简介：本资源为苹果检测数据集，从COCO2017数据集中提取并整理而成，面向从事目标检测算法学习与实验的研究者、学生及工程人员，可用于YOLO等检测模型的训练与验证。数据集目标类别为apple，共包含1662张标注图像，标签同时提供txt与xml两种格式，便于适配YOLO系列与VOC风格框架。压缩包内文件总数为4987个，其中1663个txt标签文件、1662个xml标签文件与1662个jpg图像文件，整体约265.75MB，图像与标注一一对应，目录结构清晰，方便直接划分训练集与验证集。目前已有775人学习下载，适合用于苹果检测任务的模型训练、算法对比与课程实验，也可作为目标检测入门者熟悉数据标注格式与训练流程的实践素材。
1. 苹果检测数据集与1600张标注图：从拿到手到跑通第一版模型
果园里最让人头疼的不是摘苹果，而是判断哪颗该摘、哪颗还有伤。人工分拣一天下来眼睛发花，漏检的坏果混进好果箱，到了收购站被压价，这个损失是实打实的。苹果检测数据集要解决的就是这件事：让模型学会在图像里框出每一颗苹果，并区分正常果和瑕疵果。1600张这个量级，说大不大，说小也够跑出一个能用的基线模型。它适合两类人：一是做农业视觉方向、需要快速验证检测方案可行性的工程师；二是手里有果园或分拣线场景、想先跑通再考虑扩充数据的开发者。这一章先把数据集的结构、标注格式和适用边界讲清楚，后面几章再落到具体训练和调参。
2. 苹果检测数据集的结构拆解与格式转换
2.1 1600张数据里到底有什么
拿到一个目标检测数据集，第一件事不是急着写训练脚本，而是把目录结构和标注文件翻一遍。苹果检测数据集通常包含三个部分：图像文件夹、标注文件夹、以及一份类别说明。1600张图如果按常见划分，大概是训练集1120张、验证集240张、测试集240张，比例接近7:1.5:1.5。图像分辨率常见的有640×640和1280×720两种，前者适合直接喂给YOLO系列，后者保留更多细节但需要缩放。
标注格式决定了你后面要不要写转换脚本。常见的有三种：Pascal VOC的XML、COCO的JSON、YOLO的TXT。苹果检测数据集如果来自公开渠道，VOC和YOLO格式居多。VOC格式每张图对应一个XML文件，里面记录了每个目标的边界框坐标和类别名；YOLO格式则是每张图对应一个TXT，每行是类别索引 中心x 中心y 宽 高，坐标都归一化到0到1之间。
类别方面，苹果检测通常分两类：正常苹果和瑕疵苹果。有些数据集会细分到疤痕、碰伤、虫眼，但1600张这个量级如果类别太多，每类样本会不够分。我一般建议先用二分类跑通，再考虑要不要加细分类别。
提示：拿到数据集先统计每类目标数量，如果某一类少于总目标的10%，训练时要么过采样，要么在损失函数里加类别权重。
2.2 把VOC转成YOLO格式的脚本与四个边界坑
如果你拿到的标注是VOC格式，而你想用YOLO训练，转换这一步绕不开。下面这个脚本是我常用的版本，处理1600张图大概十几秒跑完。
import xml.etree.ElementTree as ET import os import glob # 类别映射，根据你的数据集类别说明修改 class_map = {'normal_apple': 0, 'defect_apple': 1} def voc_to_yolo(xml_path, img_w, img_h): tree = ET.parse(xml_path) root = tree.getroot() lines = [] for obj in root.findall('object'): 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 = float(bbox.find('xmin').text) ymin = float(bbox.find('ymin').text) xmax = float(bbox.find('xmax').text) ymax = float(bbox.find('ymax').text) # 归一化并转为中心点+宽高 