简介这份资源面向计算机视觉入门与进阶学习者以及需要开展目标检测实战的开发者提供了一套可直接用于YOLOv3训练的苹果数据集及配套Python处理代码。包内包含414张苹果原始图片、经数据增强与resize填充后扩充至828张的预处理图片以及对应的XML标注文件标注采用labelimg预选框形式完成可直接对接YOLOv3的数据读取流程。资源共2000个文件以1648个jpg图像、820个xml标注为主另含少量txt说明与3个py脚本压缩包约90.81MB目录结构清晰便于按原始数据、增强数据与代码模块分别检索。借助这套素材读者能够省去自行采集与标注的成本快速跑通数据增强、格式转换与模型训练链路并对照脚本理解图像填充、标注解析等关键环节适合作为目标识别课程的实验素材或检测项目的起步数据。目前已有1073人学习下载。1. 苹果照片数据集配 Python从 VOC2007 标注到可训练样本的完整链路手里有一份VOC2007.zip里面装的是苹果照片和对应的 XML 标注想拿它训练一个能识别苹果的检测模型却卡在「解压之后不知道从哪下手」——这是很多做农业视觉、果蔬分拣、零售称重项目的朋友都会遇到的场景。苹果照片数据集本身不复杂难的是把 VOC2007 这套老而稳的标注格式变成 YOLO、SSD、Faster R-CNN 都能直接吃的输入。Python 在这里扮演的角色不是「跑个脚本」这么简单它要完成解压校验、XML 解析、坐标换算、数据集划分、可视化抽检这一整条流水线。这篇内容面向三类人刚配好 Python 环境想找个真实数据集练手的新手、做果蔬检测需要快速验证 baseline 的算法工程师、以及要把标注数据接进自己训练框架的工程同学。下面按「先看懂 VOC2007 结构再写解析代码最后避坑」的顺序讲透。2. VOC2007 标注结构拆解苹果照片数据集里到底存了什么2.1 目录树与三个核心文件夹拿到VOC2007.zip解压后标准结构长这样VOC2007/ ├── Annotations/ # 每张图对应一个 XML存目标框和类别 ├── ImageSets/ │ └── Main/ # train.txt / val.txt / trainval.txt / test.txt ├── JPEGImages/ # 原始照片文件名与 XML 一一对应 └── SegmentationClass/ # 分割掩码检测任务用不到苹果照片数据集通常只用到前三个。Annotations里的 XML 是核心它记录了图片尺寸、每个苹果的边界框bndboxxmin/ymin/xmax/ymax和类别名name。ImageSets/Main下的 txt 文件只是文件名列表不带路径和后缀很多人第一次读会在这里翻车。JPEGImages里图片格式可能混着.jpg和.JPGLinux 下大小写敏感写代码时要么统一转小写要么用glob忽略大小写匹配。2.2 一个 XML 的字段含义与坐标系打开任意一个苹果的 XML关键片段如下annotation folderVOC2007/folder filenameapple_0001.jpg/filename size width500/width height375/height depth3/depth /size object nameapple/name poseUnspecified/pose truncated0/truncated difficult0/difficult bndbox xmin112/xminymin96/ymin xmax308/xmaxymax290/ymax /bndbox /object /annotationsize里的宽高是原图尺寸bndbox用的是左上角原点、x 向右、y 向下的像素坐标且是 1-based从 1 开始计数。这一点极其关键VOC 的坐标是 1-based 闭区间而 YOLO 要求的是 0-based 归一化中心点加宽高。差一个像素在训练时不会报错但会让框整体偏移mAP 掉几个点你都找不到原因。difficult字段表示该目标是否难以识别VOC 官方评测时会忽略 difficult1 的样本但训练时是否保留要看你的策略——苹果数据里如果存在大量遮挡果建议保留训练、评测时再过滤。2.3 为什么选 VOC2007 而不是直接上 COCO苹果这类单一品类数据集目标数量少、类别只有一到两个用 COCO 那套 JSON 标注属于杀鸡用牛刀。VOC2007 的优势在于XML 可读性强Python 标准库xml.etree.ElementTree就能解析不依赖 pycocotools社区里几乎所有检测框架都保留了对 VOC 格式的导入接口文件体积小苹果照片数据集通常几百张到几千张解压和遍历都是秒级。常见做法是先用 VOC 格式把 pipeline 跑通确认模型能收敛再考虑要不要转成 COCO 做多类别扩展。3. 用 Python 解析苹果照片数据集从 XML 到训练列表3.1 环境准备与依赖确认先确认 Python 版本和必要库。VOC 解析本身只需要标准库但可视化抽检会用到 OpenCV 和 matplotlibpython --version # 建议 3.8 及以上 pip install opencv-python matplotlib numpy如果你用的是 PyCharm 或 VSCode把解释器指到同一个环境即可。xml.etree.ElementTree是内置的不需要额外装。这里不涉及任何需要联网下载的模型权重纯本地处理。