16类农作物目标检测数据集：YOLO格式标注与农业视觉实战

简介：这份农作物多类别目标检测数据集面向农业AI开发者、农业院校研究者及智能农机视觉模块工程师，用于解决农田场景下作物种类识别与定位的样本匮乏问题。数据集覆盖香蕉、豆类、茄子、辣椒、黄瓜、大蒜、生姜、玉米、洋葱、豌豆、菠萝、马铃薯、水稻、高粱、番茄、小麦等16类主要农作物，涵盖谷物、蔬菜与经济作物三大类别，并特别包含豆类与豌豆、不同茄科作物等易混淆样本，便于训练高精度区分模型。资源包共2000个文件，以957张jpg图像与1041个txt标注文件为主，另含1个yaml配置文件与1份docx说明文档，压缩包约73.86MB，标注严格遵循YOLO格式，可直接用于YOLOv5/v7/v8等主流框架的迁移学习与微调。目前已有107人学习下载，适合快速搭建农田巡检、智能除草与自动化收割等视觉感知实验。

1. 从一次农田巡检 Demo 翻车说起：这套 16 类农作物检测数据集到底解决什么问题

去年帮一个做农业机器人的小团队看他们的巡检 Demo，模型在实验室里跑得挺欢，一到真实田块就抓瞎——番茄和辣椒的检测框互相串，豆类和豌豆几乎分不出来，洋葱和大蒜更是随机乱标。问题不在网络结构，也不在训练技巧，根子在数据：他们拿网上零散爬来的图片自己标，类别定义混乱、边界框松垮、遮挡样本几乎没有。这也是我后来一直建议做农业视觉项目的同学，先把数据集这件事定死的原因。

这份农作物多类别目标检测数据集，就是冲着这个痛点来的。它覆盖香蕉、豆类、茄子、辣椒、黄瓜、大蒜、生姜、玉米、洋葱、豌豆、菠萝、马铃薯、水稻、高粱、番茄、小麦共 16 类主要农作物，训练集 726 张、验证集 212 张、测试集 103 张，全部采用 YOLO 格式标注，标准化边界框坐标加类别标签，可以直接喂给 YOLOv5/v7/v8 乃至 yolov12 这类主流框架做迁移学习和微调。它适合三类人：正在做农业目标检测毕设或课设的学生、要搭农田巡检或智能除草视觉模块的开发者、以及需要标准化作物检测数据做交叉学科研究的实验室。下面我按需求、设计、落地、验收的顺序，把这份数据集怎么用、怎么避坑讲透。

2. 需求与技术选型：为什么是 YOLO 格式加 16 类划分

2.1 农业检测任务的真实约束

农田场景和通用 COCO 那类数据集完全不是一回事。第一，作物在田间是密集生长的，叶片互相遮挡、果实半露，边界框很容易画大或画小；第二，同一科属的作物外观高度相似，豆类和豌豆、茄子与辣椒在幼苗期几乎一个样，模型必须靠纹理和局部特征区分；第三，光照和背景变化剧烈，晴天正午和阴天傍晚的同一块地，颜色分布能差出一大截。这些约束决定了数据集不能只追求图片数量，类别定义的清晰度和标注的一致性才是命门。

这份数据集把 16 类拆成谷物（小麦、水稻、玉米、高粱）、蔬菜（番茄、黄瓜、洋葱、茄子、辣椒、大蒜、生姜、豆类、豌豆）、经济作物（香蕉、菠萝）三大块，还特意保留了易混淆作物的区分样本。这个划分方式是有讲究的：它没有按植物学分类硬切，而是按视觉可分性和应用场景来组织，方便你在训练时做类别分组消融实验。

2.2 为什么锁定 YOLO 标注格式

选 YOLO 格式不是跟风，是工程上的务实。YOLO 的标注是归一化的class_id x_center y_center width height，全部落在 0 到 1 之间，和图片分辨率解耦，换输入尺寸不用重标。相比之下 VOC 的 XML 是绝对像素坐标，COCO 的 JSON 结构又偏重，做实时检测时转换成本高。这份数据集直接给 YOLO 格式，意味着你可以跳过格式转换这一步，把精力放在模型和调参上。

