智慧牧场牛羊检测数据集：3538张VOC/YOLO/JSON三格式实战指南

简介：这份牛羊检测数据集面向智慧牧场、智慧农场系统开发及目标检测课程作业、竞赛与科研项目，解决家畜识别与计数场景中高质量标注样本稀缺的问题。数据共3538张图片，标签同步提供VOC（xml）、YOLO（txt）与JSON三种格式，目标类别为“牛”和“羊”两类，可直接接入主流检测算法训练。压缩包约706.2MB，内含3538张jpg原图、3538个xml标注、3539个txt标签文件及1个zip包，文件组织清晰，便于按格式快速取用。数据集分布均匀、标注精准，背景与场景多样性充足，模型拟合效果较好，适合从算法验证到实际部署的多种需求。目前已有473人学习下载，所有数据均来自作者实际项目与实验demo，质量有保障，下载后可直接用于训练与评估。

1. 智慧牧场里的牛羊检测：3538 张三种标签格式的数据集到底怎么用

去年帮一个做智慧牧场系统的团队排查计数误差，现场摄像头装在牛棚和草场交界处，白天逆光、夜里补光，牛和羊还经常贴在一起走。他们模型在测试集上 mAP 看着还行，一到真实场景就漏检、误检，最后定位到问题不在网络结构，而在训练数据的标注格式和分布。这件事让我意识到，做牛羊识别检测这类家畜检测项目，数据集的质量和格式兼容性往往比换 backbone 更决定成败。这次拆的这份智慧牧场牛羊检测数据集，一共 3538 张图片，标签同时给了 VOC 的 xml、YOLO 的 txt 和 json 三种格式，目标就两类：牛和羊。它适合课程作业、设计、比赛，也适合直接塞进实际项目里跑 baseline。下面我按「这是什么、怎么用、坑在哪」的顺序，把这份资源从解压到训练再到验证的完整链路讲清楚，新手能照着复现，熟手能直接看参数和边界。

2. 三种标签格式的取舍：VOC、YOLO、JSON 各自适合什么场景

拿到压缩包先别急着解压训练，得先搞清楚为什么同一批图要配三种标签。这不是为了凑数，而是因为不同框架、不同阶段对标注格式的胃口完全不一样。选错格式轻则写一堆转换脚本，重则坐标对不上、类别错位，训练半天 loss 不降。这一章把三种格式的字段结构、适用框架和转换关系讲透，后面动手才不会翻车。

2.1 VOC xml 的结构与适用场景

VOC 格式是目标检测里最老牌也最通用的标注形式，每张图对应一个同名 xml 文件。它的核心信息在<object>节点里，包含类别名<name>和边界框<bndbox>的 xmin、ymin、xmax、ymax，坐标是绝对像素值，原点在左上角。这份数据集里牛和羊两类，xml 里的 name 字段就是「牛」「羊」对应的英文或中文标签，具体以解压后实际内容为准。

VOC 的好处是可读性强，用文本编辑器打开就能核对标注对不对，适合做数据清洗和人工抽检。它常被 PyTorch 的 torchvision、早期 SSD 实现、以及很多课程作业模板直接读取。缺点是文件数量翻倍，3538 张图就是 3538 个 xml，磁盘上小文件多，批量读取时 IO 压力比单文件格式大。

# 解析 VOC xml，提取类别和框坐标 import xml.etree.ElementTree as ET def parse_voc_xml(xml_path): tree = ET.parse(xml_path) root = tree.getroot() objects = [] for obj in root.findall('object'): name = obj.find('name').text # 类别名：牛 / 羊 bbox = obj.find('bndbox') xmin = int(bbox.find('xmin').text) # 左上角 x，绝对像素 ymin = int(bbox.find('ymin').text) # 左上角 y xmax = int(bbox.find('xmax').text) # 右下角 x ymax = int(bbox.find('ymax').text) # 右下角 y objects.append((name, xmin, ymin, xmax, ymax)) return objects

