简介面向电力巡检与设备运维场景的漏油检测数据集适合目标检测算法训练、模型验证及边缘端部署测试。图片均采集自工业现场包含338张jpg原图与等量Pascal VOC格式xml标注、YOLO格式txt标注围绕单一类别oil共标注372个矩形框覆盖多种角度与光照条件下的漏油外观。数据集使用labelImg工具制作标注规范统一格式清晰便于直接接入主流检测框架也可用于数据增强与算法对比实验。资源包共1016个文件以jpg图像、xml和txt标注文件为主体整体约24.07MB结构简洁、下载与预处理成本低。目前已有444人学习使用适合高校学生、算法工程师及电力行业智能化项目开发者在入门练习、模型调优或现场检测方案预研时选用。1. 电力场景设备漏油检测338张图够不够用取决于你怎么用电力设备漏油检测这个方向最大的痛点从来不是算法选型而是数据本身。漏油不像裂纹、锈蚀那样有清晰的几何边界油渍在金属表面会扩散、反光、被灰尘遮盖同一个漏油点在晴天和雨天拍出来完全是两回事。我刚接触这个任务时第一版模型在测试集上mAP看着还行一到现场就翻车后来排查下来问题全出在数据标注的边界处理上。这个标题里的数据集——338张、1类、VOC和YOLO两种格式——看着体量不大但放在电力巡检这个细分场景里这已经是一个能支撑完整训练流程的起步量级。它适合两类人一类是刚接到电力设备巡检项目、手里没有现成数据的算法工程师另一类是已经有自采数据、想用外部数据做预训练或数据增强的团队。2. 数据集内容拆解VOC与YOLO格式下的338张图到底装了什么拿到这个压缩包后第一件事不是解压而是先想清楚你要用什么框架训练。VOC格式和YOLO格式的差异本质上是标注信息的组织方式不同前者用XML存目标框的左上右下坐标后者用txt存归一化后的中心点坐标和宽高。两种格式在文件数量上差得很远——VOC格式每张图对应一个XML文件YOLO格式除了图片文件外还要配一个同名的label文件。如果你直接把它丢进某个训练脚本里不管格式大概率会在读取阶段就报错而且报错信息不会告诉你到底是坐标越界还是类别索引对不上。2.1 解压后的目录结构与文件对应规则一个规范的VOCYOLO双格式数据集解压后通常能看到的目录层级是Annotaions存放VOC格式的XML文件labels存放YOLO格式的txt文件JPEGImages存放原始图片。这里有一个关键点——图片文件名和XML文件名、txt文件名必须保持严格一致包括扩展名规则。YOLO系列框架读取时是根据图像路径去找同名txt的文件名对不上直接导致标签加载为空而训练脚本往往把这个当作正常的空标注样本处理不会报错。我一般会在解压后立刻执行一个对应性校验确认每一张图片都能找到自己的XML和txt标签同时确认txt文件里没有空文件。空文件意味着图中没有标注目标而这在漏油检测数据里基本属于异常情况。这个校验并不复杂但能帮你少排查一整晚的为什么loss不降。2.2 XML标注字段与YOLO txt标签格式的差异VOC格式的XML里核心信息集中在object节点下name是类别名bndbox里是xmin、ymin、xmax、ymax四个整数坐标。YOLO格式的txt每一行是class_id x_center y_center width heightx_center、y_center、width、height都是相对于图片宽高的归一化浮点数。这里最常见的转换错误是坐标没有归一化——直接把XML里的像素坐标写进txt训练时模型会认为目标框占满整个画面甚至超出边界。转换公式不复杂x_center (xmin xmax) / 2 / widthy_center (ymin ymax) / 2 / heightbox_width (xmax - xmin) / widthbox_height (ymax - ymin) / height。需要注意的是XML里同一个object还可能附带difficult、truncated、occluded这些字段转换时一般只取difficult0的标注因为YOLO训练默认不区分难易样本把它们混进去反而会干扰损失计算。2.3 类别逻辑与目标大小漏油检测的1类和通用目标检测不一样这个数据集只有一个类别这在目标检测数据集里算是极端情况。单类别的好处是省掉了类别不平衡的烦恼坏处是模型容易把所有看起来湿的东西都判定为目标——比如水渍、阴影、反光。漏油目标本身的特性决定了这个任务的难点不在类别区分而在目标尺度和边界判定。油渍的形态是扩散状的标注时如果用矩形框去框边界区域本身就存在大量主观判断。从目标尺度上看电力场景下漏油区域占整张图的比例往往很小属于典型的小目标检测问题。338张图里如果小目标占比高直接拿来训练YOLO系列模型默认的输入尺寸和特征金字塔可能根本照顾不到这些小目标。使用这个数据集之前最好先用脚本统计一下所有标注框的相对面积分布——宽度或高度小于图片尺寸5%的目标占比超过一半时训练时就要显式调整anchor尺寸或加大输入分辨率。3. 