简介：本资源为面向YOLO系列算法目标检测的罐头与瓶子数据集，包含鲜奶、瓶子等类别，适合从事目标检测模型训练与验证的开发者、学生及研究人员使用。数据集已划分好训练与测试集，并附带data.yaml配置文件，可直接适配yolov5、yolov8、yolov9、yolov7、yolov10及yolo11等主流算法。压缩包共2000个文件，其中1073个xml文件与927个txt文件，分别对应VOC格式与YOLO格式标签，YOLO格式采用归一化中心点与宽高坐标，便于直接读取训练；包体大小约68.59MB，结构清晰。目前已有54人学习下载，可作为目标检测入门与实战的参考数据。读者可快速获得完整标注数据、双格式标签及配置文件，省去自行标注与划分的繁琐流程，直接投入模型训练与验证，提升实验效率。
1. 罐头与鲜奶瓶检测：1531 张带标签图像能跑出什么结果
手上拿到一个压缩包，名字叫「YOLO算法-罐头和瓶子数据集-1531张图像带标签-鲜奶-瓶子.zip」，第一反应不该是解压看图片，而是先判断它能不能撑起一个可用的检测模型。1531 张图像在 YOLO 训练里属于小数据集，但小不等于不能用，关键看类别是否聚焦、标注是否干净、场景是否单一。这个数据集瞄准的是罐头和鲜奶瓶两类目标，属于典型的工业包装检测场景，产线质检、货架盘点、仓储出入库都可能用得上。适合谁？适合想跑通 YOLO 训练全流程但不想花几天清洗数据的工程师，也适合需要快速验证包装检测可行性的团队。但别指望 1531 张就能直接上产线，它更像一个起点，让你先把训练管线跑通，再决定要不要扩数据。下面从数据检查、格式转换、训练配置到踩坑排查，一步步拆开讲。
2. 先验数据：1531 张罐头瓶子和鲜奶瓶图像到底该怎么查
拿到数据集先别急着写训练脚本，花二十分钟做数据体检，能省后面几小时的调参玄学。这个数据集的核心价值在于「带标签」，但标签质量参差不齐是常态，尤其是罐头和瓶子这类反光物体，标注框容易偏大或偏小。
2.1 解压后先看目录结构和标签格式
常见做法是解压后先列目录树，确认图像和标签是否一一对应。YOLO 格式的标签是每张图对应一个同名 .txt 文件，每行五个值：类别索引、归一化中心 x、归一化中心 y、归一化宽、归一化高。如果标签是 VOC 的 XML 或 COCO 的 JSON，就得先转换。
# 查看解压后的目录结构，确认图像和标签是否分离 find ./dataset -maxdepth 2 -type d | head -20 # 统计图像数量，验证是否与标题的 1531 张一致 find ./dataset -name "*.jpg" -o -name "*.png" | wc -l # 统计标签文件数量，图像和标签数量必须相等 find ./dataset -name "*.txt" | wc -l # 随机抽一个标签文件看格式 head -5 ./dataset/labels/000001.txt逻辑说明：第一步确认目录层级，YOLO 训练通常要求 images 和 labels 两个平行目录。第二步和第三步做数量对齐，如果图像 1531 张而标签只有 1500 个，说明有 31 张图没标，训练时要么剔除要么补标。第四步看标签内容，正常一行五个数，如果出现六个或七个值，可能是分割格式或带置信度，需要单独处理。
参数说明：-maxdepth 2限制目录深度避免输出爆炸；head -5只看前五行，快速判断格式。如果标签文件里出现负数或大于 1 的值，说明归一化没做对，得重新算。
2.2 用脚本统计类别分布和标注框尺寸
1531 张图里罐头和瓶子各占多少，直接决定训练时要不要设类别权重。如果罐头 1400 个框、瓶子只有 200 个框，模型会严重偏向罐头。另外标注框的宽高分布能告诉你 anchor 该怎么设。
import os import glob from collections import Counter label_dir = "./dataset/labels" class_counter = Counter() width_list, height_list = [], [] for txt_path in glob.glob(os.path.join(label_dir, "*.txt")): with open(txt_path, "r") as f: for line in f.readlines(): parts = line.strip().split() if len(parts) != 5: continue cls_id = int(parts[0]) w, h = float(parts[3]), float(parts[4]) class_counter[cls_id] += 1 width_list.append(w) height_list.append(h) print("类别分布:", dict(class_counter)) print("宽均值:", sum(width_list)/len(width_list)) print("高均值:", sum(height_list)/len(height_list)) print("宽最大:", max(width_list), "高最大:", max(height_list))逻辑说明：遍历所有标签文件，统计每个类别的框数量，同时收集归一化宽高。类别分布告诉你是否类别不平衡，宽高均值用来判断目标尺度。如果宽均值 0.05、高均值 0.08，说明目标偏小，训练时输入尺寸不能低于 640，否则小目标特征会丢。