这段代码的关键点是坐标直接取整，VOC 不做归一化。参数上要注意 xmax 和 ymax 是包含边界的右下角坐标，转 YOLO 时宽高要用 xmax-xmin 而不是 xmax-xmin+1，这个 +1 的玄学差异会让框整体偏移一个像素，小目标上尤其明显。

2.2 YOLO txt 的归一化逻辑与训练接入

YOLO 格式每张图对应一个 txt，每行一个目标，格式是class_id x_center y_center width height，后四个值全部是相对图像宽高的归一化浮点数，范围 0 到 1。class_id 从 0 开始，这份数据集两类，通常 0 是牛、1 是羊，但一定要以数据集自带的类别映射文件或实际 txt 内容为准，不能想当然。

YOLO 格式最大的优势是读取快、体积小，Ultralytics 的 YOLOv5/v8/v11 系列直接吃这种格式。训练时只需要一个 data.yaml 指向图片目录和标签目录，再配好 nc 和 names 就能开跑。归一化坐标的好处是图片 resize 后标签不用改，但代价是可读性差，肉眼看不出框在哪，必须可视化验证。

# VOC 绝对坐标转 YOLO 归一化坐标 def voc_to_yolo(xmin, ymin, xmax, ymax, img_w, img_h): x_center = (xmin + xmax) / 2.0 / img_w # 中心点 x 归一化 y_center = (ymin + ymax) / 2.0 / img_h # 中心点 y 归一化 w = (xmax - xmin) / img_w # 宽归一化 h = (ymax - ymin) / img_h # 高归一化 return x_center, y_center, w, h

参数说明：img_w 和 img_h 必须用原图真实尺寸，不能用 resize 后的尺寸，否则归一化基准错了，框会整体缩放错位。常见做法是用 PIL 或 OpenCV 读图拿 shape，再逐张转换。转换完建议随机抽 20 张用可视化脚本画框，确认牛和羊的框都贴合目标，没有出现框跑到图外或全挤在左上角的情况。

2.3 JSON 标签的字段与多模态/服务化用途

JSON 格式在这份数据集里更像是给服务化和多模态场景准备的。它把一张图的所有标注组织成一个结构化对象，通常包含图片文件名、宽高、以及一个 objects 数组，数组里每个元素有类别、bbox 坐标，有的还会带置信度或分割点。JSON 的好处是能被后端服务、数据库、以及大模型分析链路直接消费，比如智慧牧场系统里要把检测结果和牛只档案关联，JSON 就是天然的中间格式。

{ "image": "000000054594.jpg", "width": 640, "height": 480, "objects": [ {"category": "牛", "bbox": [120, 80, 300, 260]}, {"category": "羊", "bbox": [340, 150, 420, 240]} ] }

字段说明：bbox 这里用的是绝对坐标 [xmin, ymin, xmax, ymax]，和 VOC 一致，方便互转。如果要做 COCO 风格训练，需要把 category 映射成数字 id，bbox 转成 [x, y, w, h]。JSON 的坑在于不同来源的字段命名不统一，有的用 label 有的用 category，有的 bbox 是归一化的，读之前一定先打印一条看结构，别直接写死解析逻辑。

2.4 三种格式的转换与一致性校验

三种格式并存时，最怕的是同一张图在 xml 和 txt 里框不一致。转换脚本写完必须做一致性校验：随机抽若干张，把 VOC 转成 YOLO 后和数据集自带的 YOLO txt 逐行比对，坐标误差超过一个像素就要查原因。常见原因是转换时用了 resize 后的尺寸，或者类别 id 映射反了。

校验通过后再进入训练，能省掉大量「训练不收敛其实是标签错了」的排查时间。这一步看着笨，但它是后面所有环节的地基。

3. 从解压到跑通 YOLO 训练：目录组织与 data.yaml 配置

格式搞明白之后，真正动手训练。这一章按实际工程顺序走：先规划目录，再写 data.yaml，然后启动训练，最后看日志判断是否正常。很多人卡在路径和类别数上，其实都是配置问题，不是模型问题。