下面是一个典型的 YOLO 标注文件长什么样，以及配套的data.yaml该怎么写：

# data.yaml —— 数据集配置文件，放在数据集根目录 path: ./crop_dataset # 数据集根路径 train: images/train # 训练集图片目录 val: images/val # 验证集图片目录 test: images/test # 测试集图片目录 # 类别数量与名称，顺序必须和标注文件里的 class_id 严格对应 nc: 16 names: 0: banana # 香蕉 1: bean # 豆类 2: eggplant # 茄子 3: chili # 辣椒 4: cucumber # 黄瓜 5: garlic # 大蒜 6: ginger # 生姜 7: corn # 玉米 8: onion # 洋葱 9: pea # 豌豆 10: pineapple # 菠萝 11: potato # 马铃薯 12: rice # 水稻 13: sorghum # 高粱 14: tomato # 番茄 15: wheat # 小麦

nc必须等于 16，names的键值顺序就是标注里class_id的含义，一旦错位，模型会把番茄学成辣椒，而且 loss 曲线看起来还挺正常，这是最阴的坑。path建议用相对路径，方便整个数据集打包迁移。训练集、验证集、测试集按 726/212/103 的比例已经分好，不要自己再随机打乱重分，否则验证集和测试集的分布会漂移，评估结果不可信。

2.3 框架选型的取舍

摘要里提到可直接用于 YOLOv5/v7/v8，关键词里又带了 yolov12。我的建议是：如果你是要快速出结果交毕设，选 YOLOv8，生态成熟、文档全、训练脚本开箱即用；如果论文里想体现技术前沿性，可以拿 yolov12 做对比实验，但要注意新版本的依赖环境可能和你的显卡驱动打架，预留出折腾环境的时间。数据集本身是格式中立的，换框架只需要改data.yaml的路径，标注文件不用动，这也是选 YOLO 格式的另一个好处。

3. 总体设计：数据组织、类别体系与训练流程

3.1 目录结构与文件组织

拿到压缩包解压后，通常的目录组织是这样的，我一般会先花五分钟把结构理清楚再动手：

crop_dataset/ ├── data.yaml # 数据集配置 ├── images/ │ ├── train/ # 726 张训练图 │ ├── val/ # 212 张验证图 │ └── test/ # 103 张测试图 ├── labels/ │ ├── train/ # 与训练图同名的 .txt 标注 │ ├── val/ │ └── test/ └── crop_dataset.docx # 数据集说明文档

图片和标注文件必须同名，只是扩展名不同。比如chilli_8_jpg.rf.71b9cb5407d240f706c0e72e817a39fb.jpg对应的标注就是chilli_8_jpg.rf.71b9cb5407d240f706c0e72e817a39fb.txt。文件名里那串rf.后面的哈希是标注工具自动生成的唯一标识，不要手动改，改了容易和标注对不上。crop_dataset.docx是说明文档，里面一般会写类别定义、采集场景和标注规范，训练前值得读一遍，尤其是类别边界模糊的地方，文档里通常有约定。

3.2 类别体系的视觉可分性设计

16 类里最容易翻车的是豆类和豌豆、茄子和辣椒这两组。数据集特意保留了这些易混淆样本，这是它的价值所在，但也意味着你在训练时要针对性处理。我的做法是：先跑一版基线，看混淆矩阵，如果豆类和豌豆的误判率高，就在数据增强里加更多的颜色抖动和随机裁剪，逼模型去看豆荚形状和颗粒排列这些细节特征，而不是靠整体色调蒙。

类别不平衡也要留意。16 类里香蕉、菠萝这类经济作物的样本量可能比水稻、小麦少，训练时可以用类别权重或者过采样来平衡。下面是一段检查各类别样本分布的脚本，训练前跑一遍心里有数：

import os from collections import Counter # 统计训练集标注里每个类别的框数量 label_dir = "crop_dataset/labels/train" class_names = ["banana","bean","eggplant","chili","cucumber","garlic", "ginger","corn","onion","pea","pineapple","potato", "rice","sorghum","tomato","wheat"] counter = Counter() for fname in os.listdir(label_dir): if not fname.endswith(".txt"): continue with open(os.path.join(label_dir, fname)) as f: for line in f: # YOLO 每行第一个数字是 class_id cls_id = int(line.split()[0]) counter[cls_id] += 1 # 打印每个类别的框数量，找出长尾类别 for i, name in enumerate(class_names): print(f"{name:10s}: {counter.get(i, 0)} boxes")

这段脚本遍历训练集所有标注文件，统计每个class_id出现的次数。如果某个类别框数明显偏少（比如低于平均值的 30%），训练时就要给它加权，否则模型会偏向多数类，少数类召回率惨不忍睹。跑完这个统计，你对数据集的脾气就有底了。