参数说明：cls_id是类别索引，通常 0 代表罐头、1 代表瓶子，具体看 data.yaml。w和h是归一化值，乘以图像宽高才是像素尺寸。如果发现某个类别框数为 0，说明标签里根本没这个类，得检查标注是否漏了。
2.3 可视化抽查：反光罐头和透明瓶子的标注框是否贴合
罐头和鲜奶瓶都有反光或半透明问题，标注时容易把高光边缘也算进去，导致框偏大。抽 20 张图叠加标注框看一眼，比看统计数字更直接。
import cv2 import os import random img_dir = "./dataset/images" label_dir = "./dataset/labels" img_list = random.sample(os.listdir(img_dir), 20) for img_name in img_list: img = cv2.imread(os.path.join(img_dir, img_name)) h, w = img.shape[:2] txt_path = os.path.join(label_dir, img_name.replace(".jpg", ".txt")) if not os.path.exists(txt_path): continue with open(txt_path) as f: for line in f.readlines(): cls_id, cx, cy, bw, bh = map(float, line.strip().split()) x1 = int((cx - bw/2) * w) y1 = int((cy - bh/2) * h) x2 = int((cx + bw/2) * w) y2 = int((cy + bh/2) * h) cv2.rectangle(img, (x1, y1), (x2, y2), (0, 255, 0), 2) cv2.imwrite(f"./vis_{img_name}", img)逻辑说明：随机抽 20 张，把归一化坐标还原成像素坐标画框。重点看框是否把整个罐头或瓶子包住，有没有把旁边无关物体框进去。如果发现框明显偏大，训练时模型会学到背景噪声，mAP 上不去。
参数说明：cx, cy是中心点归一化坐标，bw, bh是归一化宽高。还原公式是(cx - bw/2) * w得到左上角 x。random.sample保证每次抽的图不同，多跑几次能覆盖更多场景。
提示：如果发现大量标签框偏移，别硬训，先花时间修标注。1531 张里修 100 张坏标签，比训完再调参划算得多。
3. 从原始压缩包到 YOLO 可训练格式：转换脚本与目录规范
数据体检过关后，下一步是把目录整理成 YOLO 训练框架能直接吃的结构。不管后面用 YOLOv5、YOLOv8 还是 YOLO11，目录规范基本一致：images 和 labels 平行，各自分 train、val、test。
3.1 划分训练集验证集测试集：7:2:1 还是 8:1:1
1531 张图不算多，验证集太小会导致评估波动大。常见做法是 8:1:1，即训练 1224 张、验证 153 张、测试 154 张。如果类别极不平衡，还要做分层抽样，保证每个子集里罐头和瓶子比例接近。
import os import shutil import random random.seed(42) img_dir = "./dataset/images" label_dir = "./dataset/labels" out_dir = "./yolo_dataset" for split in ["train", "val", "test"]: os.makedirs(os.path.join(out_dir, "images", split), exist_ok=True) os.makedirs(os.path.join(out_dir, "labels", split), exist_ok=True) img_list = [f for f in os.listdir(img_dir) if f.endswith((".jpg", ".png"))] random.shuffle(img_list) n = len(img_list) train_end = int(n * 0.8) val_end = int(n * 0.9) split_map = { "train": img_list[:train_end], "val": img_list[train_end:val_end], "test": img_list[val_end:] } for split, files