3.2 解析单个 XML 并提取目标框下面这段代码把一张图的 XML 读成结构化数据是整条流水线的基础import xml.etree.ElementTree as ET from pathlib import Path def parse_voc_xml(xml_path): 解析单个 VOC XML返回图片尺寸和目标列表 tree ET.parse(xml_path) root tree.getroot() size root.find(size) width int(size.find(width).text) height int(size.find(height).text) objects [] for obj in root.findall(object): name obj.find(name).text.strip() difficult int(obj.find(difficult).text) box obj.find(bndbox) # VOC 坐标是 1-based转成 0-based xmin int(box.find(xmin).text) - 1 ymin int(box.find(ymin).text) - 1 xmax int(box.find(xmax).text) - 1 ymax int(box.find(ymax).text) - 1 objects.append({ name: name, difficult: difficult, bbox: [xmin, ymin, xmax, ymax] }) return {width: width, height: height, objects: objects} if __name__ __main__: info parse_voc_xml(VOC2007/Annotations/apple_0001.xml) print(info[width], info[height]) for o in info[objects]: print(o[name], o[bbox])逻辑说明ET.parse把 XML 加载成树find取单个子节点findall取所有同名节点。坐标减 1 是必须的因为 VOC 从 1 开始计数而后续所有计算都基于 0-based。difficult单独取出来方便后面按需过滤。参数上唯一要注意的是name字段可能有前后空格.strip()不能省否则类别名对不上。3.3 批量遍历并生成训练清单单张解析只是验证真正要的是把整个Annotations目录扫一遍生成带路径的清单文件import xml.etree.ElementTree as ET from pathlib import Path import random def build_dataset(root_dir, val_ratio0.2, seed42): root Path(root_dir) ann_dir root / Annotations img_dir root / JPEGImages records [] for xml_file in sorted(ann_dir.glob(*.xml)): stem xml_file.stem # 兼容 .jpg 和 .JPG img_path None for ext in (.jpg, .JPG, .jpeg, .png): candidate img_dir / (stem ext) if candidate.exists(): img_path candidate break if img_path is None: print(f[跳过] 找不到图片: {stem}) continue info parse_voc_xml(str(xml_file)) if not info[objects]: continue # 无目标的负样本按需保留 records.append({ image: str(img_path), width: info[width], height: info[height], objects: info[objects] }) random.seed(seed) random.shuffle(records) n_val int(len(records) * val_ratio) val_set records[:n_val] train_set records[n_val:] return train_set, val_set if __name__ __main__: train, val build_dataset(VOC2007) print(f训练集 {len(train)} 张验证集 {len(val)} 张)逻辑说明glob(*.xml)遍历所有标注stem拿到不带后缀的文件名再用多个扩展名去JPEGImages里找对应图片这一步解决了大小写和后缀不一致的问题。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。val_ratio默认 0.2苹果数据量小的时候可以调到 0.15把更多样本留给训练。无目标的负样本默认跳过如果你的场景需要降低误检可以把它们保留进训练集但标注为空。