简介：本资源为面向目标检测学习者的电线杆识别数据集，适用于电力巡检、基础设施监测等场景下的算法训练与验证，适合具备一定深度学习基础、正在做目标检测项目或课程设计的人员使用。压缩包共约2000个文件，以xml标注文件为主，另含1个说明文件，整体大小约128.26MB，内部按图片、xml、txt三类文件分文件夹存放，便于直接对接VOC与YOLO两种主流训练流程。数据集共包含2127张清晰jpg图片，对应2127个xml与2127个txt标注文件，标签种类为1类，即telegraph pole，标注框总数达2700个，均采用矩形框形式，可直接用于目标检测识别任务。目前已有216人学习下载，可作为电线杆检测模型训练与对比实验的现成数据来源，帮助读者省去自行采集与标注的成本，快速搭建训练与验证流程。
1. 电线杆数据集到底解决什么问题：2127 张 YOLO+VOC 双格式的实战定位
电力巡检、城乡规划、自动驾驶高精地图这几类场景里，电线杆是个绕不开的目标。它细长、背景杂乱、经常被树枝和广告牌遮挡，用通用 COCO 预训练模型直接推理，召回率往往惨不忍睹。我最早做线路巡检项目时，拿 yolov8n 的官方权重去跑现场图，十根杆子漏三根是常态，原因很简单——COCO 里根本没有"电线杆"这个类，模型只能把它当成模糊的"柱子"或干脆忽略。
这个标题里的 2127 张 YOLO+VOC 双格式数据集，价值就在这：它把"电线杆"单独拎出来做成一个专用检测目标，同时给了 YOLO 的 txt 标注和 VOC 的 xml 标注两套。2127 张不算大，属于典型的小样本微调规模，正好卡在"够用但需要小心过拟合"的区间。适合谁？做电力巡检算法落地的、想练手目标检测全流程的、需要快速验证某个改进模块（比如注意力、损失函数）在细长目标上效果的人。不适合指望它直接商用——2127 张覆盖不了全国各种杆型、光照和拍摄角度，它更像一个高质量的起点权重和验证集，而不是终点。
这一章先把定位说清楚：它是一个单类别、双标注格式、小样本的电线杆检测数据集。后面几章我会按"先看懂格式 → 再跑通训练 → 再调参避坑 → 最后讲进阶"的顺序，把从拿到 zip 到训出一个能用的模型这条链路讲透。热词里那些 yolov8训练自己的数据集、处理数据集用于yolov8训练、yolo训练中bn崩溃，都会在对应章节落到具体操作上。
2. 拆开 zip 先看懂两套标注：YOLO txt 与 VOC xml 的对应关系
拿到数据集别急着丢进训练脚本，先花十分钟把目录结构和标注格式摸清楚，这一步省下来的时间后面会加倍还给你。YOLO 和 VOC 是两种完全不同的标注哲学，混着用必翻车。
2.1 目录长什么样：images/labels 与 Annotations/JPEGImages 的差异
YOLO 格式的典型结构是平铺的：
dataset/ ├── images/ │ ├── train/ │ ├── val/ └── labels/ ├── train/ └── val/图片和同名 txt 一一对应，txt 里每行一个目标，格式是class_id cx cy w h，全部归一化到 0~1。VOC 格式则是另一套：
VOCdevkit/ └── VOC2007/ ├── Annotations/ # 每张图一个 xml ├── JPEGImages/ # 原图 ├── ImageSets/ │ └── Main/ # train.txt / val.txt 只存文件名xml 里存的是绝对像素坐标xmin ymin xmax ymax，还有name字段写类别字符串。两套格式描述的是同一批图，但坐标系、存储方式、类别表达全不一样。我一般会先写个脚本统计一下两边数量对不对得上，防止 zip 里某一套是残缺的。
2.2 用脚本核对两套标注是否一致
下面这段脚本做三件事：统计图片数、统计标注数、抽查若干张图确认 YOLO 和 VOC 的框能对上。
import os, glob, xml.etree.ElementTree as ET IMG_DIR = "dataset/images/train" LBL_DIR = "dataset/labels/train" XML_DIR = "VOCdevkit/VOC2007/Annotations" imgs = glob.glob(os.path.join(IMG_DIR, "*.jpg")) print("图片数:", len(imgs)) # 统计 YOLO 标注里的类别分布 from collections import Counter cls_counter = Counter() for lbl in glob.glob(os.path.join(LBL_DIR, "*.txt")): with open(lbl) as f: for line in f: if line.strip(): cls_counter[line.split()[0]] += 1 print("YOLO 类别分布:", cls_counter) # 抽查一张，把 VOC 的绝对坐标转成 YOLO 归一化坐标做比对 def voc_to_yolo(xml_path, img_w, img_h): tree = ET.parse(xml_path) boxes = [] for obj in tree.findall("object"): name = obj.find("name").text bb = obj.find("bndbox") xmin = float(bb.find("xmin").text); ymin = float(bb.find("ymin").text) xmax = float(bb.find("xmax").text); ymax = float(bb.find("ymax").text) cx = (xmin + xmax) / 2 / img_w cy = (ymin + ymax) / 2 / img_h w = (xmax - xmin) / img_w h = (ymax - ymin) / img_h boxes.append((name, round(cx,4), round(cy,4), round(w,4), round(h,4))) return boxes sample = os.path.basename(imgs[0]).replace(".jpg", "") print("VOC 抽查:", voc_to_yolo(os.path.join(XML_DIR, sample + ".xml"), 1920, 1080))逻辑说明：先数图片和标注数量，数量对不上说明数据有缺失，必须先补齐再训练。类别分布能告诉你这个数据集是不是真的单类——如果出现多个 class_id，说明标注里混了别的目标，得确认要不要保留。抽查那段把 VOC 的绝对坐标按图宽高归一化，理论上应该和 YOLO txt 里的数值几乎一致，差太多就说明两套标注不是同一批人标的，得选一套可信的用。
参数说明：IMG_DIR、LBL_DIR、XML_DIR按你解压后的实际路径改；1920, 1080要换成抽查那张图的真实分辨率，写死会算错。归一化坐标保留四位小数足够，YOLO 训练对精度不敏感。
提示：如果两套标注对不上，优先信 VOC，因为 xml 里带原图尺寸信息，转换过程可追溯；YOLO txt 一旦归一化错了很难反查。
3. 从 VOC 转 YOLO 或反向转换：转换脚本与四个边界坑
实际项目里你经常需要两套格式互转——比如用 labelImg 标的是 VOC，但训练要 YOLO；或者你手里只有 YOLO，想用某些只吃 VOC 的评估工具。转换本身不难，难的是边界情况。
3.1 VOC 转 YOLO 的完整脚本
import os, glob, xml.etree.ElementTree as ET from PIL import Image CLASSES = ["pole"] # 单类别，按你的 classes.txt 改 XML_DIR = "VOCdevkit/VOC2007/Annotations" IMG_DIR = "VOCdevkit/VOC2007/JPEGImages" OUT_DIR = "labels_yolo" os.makedirs(OUT_DIR, exist_ok=True) for xml_path in glob.glob(os.path.join(XML_DIR, "*.xml")): tree = ET.parse(xml_path) root = tree.getroot() img_name = root.find("filename").text img_path = os.path.join(IMG_DIR, img_name) w, h = Image.open(img_path).size # 用真实尺寸，别信 xml 里的 size lines = [] for obj in root.findall("object"): name = obj.find("name").text if name not in CLASSES: continue cls_id = CLASSES.index(name) bb = obj.find("bndbox") xmin = float(bb.find("xmin").text); ymin = float(bb.find("ymin").text) xmax = float(bb.find("xmax").text); ymax = float(bb.find("ymax").text) # 裁剪到图像边界内 xmin = max(0, min(xmin, w)); xmax = max(0, min(xmax, w)) ymin = max(0, min(ymin, h)); ymax = max(0, min(ymax, h)) cx = (xmin + xmax) / 2 / w cy = (ymin + ymax) / 2 / h bw = (xmax - xmin) / w bh = (ymax - ymin) / h if bw <= 0 or bh <= 0: continue # 丢弃退化框 lines.append(f"{cls_id} {cx:.6f} {cy:.6f} {bw:.6f} {bh:.6f}") out_name = os.path.splitext(img_name)[0] + ".txt" with open(os.path.join(OUT_DIR, out_name), "w") as f: f.write("\n".join(lines))逻辑说明：核心是坐标归一化和类别映射。CLASSES列表的顺序决定了 class_id，训练时的data.yaml必须和它完全一致，否则模型学出来的类别是错的。用Image.open读真实尺寸而不是 xml 里的<size>，是因为有些标注工具写进去的尺寸和实际图片对不上，这是最常见的坑之一。裁剪到边界内是防止标注框超出图像范围导致归一化后出现负数或大于 1 的值。