in split_map.items(): for img_name in files: shutil.copy(os.path.join(img_dir, img_name), os.path.join(out_dir, "images", split, img_name)) txt_name = os.path.splitext(img_name)[0] + ".txt" src_txt = os.path.join(label_dir, txt_name) if os.path.exists(src_txt): shutil.copy(src_txt, os.path.join(out_dir, "labels", split, txt_name))逻辑说明：先建好六个目录，然后打乱图像列表按比例切分。random.seed(42)保证每次划分结果一致，方便复现。复制标签时先判断存在性，避免因缺标签报错。
参数说明：0.8和0.9是切分点，训练占 80%，验证占 10%，测试占 10%。如果数据量更小，可以改成 7:2:1。shutil.copy是复制不是移动，保留原始数据做后悔药用。
3.2 写 data.yaml：类别名、路径和 nc 参数怎么填
YOLO 训练靠 data.yaml 找数据，路径写错是最常见的翻车点。相对路径和绝对路径都行，但相对路径是相对于训练脚本的运行目录，容易搞混，我一般写绝对路径。
path: /home/user/yolo_dataset train: images/train val: images/val test: images/test nc: 2 names: 0: can 1: bottle逻辑说明：path是数据集根目录，train、val、test是相对 path 的子路径。nc是类别数，这里罐头和瓶子共 2 类。names是类别索引到名称的映射，顺序必须和标签里的 cls_id 一致，否则模型会把罐头叫成瓶子。
参数说明：如果标签里罐头是 0、瓶子是 1，names 就必须 0 对应 can、1 对应 bottle。写反了训练不报错，但推理结果全错。nc必须等于 names 的条目数，多一个少一个都会在训练启动时报错。
3.3 用 YOLO 官方校验命令检查数据集完整性
目录整理完别直接开训，先用框架自带的校验功能扫一遍。YOLOv8 和 YOLO11 都有yolo checks或训练启动时的自动扫描，能提前发现标签越界、图像损坏、类别不匹配。
# 以 YOLOv8 为例，启动训练前会自动校验，也可以单独跑 yolo detect train data=./data.yaml model=yolov8n.pt epochs=1 imgsz=640 batch=8 # 如果只想校验不训练，看输出里的 warning 和 error逻辑说明：跑一个 epoch 的最小训练，重点不是看精度，而是看数据加载阶段有没有报错。如果出现Label class x exceeds nc，说明标签里的类别索引大于 nc-1。如果出现corrupt image，说明有图像文件损坏。
参数说明：imgsz=640是输入尺寸，batch=8是小批量快速验证。epochs=1只为触发数据扫描。校验通过后再把 epochs 调到 100 以上正式训练。
注意：如果校验时报
No labels found，先检查 labels 目录路径是否写对，再检查标签文件扩展名是不是 .txt。YOLO 不认 .TXT 大写扩展名。
4. 训练参数怎么设：小数据集上 YOLO 的 batch、lr 和增强策略
1531 张图属于小数据集，训练参数和大数据集不一样。batch 太大梯度更新少，学习率太高容易震荡，数据增强开太猛会把小目标增强没了。这一章把关键参数拆开讲。
4.1 batch size 和输入尺寸的搭配：8GB 显存怎么选
显存是硬约束。1531 张图、两类目标，输入 640 时 YOLOv8n 的 batch 8 大约占 4GB 显存，YOLOv8m 的 batch 8 可能到 7GB。如果显存只有 8GB，建议用 n 或 s 模型，batch 设 8 到 16。
# 8GB 显存推荐配置：YOLOv8n + imgsz 640 + batch 16 yolo detect train data=./data.yaml model=yolov8n.pt epochs=150 imgsz=640 batch=16 workers=4逻辑说明：model=yolov8n.pt是 nano 模型，参数量小、训练快，适合先跑通。epochs=150对小数据集够用，太多会过拟合。workers=4是数据加载线程数，设太大反而拖慢。
参数说明：imgsz=640是输入分辨率，如果目标在图中占比很小，可以提到 1280，但显存翻倍。batch=16在 8GB 显存上比较稳，如果报 OOM 就降到 8。workers一般设 CPU 核数的一半。
4.2 学习率和优化器：SGD 还是 AdamW