3.4 转成 YOLO 格式的归一化坐标如果你打算用 YOLO 系列训练需要把 VOC 的绝对坐标转成归一化的中心点加宽高def voc_to_yolo(bbox, img_w, img_h): VOC [xmin,ymin,xmax,ymax] - YOLO [cx,cy,w,h] 归一化 xmin, ymin, xmax, ymax bbox cx (xmin xmax) / 2.0 / img_w cy (ymin ymax) / 2.0 / img_h w (xmax - xmin) / img_w h (ymax - ymin) / img_h # 裁剪到 [0,1]防止标注越界 cx min(max(cx, 0.0), 1.0) cy min(max(cy, 0.0), 1.0) w min(max(w, 0.0), 1.0) h min(max(h, 0.0), 1.0) return [cx, cy, w, h]逻辑说明中心点用(xminxmax)/2再除以宽高宽高直接除以对应尺寸。最后的裁剪是后悔药——苹果数据集里偶尔会有标注框超出图片边界的脏数据不裁剪会导致 YOLO 训练时 loss 异常。类别索引需要你自己维护一个{apple: 0}的映射表写 label 文件时用索引而不是类别名。4. 数据校验与可视化抽检别让脏标注混进训练集4.1 三类必须拦截的脏数据苹果照片数据集在人工标注阶段容易留下三类问题框的xmin xmax或ymin ymax坐标超出图片尺寸以及类别名拼写不一致比如apple和Apple混用。这三类问题不会让代码报错但会让模型学到错误的分布。校验逻辑应该放在解析之后、写清单之前def validate_record(rec): 返回 (是否合法, 原因) w, h rec[width], rec[height] for obj in rec[objects]: xmin, ymin, xmax, ymax obj[bbox] if xmin xmax or ymin ymax: return False, f框退化: {obj[bbox]} if xmin 0 or ymin 0 or xmax w or ymax h: return False, f框越界: {obj[bbox]} 图片 {w}x{h} if obj[name] ! obj[name].strip(): return False, f类别名有空格: {obj[name]} return True, ok逻辑说明退化框和越界框直接判非法类别名带空格判非法。实际用的时候可以把非法记录写进一个bad_cases.txt人工复核后再决定是修正还是丢弃不要静默跳过。4.2 用 OpenCV 画框抽检数字校验只能查格式框画得对不对还得靠眼睛。随机抽 20 张画框保存是投入训练前最划算的一步import cv2 import random def visualize_samples(records, out_dir, num20): Path(out_dir).mkdir(parentsTrue, exist_okTrue) samples random.sample(records, min(num, len(records))) for i, rec in enumerate(samples): img cv2.imread(rec[image]) if img is None: continue for obj in rec[objects]: xmin, ymin, xmax, ymax obj[bbox] cv2.rectangle(img, (xmin, ymin), (xmax, ymax), (0, 255, 0), 2) cv2.putText(img, obj[name], (xmin, ymin - 5), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 255, 0), 2) cv2.imwrite(f{out_dir}/check_{i:03d}.jpg, img)逻辑说明cv2.rectangle用 0-based 坐标直接画和解析结果一致。putText的 y 坐标减 5 是为了让文字不压住框线。抽检时重点看三种情况框是否紧贴苹果边缘、有没有漏标、多个苹果时框有没有重叠错位。这一步花十分钟能省下后面几小时的调参玄学。4.3 统计类别分布与框尺寸训练前还应该看一眼类别数量和框的尺寸分布苹果数据集如果只有一类那分类头可以设得很小如果框普遍偏小anchor 尺寸要相应调整import numpy as np def dataset_stats(records): all_w, all_h, count [], [], 0 for rec in records: for obj in rec[objects]: xmin, ymin, xmax, ymax obj[bbox] all_w.append(xmax - xmin) all_h.append(ymax - ymin) count 1 all_w, all_h np.array(all_w), np.array(all_h) print(f总目标数: {count}) print(f框宽 中位数 {np.median(all_w):.1f} 均值 {all_w.mean():.1f}) print(f框高 中位数 {np.median(all_h):.1f} 均值 {all_h.mean():.1f}) print(f框面积占比中位数: {np.median(all_w * all_h) / (500 * 375):.3f})逻辑说明中位数比均值更能反映典型框尺寸因为个别超大框会把均值拉偏。面积占比用了一个假设的图片尺寸实际应该用每张图自己的宽高算完再取中位数。这些统计值直接决定你选 YOLOv5n 还是 YOLOv5s以及 anchor 要不要重新聚类。5. 避坑与排查苹果照片数据集处理中最容易翻车的五件事5.1 现象训练 loss 正常下降但 mAP 极低原因VOC 坐标 1-based 没有转 0-based或者转 YOLO 时忘了归一化。