棉花病害目标检测实战：YOLO标注格式解析与训练避坑指南

简介：棉花植物病害图像目标检测标注数据，面向深度学习目标检测入门与进阶开发者，可用于YOLO系列模型训练、调参及改进实践。数据覆盖枯萎病、卷曲、灰霉、叶斑病及健康叶片等六类常见状态，并已划分训练集、验证集与测试集，类别映射参考classes文件，可直接用于模型训练与指标评估。资源包共两千个文件，以一千九百九十九个YOLO格式文本标注文件为主，另含一个Python可视化脚本，压缩包整体约一百五十七兆字节。目前已有四十七人学习，数据规模对应约四千六百张棉花病害图像的标注信息，配合可视化脚本可快速审查标签质量，降低人工校验成本。对正在实践YOLOv5或目标检测改进方案的学习者而言，这套标注数据能节省大量数据准备时间，便于将精力集中在模型结构设计与参数优化上。

1. 棉花植物病害图像目标检测数据：4,600张标注图能做什么

做棉花巡检项目的人最容易卡在第一步：图拍回来了，病害区域却没人标，YOLO训练脚本写得再顺也无处发力。棉花植物病害图像目标检测数据这类已标注数据集，价值就是把最费人力的图片采集、病斑框标注和格式整理一次做完，约4,600张图和配套标签，按YOLO标注格式的txt文件放好，解压后可以直接进入目标检测训练流程。它适合两类人：一是刚接触YOLO的工程师，想在一个干净数据集上跑通“数据读取→训练→评估→部署”全链路；二是做农业病害识别落地的团队，先用它验证方案可行性，再补自己的田间数据。它能解决冷启动问题，但替代不了现场采样，后续效果取决于标注质量、病害类别分布和你对数据的分割方式。

2. 读懂YOLO标注格式：标签结构、可视化验证与格式转换

2.1 YOLO标签一行五个数：类别ID加归一化坐标

所谓YOLO标注格式，并不是图片里直接写了框，而是每张jpg旁边放一个同名的txt文件。打开任意一个txt，里面每一行描述一个病斑或受害区域。比如一行是1 0.512 0.483 0.214 0.168，第一个数字是类别ID，后四个数字依次是框中心点x、中心点y、宽度、高度，全部做了归一化处理。

归一化意味着坐标已除以图片像素尺寸，取值落在0到1之间。不管原始图片是1024×768还是4000×3000，标签都不受分辨率影响。训练时YOLO把自己设置的imgsz重新缩放图片，标签不需要重新计算，这套设计让YOLO格式能跨分辨率通用。

一张图有几个病斑，txt里就写几行。没有病害目标的图不生成txt，或者保留0字节txt。“已标注”在这里的含义是图片和txt一一对应，而不是给你一个看不懂的JSON压缩包。

拿到数据后先别急着训练，打开几个文件确认上面这套结构是成立的。如果发现某行只有四个数，或者类别ID从1开始而不是从0开始，说明这批数据可能经过其他工具导出，必须做一次格式统一。

2.2 把标签画回原图：训练前最便宜的质量检查

我拿到任何检测数据，第一步都是把标签画回原图。标注质量直接影响模型上限，尤其“已标注”这种描述，更要自己验证一遍。框是紧贴病斑边缘，还是包住半张叶子，类别有没有标反，这些靠肉眼扫几十张图就能发现，比训练完再查指标快得多。

import cv2 from pathlib import Path # 示例类别清单，实际以数据集的类别顺序为准 class_names = ["炭疽病", "角斑病", "枯萎病", "棉铃虫为害"] out_dir = Path("preview") out_dir.mkdir(exist_ok=True) for img_path in Path("images").glob("*.jpg"): txt_path = Path("labels") / (img_path.stem + ".txt") if not txt_path.exists(): print(f"[缺标签] {img_path.name}") continue img = cv2.imread(str(img_path)) if img is None: print(f"[坏图] {img_path.name}") continue h, w = img.shape[:2] lines = txt_path.read_text(encoding="utf-8").strip().splitlines() if not lines: print(f"[空标签] {img_path.name}") continue for line in lines: parts = line.strip().split() if len(parts) != 5: print(f"[格式错] {img_path.name}: {line}") continue cls_id, xc, yc, bw, bh = map(float, parts) # 归一化坐标换算回像素坐标 x1 = int((xc - bw / 2) * w) y1 = int((yc - bh / 2) * h) x2 = int((xc + bw / 2) * w) y2 = int((yc + bh / 2) * h) cv2.rectangle(img, (x1, y1), (x2, y2), (0, 0, 255), 2) cv2.putText(img, class_names[int(cls_id)], (x1, max(0, y1 - 6)), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (0, 0, 255), 2) cv2.imwrite(str(out_dir / img_path.name), img)