YOLO 默认用 SGD，学习率 0.01，动量 0.937。小数据集上 SGD 收敛稳定但慢，AdamW 收敛快但容易过拟合。我一般先用默认 SGD 跑 50 epoch 看曲线，如果 loss 下降太慢再换 AdamW。
# 换 AdamW 优化器，学习率降到 0.001 yolo detect train data=./data.yaml model=yolov8n.pt epochs=150 imgsz=640 batch=16 optimizer=AdamW lr0=0.001逻辑说明：optimizer=AdamW切换优化器，lr0=0.001是初始学习率。AdamW 对学习率更敏感，0.01 会直接发散，所以必须降到 0.001 量级。
参数说明：lr0是初始学习率，SGD 常用 0.01，AdamW 常用 0.001。如果训练前期 loss 剧烈震荡，先把 lr0 减半。lrf是最终学习率因子，默认 0.01，控制余弦退火终点。
4.3 数据增强：小数据集该开哪些、该关哪些
YOLO 默认开 mosaic、mixup、hsv 增强。mosaic 把四张图拼成一张，对小数据集能增加样本多样性，但罐头和瓶子如果本身场景单一，mosaic 可能引入不相关背景。mixup 在小数据集上容易让目标重叠，建议关掉。
# 关闭 mixup，保留 mosaic 和 HSV，适合罐头瓶子检测 yolo detect train data=./data.yaml model=yolov8n.pt epochs=150 imgsz=640 batch=16 mixup=0.0 mosaic=1.0 hsv_h=0.015 hsv_s=0.7 hsv_v=0.4逻辑说明：mixup=0.0关闭 mixup，避免目标重叠。mosaic=1.0保持 mosaic 开启，增加背景多样性。hsv_h、hsv_s、hsv_v控制色调、饱和度、亮度扰动，罐头和瓶子颜色固定，扰动别太大。
参数说明：hsv_h=0.015是色调扰动幅度，0.015 约等于 ±1.5% 色相偏移。hsv_s=0.7是饱和度扰动，hsv_v=0.4是亮度扰动。如果图像本身光照变化大，可以适当提高 hsv_v。
提示：如果训练 50 epoch 后验证集 mAP 不升反降，先关 mosaic 试一轮。mosaic 对小目标有时是负优化。
5. 训练过程排查：loss 不降、mAP 震荡和 BN 崩溃怎么处理
训练跑起来不代表能跑好。小数据集上最常见的问题是 loss 不降、mAP 来回震荡、BN 层崩溃。这一章按现象、原因、解决三步走，把踩过的坑列清楚。
5.1 现象：loss 从第一轮就不降，一直卡在 0.8 左右
原因：标签类别索引和 data.yaml 的 names 对不上，或者标签坐标没归一化。模型学的是错误映射，loss 自然下不去。
解决：先跑校验命令看有没有Label class exceeds nc警告。如果没有，抽一个标签文件手动算一遍归一化坐标，确认 x、y、w、h 都在 0 到 1 之间。如果出现大于 1 的值，说明标签是像素坐标没归一化，得重新转换。
5.2 现象：mAP 在 0.5 到 0.7 之间来回跳，没有稳定上升趋势
原因：验证集太小或分布和训练集差异大。153 张验证图如果恰好抽到很多反光严重的罐头，mAP 就会偏低。另外学习率太高也会导致震荡。
解决：把验证集比例从 10% 提到 20%，或者做交叉验证。学习率先减半，lr0=0.005跑一轮看曲线。如果还是震荡，检查数据增强里的 mosaic 是否把目标拼到了图像边缘导致截断。
5.3 现象：训练到一半报 BN 层错误，提示 batch 内样本数不足
原因：batch size 太小，或者最后一批数据不足 batch size 时 BN 计算方差为 NaN。YOLO 训练时如果batch=8但某批只剩 1 张图，BN 就会崩。
解决：把batch设成能整除数据集大小的值，或者开启drop_last。YOLO 默认会处理最后一批，但如果自定义数据加载器，要手动加drop_last=True。另外把batch提到 16 能缓解。
5.4 现象：推理时罐头和瓶子框重叠严重，NMS 后只剩一个框
原因：NMS 的 IoU 阈值设太高，或者模型对两类目标的区分度不够。罐头和瓶子如果外形相似，模型可能给同一个目标同时预测两个类。
解决：降低 NMS 的 IoU 阈值，从默认 0.7 降到 0.5。如果还是重叠，检查标签里有没有把罐头标成瓶子。另外可以在推理时加agnostic_nms=True，让 NMS 跨类别抑制。
5.5 现象：训练完模型在测试集上 mAP 只有 0.3，但训练集 mAP 0.95
原因：严重过拟合。1531 张图对 YOLO 来说太少，模型把训练集背下来了。验证集和测试集如果和训练集同分布，mAP 不会差这么多，差这么多说明测试集场景差异大。
解决：加数据增强，开 mosaic 和随机缩放。加 weight decay，从默认 0.0005 提到 0.001。减少模型参数量，从 YOLOv8m 换回 YOLOv8n。如果还不行，只能扩数据。