数据体检与改造把338张VOC数据变成能直接训练YOLO的数据集标题里同时给出VOC和YOLO两种格式但说实话你实际拿到的数据未必和你的训练脚本完全兼容。比如你用某个较新版本的YOLO框架训练它期望的标签目录结构可能是images和labels平级、每张图的标签文件名和图片名完全一致。所以拿到数据后花半小时做一次数据体检和格式规整比直接改训练脚本的读取逻辑要省事得多。3.1 数据体检统计图片尺寸、标注框分布与格式一致性我先写一个体检脚本把图片分辨率、标注框数量、标注框相对面积分布一次性统计出来。这个脚本的输出决定了后面训练参数的初始值——比如图像输入尺寸设多少、anchor怎么配、需不需要做mosaic增强。import os import xml.etree.ElementTree as ET from PIL import Image # 配置路径 img_dir JPEGImages xml_dir Annotations min_size_ratio 0.05 # 相对尺寸阈值小于这个值算小目标 small_cnt 0 total_box_cnt 0 img_sizes set() for xml_name in os.listdir(xml_dir): if not xml_name.endswith(.xml): continue xml_path os.path.join(xml_dir, xml_name) img_name xml_name.replace(.xml, .jpg) img_path os.path.join(img_dir, img_name) tree ET.parse(xml_path) root tree.getroot() img_w int(root.find(size/width).text) img_h int(root.find(size/height).text) img_sizes.add((img_w, img_h)) for obj in root.findall(object): bbox obj.find(bndbox) xmin int(bbox.find(xmin).text) ymin int(bbox.find(ymin).text) xmax int(bbox.find(xmax).text) ymax int(bbox.find(ymax).text) w xmax - xmin h ymax - ymin if w / img_w min_size_ratio or h / img_h min_size_ratio: small_cnt 1 total_box_cnt 1 print(f图片数量: {len(os.listdir(img_dir))}) print(f目标框总数: {total_box_cnt}) print(f小目标框占比: {small_cnt / total_box_cnt:.2%}) print(f图片尺寸种类: {img_sizes})这段脚本做的事情很直接遍历所有XML提取标注框坐标计算相对尺寸最后给出小目标占比和图片分辨率分布。其中相对尺寸阈值min_size_ratio我取的是0.05对应COCO定义小目标的近似尺度你可以根据实际项目里的漏油区域占比调整。图片尺寸种类这一行输出特别重要——如果数据集里混着1920x1080和640x480两种分辨率训练时统一resize会损失大量小目标细节这时候需要分组处理或改用保持宽高比的填充策略。3.2 VOC转YOLO核心转换脚本与三个容易漏掉的细节如果你最终要用YOLO系框架训练需要把XML标注转成txt标签。转换脚本的骨架不复杂但有几个细节容易被忽略。import os import xml.etree.ElementTree as ET # 配置路径 xml_dir Annotations label_dir labels os.makedirs(label_dir, exist_okTrue) CLASS_MAP {oil_leak: 0} # 类别名到索引的映射 def convert_voc_to_yolo(xml_path, save_path): tree ET.parse(xml_path) root tree.getroot() img_w int(root.find(size/width).text) img_h int(root.find(size/height).text) lines [] for obj in root.findall(object): # 跳过difficult1的样本避免干扰训练 diff int(obj.find(difficult).text) if obj.find(difficult) is not None else 0 if diff 1: continue cls_name obj.find(name).text if cls_name not in CLASS_MAP: continue cls_id