脚本逻辑很简单：按图片名找到同名txt，逐行解析，把归一化坐标乘回图片宽高，画框和类别名。有个细节容易踩坑，img.shape[:2]拿到的是(高, 宽)，不是(宽, 高)，新手在这里翻车，框全部画歪。另外glob("*.jpg")只匹配jpg，如果数据里有png，改成glob("*.*")再判断后缀。strip().splitlines()会把空文件变成空列表，顺带查出0字节标签。

参数说明：class_names的顺序必须和data.yaml里的names一一对应，否则框上显示的文字和实际内容对不上。预览图建议随机抽100张以上，不要只看前10张，文件排序时同一批采集图片往往排在一起，看前10张等于只看了一个场景。

2.3 从YOLO转成COCO或VOC：不是必须，但要知道边界

不少人对“标准格式”有执念，拿到YOLO txt还想转成COCO。常见做法是写一个转换函数把归一化框换算回像素坐标。COCO里bbox是像素单位[x_min, y_min, width, height]，类别ID在不同框架里有从0开始和从1开始两种约定，需要额外留意。

def yolo_line_to_coco(line, img_w, img_h): cls_id, xc, yc, bw, bh = map(float, line.strip().split()) x_min = (xc - bw / 2) * img_w y_min = (yc - bh / 2) * img_h return int(cls_id), [x_min, y_min, bw * img_w, bh * img_h]

这个函数只做了坐标单位换算，并没增加任何新信息。所以什么时候才值得转？你要把数据喂给MMDetection、DETR等框架，或者合作方只认COCO格式。如果就是用Ultralytics的YOLO训练，直接保留txt即可，转换只会多一层出错可能。

从VOC的XML转YOLO时也要小心：XML里是像素单位的xmin, ymin, xmax, ymax，转成中心点坐标时要先除以图片宽高，常见的错误是忘记归一化，直接把像素值写进txt，训练时loss直接乱掉。

3. 用4,600张已标注数据训练棉花病害目标检测模型：目录配置与参数选择

3.1 数据目录与data.yaml：先让YOLO认识这批数据

Ultralytics YOLO的默认约定是图片目录和标签目录分开，train/val各建一套子目录。拿到数据后我一般会先重排成下面这种结构，后续训练和查错都方便。

cotton_disease/ ├── images/ │ ├── train/ │ │ ├── 0001.jpg │ │ └── ... │ └── val/ │ ├── 0101.jpg │ └── ... ├── labels/ │ ├── train/ │ │ ├── 0001.txt │ │ └── ... │ └── val/ │ ├── 0101.txt │ └── ... └── data.yaml

这套排布不是硬性要求，data.yaml里的路径与实际位置对上就行。标签目录不用写进yaml，Ultralytics会自动在images同一级目录下找labels。

path: /home/user/datasets/cotton_disease train: images/train val: images/val nc: 4 names: 0: anthracnose 1: angular_leaf_spot 2: fusarium_wilt 3: bollworm_damage

path写绝对路径最稳，相对路径取决于执行命令时的工作目录，经常有人在这里对不上。nc必须等于类别数量，names顺序要和txt里的类别ID一一对应。验证方法：把上面那个画框脚本里的class_names按这里names的顺序填回去，如果框上方类别名和图内容对不上，说明映射反了。

3.2 第一次训练：最小命令行和必调参数

环境准备就是pip install ultralytics，第一次接触YOLO的零基础读者也可以先跑通再细看参数。第一个训练命令我用得很保守：

yolo detect train \ model=yolov8s.pt \ data=datasets/cotton_disease/data.yaml \ epochs=100 \ imgsz=640 \ batch=16 \ device=0 \ project=runs \ name=cotton_base

这条命令做了三件事：加载COCO预训练权重、读取数据集配置、开始训练并把结果写到runs/cotton_base。第一次跑不要急着堆参数，建议先把epochs临时设成1，确认目录和代码无误后再改回去。否则训练到中途才发现data.yaml路径写错，白跑几小时。