cx = (xmin + xmax) / 2.0 / img_w cy = (ymin + ymax) / 2.0 / img_h w = (xmax - xmin) / img_w h = (ymax - ymin) / img_h # 边界裁剪，防止坐标越界 cx = max(0, min(1, cx)) cy = max(0, min(1, cy)) w = max(0, min(1, w)) h = max(0, min(1, h)) lines.append(f"{cls_id} {cx:.6f} {cy:.6f} {w:.6f} {h:.6f}") return lines # 假设图像尺寸统一为640x640，如果不是需要从图像读取 IMG_W, IMG_H = 640, 640 xml_files = glob.glob('annotations/*.xml') for xml_file in xml_files: lines = voc_to_yolo(xml_file, IMG_W, IMG_H) txt_name = os.path.basename(xml_file).replace('.xml', '.txt') with open(f'labels/{txt_name}', 'w') as f: f.write('\n'.join(lines))这段代码的逻辑很直接：解析XML，提取每个目标的类别和边界框，把绝对坐标转成归一化的中心点加宽高。但有几个坑我踩过不止一次。
第一个坑是图像尺寸不统一。脚本里写死了640×640，如果你的数据集里混了不同分辨率的图，转换出来的坐标全是错的。解决办法是用PIL或OpenCV逐张读取实际尺寸，或者提前把所有图resize到统一尺寸。
第二个坑是坐标越界。有些标注框会超出图像边界，比如xmax大于图像宽度。归一化之后值大于1，YOLO训练时虽然不会报错，但会影响回归精度。上面代码里加了裁剪，把值限制在0到1之间。
第三个坑是类别名不一致。XML里可能写的是"apple"、"Apple"、"normal apple"多种变体，class_map里只写了一种，结果大量目标被跳过。转换前先用脚本统计所有出现的name值，统一映射。
第四个坑是空标注文件。有些图可能没有目标，对应的TXT是空的。YOLO训练时空文件是合法的，表示这张图是负样本，但如果你用某些数据加载库，空文件可能导致报错。我一般会保留空文件，但在数据加载时加个判断。
转换完成后，建议随机抽10张图用可视化脚本画框检查一遍。我见过太多转换完直接开训、结果mAP只有0.1的情况，回头查发现是坐标没归一化对。
3. 用YOLOv8在苹果检测数据集上跑通训练
3.1 环境配置与数据配置文件
YOLOv8是目前苹果检测这类任务里上手最快的选择，安装干净，配置文件简单。环境方面，Python 3.8以上，PyTorch 1.8以上，有GPU最好，没有的话1600张图用CPU训练也能跑，就是慢。
pip install ultralytics安装完之后，需要准备一个数据配置文件，YOLOv8用YAML格式描述数据集路径和类别。
# apple_dataset.yaml path: /data/apple_detection # 数据集根目录 train: images/train # 训练集图像相对路径 val: images/val # 验证集图像相对路径 test: images/test # 测试集图像相对路径 nc: 2 # 类别数 names: ['normal_apple', 'defect_apple'] # 类别名，顺序要和标注里的索引一致这个文件里path是根目录，train、val、test是相对于根目录的路径。YOLOv8会自动在图像同级目录下找同名的TXT标注文件，所以目录结构应该是这样的：
apple_detection/ images/ train/ (1120张jpg) val/ (240张jpg) test/ (240张jpg) labels/ train/ (1120个txt) val/ (240个txt) test/ (240个txt)注意：images和labels必须同级，且文件名一一对应。如果标注文件和图像不在同一级，YOLOv8会找不到标签，训练时loss直接为0。