CLASS_MAP[cls_name] bbox obj.find(bndbox) xmin int(bbox.find(xmin).text) ymin int(bbox.find(ymin).text) xmax int(bbox.find(xmax).text) ymax int(bbox.find(ymax).text) # 坐标裁剪到图片边界内防止越界导致训练报错 xmin max(0, xmin) ymin max(0, ymin) xmax min(img_w, xmax) ymax min(img_h, ymax) if xmax xmin or ymax ymin: continue # 归一化到0~1 x_center (xmin xmax) / 2 / img_w y_center (ymin ymax) / 2 / img_h w (xmax - xmin) / img_w h (ymax - ymin) / img_h # 裁剪浮点数精度避免存储超长小数 lines.append(f{cls_id} {x_center:.6f} {y_center:.6f} {w:.6f} {h:.6f}) with open(save_path, w) as f: f.write(\n.join(lines)) for xml_name in os.listdir(xml_dir): if not xml_name.endswith(.xml): continue xml_path os.path.join(xml_dir, xml_name) label_name xml_name.replace(.xml, .txt) convert_voc_to_yolo(xml_path, os.path.join(label_dir, label_name))这里三个细节值得重点关注。一是difficult字段的过滤——虽然这个数据集可能没有标difficult但转换脚本要具备这个逻辑因为自采数据里大概率会用到二是坐标裁剪XML里偶尔会出现标注框超出图片边界的脏数据YOLO训练时如果框的中心点或宽高落在[0,1]区间之外会导致损失计算出现nan三是归一化后保留6位小数这已经足够保证像素级精度不要为了好看保留10位小数导致文件膨胀。分类映射CLASS_MAP里的类别名要和XML里的name字段严格匹配如果解压后发现XML里的名字是oil_leak但脚本里写的是leak所有标注会静默丢失。3.3 数据集划分训练集、验证集划分的比例与随机种子陷阱338张图的数据集划分比例我一般取0.8/0.15/0.05分别对应训练、验证和测试也可以先只划分训练集和验证集等模型定稿后再从训练集里匀出一部分做测试。这里最常见的坑是直接使用random.shuffle而不固定随机种子——每次运行脚本划分结果都不同训练验证数据泄漏的问题被隐藏起来模型指标乱跳但找不到原因。import os import random random.seed(42) # 固定随机种子保证划分可复现 img_dir JPEGImages img_names [n for n in os.listdir(img_dir) if n.endswith(.jpg)] random.shuffle(img_names) train_ratio, val_ratio 0.8, 0.15 train_cnt int(len(img_names) * train_ratio) val_cnt int(len(img_names) * val_ratio) train_names img_names[:train_cnt] val_names img_names[train_cnt:train_cnt val_cnt] test_names img_names[train_cnt val_cnt:] with open(train.txt, w) as f: f.write(\n.join([os.path.join(img_dir, n) for n in train_names])) # val.txt、test.txt同理随机种子固定为42是惯例做法但更重要的是同一份数据你的基线和实验版本要用同一个种子不然数据划分不同带来的指标波动会伪装成模型改进。另外划分时按文件名排序后做等间隔采样比随机划分更能保证现场采集时序数据的分布稳定性如果你的自采数据是分批次采集的建议用等间隔采样而不是纯随机。4. 避坑清单漏油检测数据集使用中的5条踩坑记录这338张数据看着简单真用起来坑不少。我把自己和身边同事踩过的具体问题整理成清单每一条都按现象、原因、解决三个维度来说。前面已经讲过格式对应性校验这里就不再重复。4.1 漏标目标导致训练时loss下降但验证mAP长期不动现象是训练曲线很漂亮loss一路走低但验证集上的mAP一直卡在0.3附近上不去。排查时发现不是模型问题而是训练集里存在大量漏标的负样本——同一张图上实际有漏油点但没有标注框。