参数的选择逻辑要清楚。model=yolov8s.pt里的s是YOLOv8系列的小规格，对农业目标检测是稳妥的起步点。4,600张图量级不算大，用x规格容易过拟合，n规格虽然快但对小病斑的拟合能力弱。换用Ultralytics的v11也是同一套命令，模型文件换成新权重即可。imgsz=640是训练分辨率，棉花病斑往往只占图片很小区域，如果小目标多，优先升到960，代价是训练时间几乎线性变长。batch=16取决于显存，爆显存就降到8或4。batch过小会导致BN统计不稳定，表现为loss震荡明显。device=0指第一块GPU，用CPU训练速度慢得多，不建议。

3.3 训练完看哪些文件：mAP50、mAP50-95和混淆矩阵

训练结束后，runs/cotton_base目录下会生成一串文件。重点只看四个：weights/best.pt、weights/last.pt、results.png和confusion_matrix.png。前两个是权重，后两个是评估依据。

mAP50-95是把IoU阈值从0.5逐步提到0.95，每档算一次平均精度再取平均，它比mAP50更看重框和真实位置的贴合度。如果mAP50不错但mAP50-95上不去，多半是框的边界不够紧，或者病斑太小带来的定位误差。

训练完后做一次推理验证，也是必须的：

yolo detect predict \ model=runs/cotton_base/weights/best.pt \ source=datasets/cotton_disease/images/val \ imgsz=640 \ save=True

生成的预测图会保存在runs/detect下。不要只看数字，把预测图翻出来，尤其看验证集里那些标了框但模型没检出来的图。这比任何指标都直观。

4. 棉花病害数据避坑：训练前后最常遇到的5个问题

4.1 类别ID对不上：训练能跑，但指标莫名其妙低

现象：训练全程不报错，但验证集mAP50一直很低，或者某个类别永远检不出来。把推理图打开，发现框的位置是对的，框上的类别名却是错的。

原因：YOLO标签里cls_id是数字，类别含义完全靠data.yaml的names顺序翻译。如果这批数据是从其他标注工具导出的，类别ID顺序很可能和你写的names不一致。常见情况是原数据集按类别名首字母排序，而你按自己的印象写names，两边错位。

解决：训练前做两件事。第一，用画框脚本把标签和names一起画回原图，抽100张肉眼核对。第二，写几行统计代码确认每个类别ID在train/val里都有样本，ID是0到nc-1连续且没有跳号。如果发现ID错位，训练前一次性批量修正，而不是在训练途中补。

4.2 归一化坐标越界：训练中期loss会变成NaN

现象：模型训练到某几个epoch，loss突然变成nan或inf，之后不再恢复。也有人训练没崩，但推理时预测框超出图片一大截。

原因：标签里出现负数、大于1的坐标，或者width/height被标成0。这多半是标注工具导出时没有对图像边缘的框做裁切，或者手工编辑txt时手误。YOLO对越界框的容错有限，极端值会在损失计算时把梯度冲爆，这是许多人遇到NaN后最先应该查的地方。

解决：训练前跑一遍检查脚本，把越界行找出来。

from pathlib import Path nc = 4 # 按实际类别数修改 def check_labels(label_dir): bad = [] for txt_path in Path(label_dir).glob("*.txt"): for line in txt_path.read_text().strip().splitlines(): parts = line.strip().split() if len(parts) != 5: bad.append((txt_path, "列数错误", line)) continue cls_id, xc, yc, bw, bh = map(float, parts) if not (0 <= cls_id < nc): bad.append((txt_path, "类别ID越界", line)) if not (0 <= xc <= 1 and 0 <= yc <= 1): bad.append((txt_path, "中心点越界", line)) if bw <= 0 or bh <= 0 or bw > 1.5 or bh > 1.5: bad.append((txt_path, "宽高异常", line)) return bad bad_list = check_labels("labels/train") for item in bad_list: print(item)

这段脚本按“能否被YOLO安全消费”做底线检查，类别ID、中心点、宽高三个维度都会查。宽高上限我留了1.5的余量，因为手工标注边缘框时偶尔会略微超界。如果这批数据边缘框很多，先用裁剪脚本把框裁到图像边缘再重新归一化，比在训练时硬扛更稳。