3.2 训练命令与关键参数怎么设
配置文件准备好之后，训练命令就一行：
yolo detect train data=apple_dataset.yaml model=yolov8n.pt epochs=100 imgsz=640 batch=16 lr0=0.01这行命令里每个参数都值得说清楚。model=yolov8n.pt用的是nano版本，参数量最小，1600张图用这个足够。如果你有GPU且追求更高精度，可以换成yolov8s.pt或yolov8m.pt，但训练时间会成倍增加。epochs=100是训练轮数，1600张图一般50到100轮就能收敛，我习惯设100轮然后看验证集mAP什么时候不再上升。imgsz=640是输入图像尺寸，要和你的图像实际尺寸匹配，如果原图是1280×720，设640会缩放，小目标可能丢失细节。batch=16是批大小，显存不够就降到8或4。lr0=0.01是初始学习率，YOLOv8默认是0.01，如果训练loss震荡厉害可以降到0.001。
训练过程中重点关注三个指标：box_loss、cls_loss和mAP50。box_loss是边界框回归损失，cls_loss是分类损失，两个都应该随着训练下降。mAP50是IoU阈值为0.5时的平均精度，苹果检测任务里，正常果的mAP50一般能到0.9以上，瑕疵果因为特征不明显，可能只有0.7到0.8。
如果训练到30轮左右mAP就不动了，可以试试这几个操作：把学习率降一半继续训、加数据增强（YOLOv8默认开了mosaic和翻转，可以再加亮度对比度扰动）、或者检查标注里有没有大量漏标。
3.3 推理验证与结果解读
训练完成后，模型权重保存在runs/detect/train/weights/best.pt。用这个权重跑推理：
yolo detect predict model=runs/detect/train/weights/best.pt source=test_images/ conf=0.25 save=Trueconf=0.25是置信度阈值，低于这个值的检测框会被过滤掉。苹果检测里，如果漏检多就降低阈值到0.1，如果误检多就提高到0.5。save=True会把画了框的结果图保存下来，方便肉眼检查。
推理结果里有两个数字要会看：Precision和Recall。Precision是检出的目标里有多少是真的，Recall是所有真实目标里检出了多少。苹果分拣场景下，Recall比Precision更重要，因为漏掉一个坏果的代价比误判一个好果大。如果Recall偏低，优先检查标注质量，其次考虑降低置信度阈值或增加训练轮数。
我一般会在测试集上跑完推理后，随机抽20张结果图看一遍。重点看三类问题：小苹果有没有被漏掉、密集堆叠的苹果有没有被合并成一个框、瑕疵区域有没有被正确分类。这三类问题基本覆盖了苹果检测里80%的翻车场景。
4. 苹果检测训练中的避坑与排查
4.1 现象：训练loss正常下降但mAP始终为0
原因通常是标注格式不对。YOLOv8要求TXT里每行是类别索引 中心x 中心y 宽 高，且坐标归一化到0到1。如果坐标没归一化，或者类别索引从1开始而不是0，模型学到的就是错误映射。另一个可能是图像和标注文件名不匹配，比如图像是IMG_001.jpg，标注是IMG_001.txt，但中间多了个空格或大小写不一致。
解决：写个脚本随机抽几张图，把标注框画到图上，肉眼确认框的位置和类别是否正确。如果框的位置明显偏移，就是坐标转换有问题；如果框的位置对但类别全错，就是类别索引映射错了。
4.2 现象：瑕疵苹果的召回率明显低于正常苹果
原因是瑕疵特征不明显，且1600张图里瑕疵样本可能只有几百个，类别不平衡导致模型偏向多数类。另外，瑕疵区域往往只占苹果表面一小块，标注时如果框的是整个苹果，模型学到的特征里瑕疵信号被稀释。
