_src, target_dir.replace(images, labels))这段脚本的核心在于group_id的提取规则。如果你的数据命名不是IMG_001这种格式需要按实际规则修改split(_)的下标。还有一层更稳妥的做法划分完成后把val里每个文件的group_id打印出来确认没有和train里的任何group_id重复这一步是给划分过程上保险。4. 用YOLOv8把2608张增强数据跑成可用模型从yaml到训练曲线4.1 环境准备与目录收敛拿到数据后先别急着pip install先想清楚用哪个框架。Ultralytics的YOLOv8是目前对VOC和YOLO格式兼容性最好的训练入口它允许直接用detect模式训练也支持把数据和标签放在同一根目录下用data.yaml统一描述。环境创建建议用conda隔离Python版本3.10以上PyTorch的CUDA版本和显卡驱动配套好再装ultralytics。conda create -n pantograph python3.10 -y conda activate pantograph pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118 pip install ultralytics opencv-python tqdm这里第一个参数是CUDA 11.8对应的PyTorch轮子如果你的机器CUDA版本是12.x改成cu121或cu124。ultralytics包本身已经把推理、训练、验证的命令行都封装好了不需要额外安装darknet或mmdetection。装完跑一句yolo predict modelyolov8n.pt sourcebus.jpg确认环境能正常调用GPU再进入下一步。4.2 写一个能直接跑的data.yaml数据集的目录结构我建议统一成下面这种Ultralytics官方文档接受这种布局我们自己写评估脚本也方便dataset/ images/ train/ val/ labels/ train/ val/ data.yaml# data.yaml路径最好写绝对路径避免相对路径在不同终端下解析不一致 path: /home/user/pantograph_dataset train: images/train val: images/val names: 0: pantograph_arm 1: contact_wire注意train和val后面的路径是相对path的path必须是绝对路径且不能带~。Ultralytics在解析这个yaml时如果你用~会直接被当成普通目录字符串然后报错找不到图片。names的顺序必须和labels目录里txt的class_id一致这里如果顺序反了模型不会报任何错但输出框的类别全部互换。4.3 启动训练的关键参数怎么给训练命令本身很简单参数取舍才是决定成败的地方。yolo detect train \ modelyolov8n.pt \ data/home/user/pantograph_dataset/data.yaml \ epochs150 \ imgsz640 \ batch16 \ workers8 \ optimizerAdamW \ lr00.001 \ lrf0.01 \ patience20 \ cacheTrue参数说明如下imgsz640是输入分辨率受电弓悬臂是中等尺寸目标640够用但导线在远处图像里只有十几像素宽如果现场相机分辨率是4K建议后阶段用1280微调。batch16按10GB显存设置如果你的卡是24GB可以调到24到32显存不够时优先降batch而不是降imgsz。patience20表示验证集指标连续20轮不提升就自动停止。lr00.001相对YOLOv8默认的0.01偏保守因为这个数据集是增强过的样本间相似度高模型很容易过拟合学习率太大会让loss在后期反复震荡。optimizerAdamW比默认的SGD收敛更快适合数据规模不算特别大的业务场景。4.4 训练结束后要看的四张图训练结束后不要只盯着best.pt的mAP数字打开runs/detect/train/目录下的四张图第一张是results.png包含train_loss、val_loss和mAP曲线。val_loss如果在100轮附近开始上升而train_loss还在下降说明模型在记住训练集此时应该考虑更强的增强或更小的模型。第二张是confusion_matrix.png注意看背景类那一行如果pantograph_arm和contact_wire有大量样本被分到background说明标注框过紧或过松模型没有学全整个目标区域。第三张是val_batch*.jpg检测框直接画在真实图片上能直观看到是否漏检。第四张是labels.jpg它展示训练集里所有标注框的位置分布如果大量框集中在图像边缘说明增强里的裁剪策略有问题。5. 避坑增强数据集训练常见的5个翻车现场5.1 验证集mAP虚高现场视频却频繁漏检现象训练时val mAP达到0.95以上荣耀无比拉到现场视频上一测漏检和误检一起上。原因增强数据的train/val划分没有按原图分组验证集里混入了训练集样本的衍生版本。模型在验证时看到的“新图”其实在训练时已经见过七八成了。解决按原图ID分组重新划分确保同一原图的所有增强版本只在一边。重新划分之后mAP掉到0.85甚至0.8请不要慌这个数字才接近真实水平。5.2 训练到一半loss变NaN检查标签发现坐标越界现象前30轮loss下降正常第40轮突然变NaN训练中止。原因某个YOLO txt里出现了坐标值大于1或为负数的情况通常出现在增强后的某些裁剪样本上导致logits爆炸。