3.1 目录结构与文件命名规范

拿到压缩包解压后，先别改文件名。YOLO 要求图片和标签同名、分目录存放，常见结构是 images 和 labels 两个平行目录，下面再分 train 和 val。如果数据集原始结构不是这样，用脚本批量整理，不要手动拖拽，3538 张手动操作必出错。

# 整理成 YOLO 训练目录结构 dataset/ ├── images/ │ ├── train/ # 训练图片 │ └── val/ # 验证图片 ├── labels/ │ ├── train/ # 对应 txt 标签 │ └── val/ └── data.yaml # 数据集配置

整理时注意图片和标签必须同名，比如000000054594.jpg对应000000054594.txt。如果数据集里 txt 文件名和图片对不上，训练时会被当成无标签图跳过，表现为 loss 异常或某些图完全不参与。建议整理完跑一遍配对检查，统计图片数和标签数是否一致。

3.2 data.yaml 的关键字段与类别映射

data.yaml 是 YOLO 训练的入口配置，写错一个字段训练就起不来。核心字段是 path、train、val、nc、names。nc 是类别数，这份数据集是 2；names 的顺序必须和 txt 里的 class_id 严格对应，0 对应第一个名字，1 对应第二个。

# data.yaml path: /home/user/dataset # 数据集根目录 train: images/train # 训练图片相对路径 val: images/val # 验证图片相对路径 nc: 2 # 类别数：牛、羊 names: 0: niu # class_id 0 对应牛 1: yang # class_id 1 对应羊

参数说明：path 建议用绝对路径，避免训练时工作目录变化导致找不到文件。names 用英文或拼音更稳，中文在某些版本的可视化里会乱码。如果发现训练日志里类别名显示异常，先查 names 缩进和冒号后的空格，YAML 对格式很敏感，少一个空格就解析失败。

3.3 启动训练与关键超参设置

配置好之后启动训练。以 Ultralytics YOLOv8 为例，命令行和 Python 两种方式都行。第一次跑建议先用小 epoch 验证链路通不通，别一上来就 300 epoch，浪费时间。

# 命令行启动 YOLOv8 训练 yolo detect train \ data=dataset/data.yaml \ model=yolov8n.pt \ epochs=100 \ imgsz=640 \ batch=16 \ device=0

参数说明：model 用预训练权重能加快收敛，yolov8n 是最小的，适合先跑通；imgsz 是输入尺寸，640 是通用值，牛羊目标如果普遍偏小可以提到 960，但显存占用会上升；batch 根据显存调，16 是 8G 显存左右的稳妥值；device=0 指定第一块 GPU，没有 GPU 就去掉用 CPU，但会很慢。训练过程中重点看 box_loss 和 mAP50 是否下降和上升，如果 loss 一直震荡不降，先回去查标签格式和类别映射。

3.4 训练日志解读与中断恢复

训练日志里几个关键指标：box_loss 衡量框回归，cls_loss 衡量分类，mAP50 是 IoU 0.5 下的平均精度。正常情况 box_loss 在前几个 epoch 快速下降，mAP50 逐步上升。如果 mAP50 长期在 0 附近，大概率是标签没读到或类别全错。中断恢复用 resume 参数，指向 last.pt 即可接着跑，不用从头来。

# 中断后恢复训练 yolo detect train resume model=runs/detect/train/weights/last.pt

注意 resume 会沿用之前的配置，改超参要重新起训练。训练完的权重在 runs/detect/train/weights/ 下，best.pt 是验证集最好的，last.pt 是最后一轮，部署一般用 best.pt。

4. 避坑与排查：牛羊检测数据集落地时最容易翻车的五件事

这一章是我和几个做智慧牧场项目的朋友踩过的坑汇总，每条都按现象、原因、解决写。数据集本身质量不错，但工程落地时的坑往往不在数据，而在使用方式。

4.1 现象：训练 loss 不降，mAP 长期为 0

原因：最常见的是标签路径没配对，YOLO 找不到 txt，把所有图当负样本；其次是 class_id 超出 nc 范围，比如 txt 里写了 2 但 nc=2 只允许 0 和 1。解决：先跑配对检查脚本，确认每张图都有同名 txt；再统计所有 txt 里的 class_id 最大值，必须小于 nc。这两个检查五分钟能做完，能省几小时瞎调参。