解决：一是在损失函数里给瑕疵类加权重，YOLOv8支持通过cls参数调整分类损失的权重系数；二是对瑕疵样本做过采样，在数据配置文件里用fraction参数控制每类采样比例；三是如果瑕疵区域很小，考虑把标注框缩小到瑕疵区域本身，而不是整个苹果。
4.3 现象：验证集mAP比训练集低很多
这是过拟合的典型表现。1600张图对于检测任务来说不算多，如果模型参数量大（比如用了yolov8m或l），很容易记住训练集。另一个原因是训练集和验证集的分布不一致，比如训练集都是晴天拍的，验证集里有阴天或逆光的图。
解决：换小模型（yolov8n或yolov8s），加数据增强（YOLOv8默认开了mosaic，可以再加随机裁剪和色彩抖动），早停（设patience=20，20轮mAP不升就停）。如果分布不一致，尽量让训练集覆盖各种光照和角度，或者用域适应方法，但那个复杂度就高了。
4.4 现象：推理时密集苹果被合并成一个框
原因是NMS（非极大值抑制）的IoU阈值设得太高，或者苹果之间重叠严重，模型学到的框本身就偏大。苹果在树上或筐里经常挤在一起，边界框重叠是常态。
解决：降低NMS的IoU阈值，YOLOv8里通过iou参数控制，默认0.7，可以降到0.5。另外检查标注，如果两个苹果挨得很近，标注时框要尽量贴合各自边缘，不要为了省事画一个大框把两个都包进去。
4.5 现象：训练到一半loss突然变成NaN
原因可能是学习率太大导致梯度爆炸，或者某张图的标注里有非法值（比如宽高为0或负数）。1600张图里如果混了一张坏标注，训练到那个batch时就可能崩。
解决：先把学习率降到0.001再试。如果还是NaN，用脚本遍历所有标注文件，检查有没有宽高小于等于0的行，或者坐标值超出0到1范围的行。找到之后修正或删除那张图的标注。
5. 从1600张到可落地：数据增强与模型微调的进阶技巧
1600张图跑出一个能用的基线不难，但要让模型在真实果园或分拣线上稳定工作，还需要做两件事：一是用数据增强把有效样本量撑大，二是用微调策略让模型适应你的具体场景。
数据增强方面，YOLOv8内置了mosaic、mixup、随机翻转、色彩抖动等。对于苹果检测，我建议额外关注三个增强：随机旋转（苹果在树上角度各异）、随机遮挡（模拟枝叶遮挡）、亮度对比度扰动（模拟不同光照）。这三个增强可以在训练配置里通过degrees、erasing、hsv_v参数控制。degrees=10表示随机旋转正负10度，erasing=0.4表示随机遮挡40%面积，hsv_v=0.4表示亮度扰动幅度。不要设太大，否则模型学到的特征会失真。
微调策略上，如果你有一个在COCO上预训练过的YOLOv8权重，直接拿来在苹果数据集上微调，比从头训练收敛快得多。具体做法是model=yolov8n.pt，这个权重已经在大规模数据上学过通用特征，你只需要让它适应苹果这个特定类别。微调时学习率可以设小一点，0.001到0.005之间，训练轮数30到50轮就够。
另一个技巧是分阶段训练。第一阶段冻结骨干网络，只训练检测头，让模型先学会定位苹果；第二阶段解冻全部参数，用更小的学习率微调，让模型学会区分正常果和瑕疵果。YOLOv8里可以通过freeze参数控制冻结层数，freeze=10表示冻结前10层。
验证模型是否真的可用，不能只看mAP。我习惯做两个额外测试：一是拿手机在果园里拍一段视频，抽帧后跑推理，看实际场景下的漏检和误检；二是把模型导出成ONNX，用ONNX Runtime跑一遍，确认推理速度和精度没有明显下降。导出命令是yolo export model=best.pt format=onnx，导出后用onnxruntime加载测试。
最后说一个我自己的习惯：每次训练完，不管mAP多高，我都会把测试集里所有漏检和误检的图单独挑出来，一张一张看。漏检的图里往往藏着标注问题或场景盲区，误检的图里往往能看到模型学到的错误特征。这个过程比调参更花时间，但收益也最大。1600张图的数据集，认真过一遍错误样本，下一版模型的提升往往比换模型结构更明显。
希望帮到你。
本文还有配套的精品资源，点击获取