解决写一个标签扫描脚本逐行检查坐标值是否在0到1之间、宽度和高度是否为正数把异常标签所在图片过滤掉或者修正后重新训练。这类越界只要有一个样本就会毁掉整个训练过程。import os label_dir dataset/labels/train bad_files [] for fname in os.listdir(label_dir): if not fname.endswith(.txt): continue path os.path.join(label_dir, fname) with open(path) as f: for line in f: parts line.strip().split() if len(parts) ! 5: bad_files.append(f{fname}: 行数格式错误) break try: _, cx, cy, bw, bh map(float, parts) except ValueError: bad_files.append(f{fname}: 非数值) break if not (0 cx 1 and 0 cy 1 and bw 0 and bh 0): bad_files.append(f{fname}: 坐标越界) break for msg in bad_files: print(msg)扫描脚本的逻辑不复杂读取每一行尝试转成5个浮点数检查中心坐标是否在0到1之间、宽高是否为正且小于1格式不对直接记下文件名。跑一遍之后把有问题的txt和同名图片一起移到quarantine/目录下再从训练列表里剔除。5.3 VOC和YOLO类别顺序不一致模型输出错位现象训练完成测试时模型把导线框标成pantograph_arm把悬臂标成contact_wire但训练日志里mAP正常。原因VOC侧标注的name顺序是a、bYOLO侧data.yaml把顺序定成b、a训练脚本按data.yaml读标签推理时按同一个yaml输出类别名标签和名称错位就被完整地“学会”了。解决统一用一份classes.txt驱动数据转换和data.yaml生成不要手写映射关系。5.4 增强数据导致的BN层崩溃现象训练开始时loss快速下降第几轮后train_loss突然飙升回初始值附近GPU利用率掉到0。原因增强数据里的异常像素值如过曝的白板、全黑帧导致BatchNorm统计量被污染后续所有层的输出分布被带偏。解决在数据加载端修复——把过亮和过暗的样本从训练集剔除或者在全量数据上做一次标准化预处理让像素分布回归正常范围。同时把batch调小到8或16让BN的统计量更稳定。5.5 小目标导线漏检典型误报集中在绝缘子现象导线在画面中占比较小时经常漏检把远处的绝缘子当成导线。原因训练分辨率640下宽度只有8到12像素的导线在下采样后特征几乎消失模型只能靠上下文猜测自然会把同样拉长的亮色物体当作候选。解决增加一条专门的验证流程——用1280分辨率跑推理或者增加一个tile切分策略把大图切成多块分别推理后合并。如果数据里导线的标注框本身就过紧只标了导线芯而没有标接触线夹模型也无法学会完整语义。6. 从训练到落地推理验证与部署自检的最后一公里6.1 用一段脚本跑批量推理输出现场可直接看的结果训练完best.pt后下一步不是直接部署而是拿一批覆盖不同光照、不同角度、不同背景的现场图跑批量推理输出带框的图片和检测统计表亲手翻一遍结果。这一步看起来费时间但比任何mAP指标都可信。from ultralytics import YOLO model YOLO(runs/detect/train/weights/best.pt) results model.predict( sourcefield_images/, imgsz1280, conf0.35, iou0.45, saveTrue, save_txtTrue, classes[0, 1], max_det50 )这里imgsz1280是为了验证小目标导线在高分辨率下的表现如果显存不够先把batch调到1再试。conf0.35是业务上比较合适的阈值起点——太低会大量误报太高会漏掉远距离的低置信度目标。save_txtTrue会输出YOLO格式的预测结果方便后续统计每个文件的目标数量如果某个文件的预测框数量和现场实际情况明显不符优先怀疑是光照极端场景然后针对性地补充增强样本。6.2 部署端的尺寸、半精度和帧率三项自检受电弓检测如果要上车载设备基本绕不开模型轻量化。先用model.export(formatonnx, halfTrue)导出ONNX随后在有TensorRT的环境里转成engine。自检三项输入尺寸变化后精度掉多少半精度推理后边界框有没有抖动推理帧率能不能稳定在25FPS以上。我的习惯是导出ONNX之后写一段用ONNX Runtime的前向脚本不依赖ultralytics的封装用纯NumPy做预处理这样部署端不会出现“训练时精度高、部署时盒子没了”的经典翻车。预处理里最容易漏的是letterbox填充方式不一致训练时Ultralytics默认用了灰色填充和特定缩放逻辑部署端如果用了直接resize模型看到的图像比例就不对小目标漏检几乎是必然。一份数据集的真正价值不在于文件本身而在于你能在这套数据上建立一套“划分、校验、增强复盘、训练、验证、部署”的闭环。我的经验是每份已增强的数据集拿到手先花三到四个小时做格式校验和分组重划分省下的是训练翻车后的无数次排错。这套流程走完你手里留下的就不只是2608张图而是一套可复用的受电弓检测数据工作流换一个场景、换一份数据同样能打。希望帮到你。本文还有配套的精品资源点击获取