3.3 训练流程与迁移学习策略

数据集规模是 726 张训练图，这个量级从头训不现实，必须用预训练权重做迁移学习。流程是：加载 COCO 预训练的 YOLO 权重，冻结主干网络先训几个 epoch 让检测头适应新类别，再解冻全网络微调。学习率用余弦退火，初始值设小一点，因为农业图像和 COCO 的自然图像分布差异大，学习率太猛会把预训练特征冲垮。

from ultralytics import YOLO # 加载预训练模型，用迁移学习而不是从头训 model = YOLO("yolov8n.pt") # 开始训练，参数按农业小数据集场景调 model.train( data="crop_dataset/data.yaml", epochs=100, # 小数据集容易过拟合，100 轮够用 imgsz=640, # 输入尺寸，和标注归一化基准无关 batch=16, # 显存不够就降到 8 lr0=0.001, # 初始学习率，迁移学习要小 patience=20, # 20 轮没提升就早停，省时间 augment=True, # 开启内置增强，缓解样本不足 project="crop_runs", # 训练结果保存目录 name="baseline" )

epochs设 100 是因为 726 张图很容易过拟合，轮数太多验证 loss 会反弹。patience=20是早停，验证指标 20 轮不涨就停，避免无效训练。imgsz=640是 YOLO 的常用输入尺寸，和标注的归一化坐标无关，你可以改成 512 或 768 做对比。augment=True会启用 mosaic、翻转、色彩抖动等增强，对小数据集是刚需。训练完在crop_runs/baseline/weights/下会得到best.pt和last.pt，评估和推理都用best.pt。

4. 模块实现：从数据校验到推理部署的关键代码

4.1 数据完整性校验

训练前必须校验图片和标注是否一一对应，缺标注的图片会让训练直接报错，缺图片的标注则是脏数据。我一般会写个校验脚本先过一遍：

import os img_dir = "crop_dataset/images/train" lbl_dir = "crop_dataset/labels/train" # 收集图片和标注的文件名（不含扩展名） imgs = {os.path.splitext(f)[0] for f in os.listdir(img_dir) if f.lower().endswith((".jpg", ".png", ".jpeg"))} lbls = {os.path.splitext(f)[0] for f in os.listdir(lbl_dir) if f.endswith(".txt")} # 找出只有图片没标注、或只有标注没图片的异常项 only_img = imgs - lbls only_lbl = lbls - imgs print(f"缺标注的图片: {len(only_img)} 张") print(f"缺图片的标注: {len(only_lbl)} 个") for name in list(only_img)[:5]: print(" 缺标注:", name)

这个脚本用集合差集找出不匹配的项。正常情况两个数字都应该是 0。如果缺标注的图片不多，直接删掉；如果缺得多，说明数据集打包时出了问题，得回头找原始数据。这一步花两分钟，能省掉训练跑到一半崩掉的几小时。

4.2 标注质量抽检

YOLO 标注的常见问题是坐标越界（大于 1 或小于 0）和框过小。越界的框会让 loss 变成 NaN，框太小则是无效标注。抽检脚本如下：

import os lbl_dir = "crop_dataset/labels/train" bad_boxes = [] for fname in os.listdir(lbl_dir): if not fname.endswith(".txt"): continue with open(os.path.join(lbl_dir, fname)) as f: for lineno, line in enumerate(f, 1): parts = line.split() if len(parts) != 5: bad_boxes.append((fname, lineno, "字段数不对")) continue _, x, y, w, h = map(float, parts) # 检查坐标是否在 0-1 之间，宽高是否过小 if not all(0 <= v <= 1 for v in (x, y, w, h)): bad_boxes.append((fname, lineno, "坐标越界")) elif w < 0.01 or h < 0.01: bad_boxes.append((fname, lineno, "框过小")) print(f"可疑标注: {len(bad_boxes)} 处") for item in bad_boxes[:10]: print(item)

坐标越界的框要手动修或删，框过小的（宽或高小于图宽高的 1%）基本是误标，也建议删。抽检完把有问题的标注文件列出来，逐个处理，别指望模型能容忍脏标注——它只会把错误学进去。

4.3 推理与可视化验证

训练完拿best.pt在测试集上跑推理，把检测结果画出来看，这是最直观的验收方式：

from ultralytics import YOLO model = YOLO("crop_runs/baseline/weights/best.pt") # 在测试集上推理，保存带框的可视化结果 results = model.predict( source="crop_dataset/images/test", conf=0.25, # 置信度阈值，低于此值的框不显示 iou=0.45, # NMS 的 IoU 阈值，控制重叠框合并 save=True, # 保存可视化图片 project="crop_runs", name="test_pred" ) # 打印每张图的检测类别和数量 for r in results: boxes = r.boxes names = [model.names[int(c)] for c in boxes.cls] print(r.path, "->", names)

conf=0.25是常用起点，漏检多就降到 0.15，误检多就升到 0.4。iou=0.45控制非极大值抑制，密集生长的作物框重叠多，这个值可以适当调高到 0.5 减少误合并。跑完去crop_runs/test_pred/看可视化图，重点看易混淆类别有没有串、遮挡目标有没有漏。这一步的直观程度远超看指标数字，我每次都会亲自翻一遍测试集的预测图。