模型把这些漏标区域当背景学习推理时真的检测出来反而被当作false positive惩罚precision被压低。原因是人工标注漏油区域时的疏漏油渍边界模糊标注员容易漏掉小面积油斑。解决方法是统计训练集里每张图的标注框数量把那些单图标注框数量明显偏少的图片挑出来人工重新过一遍——特别是图上明显有大面积深色湿渍但没有任何标注框的图大概率是漏标了。这种重新检查很花时间但漏标对单类别检测的伤害比错标更大。4.2 模型把水渍反光识别成漏油误报率高到没法用现象是模型在测试集上mAP有0.8但拿到现场新场景一测误报率高达50%以上把地面的水渍、设备表面的反光全框出来了。原因是漏油目标的视觉特征和反光水渍高度相近而数据集采集场景相对单一模型学到的其实是湿润反光区域而不是油渍。解决思路有两条路。一条路是在训练时做数据增强时刻意加入亮度扰动、高斯噪声模拟不同光照方向下的反光差异让模型不那么依赖反射特征另一条路是推理时用油渍区域特有的形态先验做后处理——漏油通常沿着设备表面向下扩散长宽比和朝向有一定规律超出合理范围的检测框直接丢弃。注意后处理规则要单独在验证集上测试不能为了压误报把召回率打没了。4.3 将标注框裁到图片边界后训练过拟合现象是训练过程中早停触发的epoch数越来越早验证集loss在训练中期就开始回升。原因是很多数据增强策略比如随机裁剪、缩放会把标注框的一部分裁出画面模型频繁看到半截目标学习到了残缺特征推理时对完整目标的判定反而变得宽松或保守。这个问题的根子在数据增强配置直接改标注没有意义。常见做法是配置增强策略时开启bbox裁剪保护或设置scale抖动范围不要过大——YOLO系列训练脚本里有专门的参数控制mosaic和random_affine的缩放范围把scale设成0.5到1.5之间比默认的0.2到2.0稳得多。338张小数据集尤其怕增强过度增强的目的不是让模型见过更多花样的图而是让模型在真实场景的bias面前更鲁棒。4.4 训练和推理时的图像分辨率不一致导致精度掉一截现象是训练时用416x416的输入尺寸推理时想试试1280x1280能不能提升小目标检测率结果mAP反而更低了。原因是模型在训练时学到的目标尺度分布和推理时的输入不匹配——训练时小目标被缩小到几乎消失推理时放大图后模型预测框的位置和尺寸惯性还是训练时的尺度习惯。解决方法是推理输入尺寸与训练分辨率保持完全一致这是最稳的。如果确实要提分辨率提升小目标召回就必须在训练时同步调大输入尺寸并配合调小anchor尺度。常见做法是把训练尺寸逐步从416提到640每提一次都要重新统计训练集的anchor分布不能只改输入不改anchor。4.5 直接照搬预训练权重导致域偏差严重现象是有人喜欢用COCO预训练权重做迁移学习但漏油目标的外观和COCO里常见物体差异过大微调时收敛慢且精度上限不高。原因是预训练权重里的低层特征边缘、纹理、颜色分布仍然保留着自然图像域的统计特性而电力设备表面多为金属、油漆、暗色背景这类纹理在COCO数据里占比很低。常见做法是不用COCO权重从头训练或只用部分层冻结迁移把骨干网络前几层一并放开微调让底层特征尽快适应电力场景的纹理分布。如果算力允许从随机初始化在338张图上训练也不是不行配合足够强的增强策略收敛后的精度往往和迁移学习差不多少一份域偏差的玄学。5. 从数据集到可用的漏油检测模型收敛验证方法与针对性trick拿这个数据集训练YOLO系模型我建议先跑一个最朴素的基线——YOLOv8s或类似量级的模型、640输入、训练150个epoch把数据集本身的难度摸清楚。不要上来就堆大模型和复杂增强否则你分不清指标的提升是模型变强了还是数据预处理的手气变好了。验证阶段有一个容易被忽视的点漏油检测的评估指标不能只看mAP更要看误报率。电力巡检场景下一个漏油点漏检还可以通过多帧复核补救但把水渍误报成漏油会让整个告警系统变成摆设。我一般会在验证集上额外统计两个指标按置信度阈值从0.1到0.9扫描画出F1曲线选择F1最大的阈值作为推理时的默认置信度同时统计误报框与真实框的IoU分布误报框如果集中出现在图片下半部分多半是地面反光导致的这时应检查预处理里的减均值操作是否合理。进阶做法是把这个数据集当作预训练语料配合你自己的现场数据做两阶段训练。先把338张数据训练到收敛再用现场数据继续微调学习率调为原来的十分之一——这种curriculum式的训练顺序经常在数据量小的场景里比直接把数据混在一起训练效果更好。另外标注框里的油渍边界大多是模糊的推理阶段可以在NMS之外加一个Merge操作把IoU较高的相邻检测框合并减少对同一片油渍重复框选的情况。我个人的习惯是数据集到手后先把标注框尺寸分布打印出来贴在显示器旁边训练参数怎么调都先看那张表。跑偏了就看是小目标的检测率掉还是大目标的定位偏移比漫无目的地炼丹快很多。记住一点338张图的数据集上模型指标好是应该的能扛住新场景的差异才是真的可用。这套数据体检、格式转换、训练验证的流程走一遍后面不管拿到什么数据集你都能半小时内把它变成能跑的训练语料。希望帮到你。本文还有配套的精品资源点击获取