注意：BN 崩溃有时不报错，而是 loss 突然变成 NaN。训练时盯着 loss 曲线，一旦出现 NaN 立即停，检查学习率和 batch。
6. 小数据集提点技巧：从 1531 张里榨出更高 mAP 的四个习惯
1531 张图想跑到 0.85 以上 mAP，靠默认参数不够，得在细节上抠。下面四个习惯是我在多个小数据集项目里反复验证过的，不保证每个都涨点，但至少不会掉。
6.1 用预训练权重做热启动，别从零训
YOLO 官方提供的 COCO 预训练权重已经学过通用特征，罐头和瓶子的边缘、纹理和 COCO 里的瓶子、杯子有重叠。从预训练权重开始，比随机初始化收敛快一倍，mAP 通常高 5 到 10 个点。
# 从 COCO 预训练权重开始，而不是从 yaml 随机初始化 yolo detect train data=./data.yaml model=yolov8n.pt pretrained=True epochs=150 imgsz=640 batch=16逻辑说明：model=yolov8n.pt本身就带预训练权重，pretrained=True确保加载。如果写model=yolov8n.yaml就是从零开始，小数据集上不推荐。
参数说明：pretrained默认就是 True，但显式写出来避免歧义。如果换自定义 backbone，要确认权重能对上。
6.2 冻结 backbone 先训 head，再解冻全量微调
小数据集上直接全量微调容易把预训练学到的通用特征破坏掉。先冻结 backbone 训 20 epoch，让 head 适应新类别，再解冻全量训 100 epoch，效果更稳。
# 第一阶段：冻结 backbone，只训 head yolo detect train data=./data.yaml model=yolov8n.pt epochs=20 freeze=10 imgsz=640 batch=16 # 第二阶段：解冻全量微调 yolo detect train data=./data.yaml model=runs/detect/train/weights/last.pt epochs=130 imgsz=640 batch=16逻辑说明：freeze=10冻结前 10 层，YOLOv8n 的 backbone 大约 10 层。第一阶段结束后用last.pt做第二阶段起点，学习率可以调低到 0.001。
参数说明：freeze的值根据模型结构定，YOLOv8n 设 10，YOLOv8m 设 15。第二阶段lr0建议设 0.001，避免破坏已学特征。
6.3 用 TTA 和更高输入尺寸做推理，不重训也能涨点
训练完模型后，推理时开 TTA（测试时增强）和多尺度，能涨 1 到 3 个点 mAP，代价是推理变慢。如果产线对速度不敏感，值得开。
# 推理时开 TTA，输入尺寸提到 1280 yolo detect predict model=runs/detect/train/weights/best.pt source=./test_images imgsz=1280 augment=True逻辑说明：augment=True开启 TTA，对每张图做翻转、缩放后分别推理再融合。imgsz=1280提高分辨率，小目标更容易检出。
参数说明：TTA 会让推理时间增加 3 到 5 倍，产线节拍紧就别开。imgsz提高后要确认显存够，1280 比 640 显存翻倍。
6.4 把验证集当调参集用，但别反复调同一个指标
验证集用来选模型和调超参，但反复在同一个验证集上调，会过拟合验证集。我一般把验证集再切一半做调参，另一半只在最后评估用。1531 张图切完每份都不大，但比没有强。
# 从 val 里再切一半做 tune，另一半做 final_eval import os, shutil, random random.seed(0) val_dir = "./yolo_dataset/images/val" tune_dir = "./yolo_dataset/images/tune" os.makedirs(tune_dir, exist_ok=True) val_list = os.listdir(val_dir) random.shuffle(val_list) for f in val_list[:len(val_list)//2]: shutil.move(os.path.join(val_dir, f), os.path.join(tune_dir, f))逻辑说明：把验证集对半切，一半用于训练中调参，一半留到最后评估。这样最终评估的 mAP 更接近真实泛化能力。
参数说明：random.seed(0)保证切分可复现。shutil.move是移动，切完记得同步移动对应的标签文件。
提示：小数据集上别追求 0.95 mAP，0.85 以上就够用。产线检测更看重漏检率和误检率，mAP 只是参考。
我自己的习惯是，拿到任何小数据集先跑一遍最小训练，看 loss 和 mAP 曲线，再决定要不要花时间调参。1531 张罐头瓶子图不算多，但足够跑通 YOLO 全流程，也能暴露标注和参数上的问题。希望帮到你。
本文还有配套的精品资源，点击获取