参数说明：CLASSES按你的实际类别改，单类别就写一个；坐标保留六位小数是为了减少精度损失，YOLO 训练其实四位也够。if bw <= 0 or bh <= 0这行是丢弃退化框，标注时手抖画出的零面积框会让训练报错。
3.2 四个必须处理的边界坑
坑一：图片尺寸和 xml 记录不一致。现象是转换后框位置整体偏移。原因是标注时图片被缩放或裁剪过，但 xml 里的 size 没更新。解决就是上面脚本里用 PIL 读真实尺寸。
坑二：类别名大小写和空格。现象是转换后某些框消失。原因是 xml 里写的是Pole或pole（带空格），和CLASSES里的pole匹配不上。解决是转换前统一name.strip().lower()。
坑三：坐标越界。现象是训练时 loss 变 NaN。原因是 xmax 超过图宽，归一化后 w 大于 1。解决是上面脚本里的max(0, min(...))裁剪。
坑四：图片和标注不同名。现象是训练时找不到 label。原因是 jpg 叫IMG_001.jpg但 xml 里 filename 写的是IMG_001.JPG。解决是转换时统一用os.path.splitext去掉扩展名再拼。
注意：转换完一定要随机抽 5~10 张用可视化脚本画框看一眼，肉眼看一遍比任何统计都靠谱。
4. 用 YOLOv8 跑通第一轮训练：data.yaml 配置与必调参数
格式理顺了，接下来就是把它喂给模型。yolov8训练自己的数据集这套流程现在很成熟，但电线杆这种细长目标有几个参数必须调，默认值直接跑效果会打折。
4.1 data.yaml 怎么写
path: /abs/path/to/dataset train: images/train val: images/val nc: 1 names: 0: pole逻辑说明：path是数据集根目录的绝对路径，train和val是相对 path 的子路径。nc是类别数，单类别写 1。names是字典，键是 class_id，值是类别名，必须和转换脚本里的CLASSES顺序一致。很多人在这里写错导致训练时类别全乱，血泪经验是：改完 data.yaml 先用yolo checks或写两行代码读一下确认路径能解析到图片。
参数说明：路径尽量用绝对路径，相对路径在不同工作目录下跑会找不到文件。如果 val 集和 train 集是同一批图，评估指标会虚高，务必确认两者没有重叠。
4.2 训练命令与关键参数
yolo detect train \ data=data.yaml \ model=yolov8s.pt \ epochs=150 \ imgsz=640 \ batch=16 \ lr0=0.01 \ lrf=0.01 \ mosaic=1.0 \ close_mosaic=20 \ patience=30 \ device=0 \ project=runs/pole \ name=exp1逻辑说明：从yolov8s.pt预训练权重起步，这是小样本微调的标准做法，比从头训收敛快得多。epochs=150配合patience=30，意思是 30 轮验证指标不涨就早停，避免过拟合。close_mosaic=20是最后 20 轮关掉 mosaic 增强，让模型在接近真实分布的图上收尾，这个技巧对细长目标提升明显。
参数说明：imgsz=640是速度和精度的平衡点，电线杆在图中占比小的话可以提到 960 或 1280，但显存和耗时翻倍。batch=16按显存调，V100 上跑 640 可以到 32。lr0=0.01是初始学习率，微调场景可以降到 0.001 更稳。mosaic=1.0是默认开启，它把四张图拼一张，对小数据集相当于免费扩增，但会让细长目标被裁断，所以最后要关掉。
4.3 训练过程中该盯哪几个指标
跑起来之后别干等，重点看三个：box_loss是否稳定下降、mAP50是否在涨、cls_loss有没有突然飙高。如果 box_loss 震荡剧烈，多半是学习率太大或 batch 太小；如果 mAP50 卡在某个值不动，检查是不是 val 集太小或标注有错。yolo训练中bn崩溃这个热词对应的现象是 loss 突然变 NaN，通常是 batch 太小导致 BatchNorm 统计不稳，把 batch 调大或改用yolov8s以上的模型能缓解。
提示：第一轮训练别追求极致指标，先确认整条链路能跑通、能出权重、能推理，再回头调参。
5. 训练翻车排查：电线杆检测最常见的五个坑