4.2 现象：验证集指标很好，实际场景漏检严重

原因：数据集分布和真实场景不匹配。3538 张图里如果牛棚内景多、草场远景少，模型在远景小目标上就弱。另外牛羊贴在一起时 NMS 容易把其中一个框抑制掉。解决：先做场景分层统计，看训练集覆盖了哪些光照和距离；推理时适当调低 conf 阈值并调高 iou 阈值，减少误抑制。必要时补充真实场景图做微调。

4.3 现象：VOC 转 YOLO 后框整体偏移

原因：转换时用了 resize 后的尺寸做归一化，或者 xmax-xmin 时多加了 1。解决：归一化必须用原图宽高；宽高计算用 xmax-xmin，不要 +1。转完抽 20 张可视化，和原 xml 叠在一起看，偏移超过一两个像素就回查代码。

4.4 现象：JSON 解析报 key 错误

原因：不同来源的 JSON 字段命名不一致，有的用 category 有的用 label，有的 bbox 是对象不是数组。解决：解析前先打印一条完整 JSON，按实际字段写解析逻辑，别照搬网上的模板。加 try-except 跳过异常条目并记录，避免一条坏数据中断整个流程。

4.5 现象：训练显存溢出或速度极慢

原因：imgsz 或 batch 设太大，或者数据加载用了太多 worker 导致 CPU 瓶颈。解决：先降 batch 到 8 或 4 跑通，再逐步加；imgsz 从 640 起，小目标多再升。worker 数一般设成 CPU 核数的 1/4 到 1/2，太多反而抢资源。显存不够时还可以开混合精度，YOLOv8 默认就带 AMP，不用额外配。

5. 进阶验证与技巧：用可视化抽检和分层评估把数据集吃透

训练跑通只是开始，真正让这份数据集发挥价值的是验证环节。我一般不会只看一个 mAP 数字就下结论，而是做两件事：可视化抽检和分层评估。可视化抽检是随机抽一批验证图，把预测框和真实框画在一起，肉眼看有没有系统性偏移、漏检、类别混淆。这一步能发现指标掩盖的问题，比如羊被大量识别成牛，mAP 可能还行但业务上完全不可用。

# 可视化真实框与预测框对比 import cv2 def draw_boxes(img_path, gt_boxes, pred_boxes, save_path): img = cv2.imread(img_path) for (x1, y1, x2, y2) in gt_boxes: # 真实框：绿色 cv2.rectangle(img, (x1, y1), (x2, y2), (0, 255, 0), 2) for (x1, y1, x2, y2) in pred_boxes: # 预测框：红色 cv2.rectangle(img, (x1, y1), (x2, y2), (0, 0, 255), 2) cv2.imwrite(save_path, img)

参数说明：gt_boxes 从 VOC 或 YOLO 反归一化得到，pred_boxes 从模型输出拿，两边都转成绝对像素再画。绿色真实框和红色预测框重叠度高说明定位准，红色框缺失说明漏检，红绿错位说明回归有问题。抽检数量建议不少于 50 张，覆盖不同光照和距离。

分层评估是把验证集按目标尺寸、目标数量、光照条件分组，分别算 mAP。比如小目标组、密集组、逆光组，哪一组指标明显低，就针对性地补数据或调 anchor。这份数据集背景丰富、多样性充足，正好适合做这种分层分析，能快速定位模型短板。

还有一个实用技巧是标签一致性交叉验证：把 VOC 转成 YOLO 后，和数据集自带的 YOLO txt 做逐行比对，统计不一致的比例。如果超过 1%，说明转换脚本或原始标注有问题，必须先修数据再训练。我吃过这个亏，曾经因为转换时类别 id 映射反了，牛和羊对调，模型训出来指标虚高，上线后计数全错，返工花了两天。从那以后我每次拿到多格式标签的数据集，都强制先跑一遍一致性校验和可视化抽检，确认无误才进训练。希望这份拆解帮到你，少走点弯路。

本文还有配套的精品资源，点击获取