4.3 空标签与纯背景图：负样本比例不能失控

现象：训练完成后，某个类别的precision高但recall低，或者在验证集上把纯背景框出一推目标。翻数据一看，不少图没有txt，或者txt是0字节。

原因：采集时把没发病的叶片、土壤背景也一起打包了。YOLO把无标签图片当负样本参与训练，少量负样本能压误检，但比例太高模型就学不出“这里到底该不该框”。

解决：先统计无标签图片数量。如果只有几十张，可以保留在训练集里当负样本，占比控制在10%以内；如果超过20%，优先检查图片采集合围，再决定是否删图。验证集里不要放无标签图，否则每张无目标的验证图都会被强行参与计算，mAP被明显拉低。

4.4 类别不均衡：张数和框数是两个口径

现象：整体mAP50不错，但看混淆矩阵，A类把大量B类样本错检成A，B类召回率只有0.3。训练日志里B类loss也降不下去。

原因：棉花病害天然不均衡。炭疽病病斑小而多，枯萎病可能整株才一两个框。4,600张是“图像张数”，不是“标注框数”，统计时要按框数看。某个类别虽然出现在很多张图里，但每张只有一个框，总框数占比可能只有5%，模型对它的学习严重不足。

解决：先按类别统计训练集的框数分布：

from pathlib import Path from collections import Counter counter = Counter() for txt_path in Path("labels/train").glob("*.txt"): for line in txt_path.read_text().strip().splitlines(): counter[int(line.split()[0])] += 1 print(counter)

counter统计的是每个类别ID出现的框数。如果发现某个类的框数不到多数类的十分之一，少样本类优先做图像级增强，比如复制粘贴病斑块、局部放大裁剪，比直接调类别损失权重更稳。把imgsz提高到960也会帮小目标占优。最有效的还是补数据，模型学不到数据里不存在的外观特征。

4.5 train/val划分串图：指标虚高的假象

现象：训练时mAP50到0.9以上，拿到另一块地的照片一测掉到0.5。随手按0.8/0.2随机划分，训练集和验证集里出现了同一株棉花的连续照片。

原因：很多数据集打包时按采集批次排列，随机分割很容易把同一植株、同一病害的不同角度照片分到两边。模型看着在测验证集，实际在考背诵记忆，换一批真正没见过的田间照片就露馅。

解决：划分前先按采样来源分组。常见做法是给图片文件名加地块编号或拍摄日期前缀，然后用GroupShuffleSplit按组划分，保证同一组图片只出现在训练集或验证集里。如果数据本身没给这些信息，至少按文件名前缀聚类后再随机抽样。验证集宁可少，也不要交叉。

5. 评估再进一步：交叉验证、难例收集和部署前的吞吐实测

模型训练完，不要只盯着mAP。先把4,600张数据跑一次5折交叉验证，用每一折mAP的均值和方差评估数据集本身的稳定性。随机划分对4,600张这种量级来说偶然性很大，某一折如果明显掉点，先查那一折的验证集是不是恰好集中了某个稀有类别。这样做能提前发现数据分割问题，而不是等部署后再翻车。

还要主动收集难例。在每折验证集上导出预测图，凡是你自己看着像病斑、模型却漏掉或误检的样本，单独挑出来。枯叶边缘、虫粪、水滴反光、药害斑点，这些都会让模型产生假阳性。把它们收成一个难例文件夹，后期补标，比盲目加数据更有效。我在一个项目里试过只靠难例补标，误检率下降比加普通图快得多。

最后是部署前的实测。把best.pt导出成ONNX或TensorRT engine，在目标设备上用实际工作分辨率做一次连续检测压力测试。不要只看单帧FPS，要看视频流接入后延迟是否稳定、显存占用有没有缓慢上涨。通过导出命令yolo export model=best.pt format=onnx做完转换后，在目标设备上跑一段真实采集数据，观察中间帧的预处理和后处理是否成为瓶颈。多个项目里结论都一样：卡顿往往不在网络推理，而在图像缩放和框后处理队列。

有一回我图省事，跳过画框预览直接训练，结果类别ID错位跑了一周才发现，后来每次拿到新数据都老老实实先做可视化检查。4,600张已标注数据是很好的起点，但从这份数据开始养成验证习惯，比它本身更有价值。希望帮到你。

本文还有配套的精品资源，点击获取