框整体偏移一两个像素在 loss 上看不出来但 IoU 匹配会大面积失败。解决在解析函数里强制减 1转 YOLO 时强制除以宽高并在可视化抽检时确认框贴合。5.2 现象部分图片读进来是 None原因cv2.imread遇到中文路径或损坏文件会返回 None而JPEGImages里可能混有非图片文件。解决读图后判空跳过同时用Path.suffix.lower()过滤扩展名只保留.jpg/.jpeg/.png。5.3 现象类别名对不上训练时提示 unknown class原因XML 里apple和Apple混用或者带前后空格。解决解析时统一.strip().lower()并在生成 label 前用集合打印所有出现过的类别名人工确认一遍。5.4 现象验证集和训练集有重复图片原因ImageSets/Main里原本的划分和随机划分叠加或者同一张图有多个 XML。解决以文件名 stem 为唯一键去重划分前先set一遍不要依赖目录里没有重复。5.5 现象小目标苹果检测效果差原因苹果在图中占比小默认 anchor 偏大。解决用dataset_stats看框尺寸中位数如果普遍小于 32 像素在 YOLO 配置里增加小尺寸 anchor或者把输入分辨率从 416 提到 640。6. 把苹果数据集接进训练框架一个可复用的转换脚本骨架前面几章把解析、校验、可视化都拆开了实际项目里我会把它们串成一个命令行脚本一次跑完从解压到生成 YOLO 目录的全流程。骨架如下import argparse from pathlib import Path def main(): parser argparse.ArgumentParser() parser.add_argument(--voc_root, defaultVOC2007) parser.add_argument(--out_root, defaultdatasets/apple) parser.add_argument(--val_ratio, typefloat, default0.2) args parser.parse_args() train, val build_dataset(args.voc_root, args.val_ratio) out Path(args.out_root) for split, records in ((train, train), (val, val)): img_out out / images / split lbl_out out / labels / split img_out.mkdir(parentsTrue, exist_okTrue) lbl_out.mkdir(parentsTrue, exist_okTrue) for rec in records: stem Path(rec[image]).stem # 复制图片 import shutil shutil.copy(rec[image], img_out / f{stem}.jpg) # 写 YOLO label lines [] for obj in rec[objects]: cls_id 0 # 单类 apple cx, cy, w, h voc_to_yolo(obj[bbox], rec[width], rec[height]) lines.append(f{cls_id} {cx:.6f} {cy:.6f} {w:.6f} {h:.6f}) (lbl_out / f{stem}.txt).write_text(\n.join(lines)) # 生成 data.yaml yaml_text fpath: {out.resolve()} train: images/train val: images/val nc: 1 names: [apple] (out / data.yaml).write_text(yaml_text) print(转换完成data.yaml 已生成) if __name__ __main__: main()逻辑说明脚本把图片复制到images/train和images/vallabel 写到对应labels目录最后生成 YOLO 训练需要的data.yaml。cls_id写死为 0 是因为苹果数据集通常单类多类的话维护一个name_to_id字典即可。坐标保留 6 位小数足够再多是浪费。shutil.copy会实际占用磁盘数据量大时可以改成软链接。参数上--val_ratio控制验证集比例--out_root决定输出位置。跑完之后用yolo detect train datadatasets/apple/data.yaml modelyolov8n.pt epochs100 imgsz640就能起训。第一次跑建议epochs10先验证 pipeline 通不通确认 loss 在降、验证集能出框再拉长训练。一个我踩过的坑data.yaml里的path必须用绝对路径相对路径在不同工作目录下启动训练会找不到图片报错信息还很隐晦。另外names列表的顺序必须和 label 里的cls_id严格对应单类时无所谓多类时错一位整个模型就废了。这套流程我在几个果蔬检测项目里反复用过从 VOC2007 到 YOLO 格式核心代码不到 200 行但每一步的边界条件都得抠清楚。苹果照片数据集本身不复杂复杂的是标注里的脏数据和格式转换时的坐标陷阱。把可视化抽检当成习惯每次换数据集都先画 20 张看看比事后调参省心得多。希望帮到你。本文还有配套的精品资源点击获取