这一章全是踩过的坑，按"现象 → 原因 → 解决"写，你遇到问题时直接对号入座。
坑一：模型把电线杆和电线、树枝混为一谈。现象是推理时框出一大片包含树枝的区域。原因是标注时把电线杆和附着物标在了一起，或者背景里有大量类似细长物体。解决是回到标注环节，把框收紧到杆体本身，背景里的干扰物要么标成负样本要么裁掉。
坑二：小目标召回率极低。现象是远处的小电线杆完全检测不到。原因是imgsz=640下小目标只有几个像素，特征提取不到。解决是提高输入分辨率到 960 或 1280，或者用yolov8m/l这种更大感受野的模型，也可以在数据增强里加scale=0.5让模型多见小目标。
坑三：验证集 mAP 很高但实际推理一塌糊涂。现象是训练日志漂亮，现场图全漏。原因是 train 和 val 来自同一批拍摄条件，分布太接近，模型没学到泛化。解决是手动按拍摄场景、光照、角度划分 val 集，确保 val 里有 train 没见过的条件。
坑四：训练到一半 loss 变 NaN。现象是日志里 loss 突然变成 nan 然后训练中断。原因是学习率过大、标注里有退化框、或 batch 太小导致 BN 不稳。解决是降 lr0 到 0.001、用第 3 章的脚本过滤退化框、把 batch 调到 16 以上。
坑五：类别数写错导致训练不报错但结果全错。现象是训练正常但推理时所有框的类别都是 0 且置信度异常。原因是 data.yaml 里nc和实际类别数不符，或names顺序和标注不一致。解决是训练前用脚本统计一遍标注里的 class_id 最大值，确认和nc对得上。
注意：这五个坑里，坑一和坑三最隐蔽，因为它们不会让训练报错，只会让指标虚高。养成"训练前可视化标注、训练后现场图验证"的习惯，能省掉大量返工。
6. 把 2127 张用到极致：小样本下的增强策略与验证技巧
2127 张对目标检测来说属于小样本，直接训容易过拟合，但用对方法能榨出接近大数据的表现。这一章讲几个我反复验证过的技巧。
先说增强。YOLO 内置的 mosaic、mixup、copy-paste 在小样本上效果显著，但电线杆这种细长目标要区别对待。mosaic 会把杆子裁断，训练前期用没问题，后期必须关掉（就是第 4 章的close_mosaic）。copy-paste 增强对电线杆特别有用——把标注好的杆体抠出来贴到不同背景上，相当于凭空造数据。下面这段脚本演示用 albumentations 做针对性的几何增强：
import albumentations as A import cv2 transform = A.Compose([ A.RandomResizedCrop(height=640, width=640, scale=(0.6, 1.0)), A.HorizontalFlip(p=0.5), A.RandomBrightnessContrast(p=0.5), A.MotionBlur(blur_limit=5, p=0.3), # 模拟巡检抖动 A.CoarseDropout(max_holes=8, max_height=40, max_width=40, p=0.3), ], bbox_params=A.BboxParams(format="yolo", label_fields=["class_labels"])) img = cv2.imread("pole.jpg") img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) out = transform(image=img, bboxes=[[0.5,0.5,0.1,0.6]], class_labels=[0])逻辑说明：RandomResizedCrop模拟不同距离拍摄，MotionBlur模拟巡检设备抖动，CoarseDropout模拟遮挡。这三个是针对电线杆场景最有效的增强。BboxParams里的format="yolo"告诉库输入是归一化坐标，它会自动同步变换框。
参数说明：scale=(0.6, 1.0)控制裁剪比例，太小会把杆子裁没；MotionBlur的blur_limit=5别调太大，否则杆体细节糊掉反而有害；CoarseDropout的max_holes=8是模拟树枝遮挡，太多会让模型学不到完整杆体。
再说验证。小样本下验证集不能太小，建议至少留 15%，也就是 300 张左右。验证时除了看 mAP，一定要单独统计小目标（面积小于 32×32 像素）的召回率，因为电线杆检测的痛点全在小目标上。YOLO 训练完会输出confusion_matrix.png和PR_curve.png，重点看 PR 曲线在低置信度区域的形状——如果召回率在置信度 0.1 时还上不去，说明模型对小目标确实没学好，得回去调分辨率或增强。
最后一个技巧：用训练好的模型去推理未标注的现场图，把高置信度的预测结果人工修正后加回训练集，这是半监督的思路，两三轮迭代下来，2127 张能发挥出三四千张的效果。我自己做电力项目时就是靠这个循环，把漏检率从 18% 压到了 6% 以内。别指望一次训练到位，小样本检测本来就是个迭代打磨的活，耐心比调参更重要。希望帮到你。
本文还有配套的精品资源，点击获取