5. 避坑与常见问题排查

5.1 类别 ID 错位导致「学啥都像番茄」

现象：训练 loss 正常下降，但推理时所有作物都被标成同一类，混淆矩阵一片糊。原因：data.yaml里names的顺序和标注文件里class_id的实际含义对不上，模型学的是错位的映射。解决：打开几个标注文件，看class_id的分布，再对照crop_dataset.docx里的类别定义，确认names顺序。最稳妥的办法是拿一张已知类别的图推理，看输出的类别名对不对。

5.2 验证集指标虚高，测试集一塌糊涂

现象：验证集 mAP 冲到 0.9，测试集只有 0.5。原因：验证集和测试集分布不一致，或者训练时无意中把测试集图片混进了训练。解决：确认三个集合的图片没有重叠，检查文件名是否有重复。另外，如果验证集里某类样本特别多，指标会被拉高，要看每类的 AP 而不是只看总 mAP。

5.3 小目标漏检严重

现象：大棵的玉米、高粱检测得到，小颗的豌豆、豆类几乎全漏。原因：输入尺寸下采样后小目标特征丢失，或者标注里小目标的框本身就少。解决：提高输入尺寸到 768 或 1024，或者在模型里加 P2 小目标检测层。数据层面，检查小目标类别的框数量，必要时对小目标样本做复制增强。

5.4 过拟合：训练 loss 降到底，验证 loss 反弹

现象：训练到 60 轮后训练 loss 还在降，验证 loss 开始往上走，验证 mAP 停滞。原因：726 张图对 16 类任务来说偏少，模型记住了训练样本。解决：开强增强（mosaic、mixup、随机擦除），加 weight decay，用早停。如果还不行，考虑冻结更多层，只训检测头。

5.5 显存爆掉训练中断

现象：训练到一半报 CUDA out of memory。原因：batch设太大，或者imgsz太高。解决：把batch从 16 降到 8 或 4，imgsz从 640 降到 512。YOLO 支持梯度累积，batch=4配合accumulate=4等效于batch=16，显存不够时这是标准操作。

6. 验收与答辩：怎么证明这套数据集和模型真的能用

验收这件事，很多人栽在「只报一个 mAP」上。答辩老师或评审最想看的不是单一数字，而是你对数据、模型、场景三者关系的理解。我一般会准备三层证据。

第一层是定量指标。在测试集 103 张图上跑评估，输出每类的 Precision、Recall、mAP@0.5 和 mAP@0.5:0.95，做成表格。重点标出易混淆类别（豆类 vs 豌豆、茄子 vs 辣椒）的指标，如果这两组能到 0.7 以上，说明模型确实学到了细节特征，而不是靠颜色蒙。下面这段评估代码直接出每类指标：

from ultralytics import YOLO model = YOLO("crop_runs/baseline/weights/best.pt") # 在测试集上评估，输出每类指标 metrics = model.val( data="crop_dataset/data.yaml", split="test", # 指定用测试集，不是验证集 imgsz=640, conf=0.25 ) # 打印每类的 AP，定位弱项类别 for i, name in enumerate(model.names.values()): print(f"{name:10s} mAP50={metrics.box.ap50[i]:.3f}")

split="test"是关键，很多人评估时忘了改，拿验证集数字当测试集报，一答辩就露馅。metrics.box.ap50是每类在 IoU=0.5 下的 AP，逐类打印出来，弱项一目了然。

第二层是定性可视化。挑 10 到 15 张有代表性的测试图，覆盖遮挡、密集、小目标、易混淆四种场景，把预测框和真值框并排画出来。答辩时放这张对比图，比任何数字都有说服力。如果某张图漏检了，别藏，主动分析原因——是目标太小还是被遮挡，然后给出改进方向，这反而显得你懂行。

第三层是场景适配说明。这份数据集的应用场景是农田巡检、智能除草、收割设备视觉模块，你要说清楚模型在这些场景下的边界：比如它适合白天光照均匀的条件，夜间红外图像没在训练集里，不能直接迁移。把适用边界讲明白，比吹嘘「通用」更让人信服。

最后说个血泪经验：我早期做项目时，验收前一夜才发现测试集里混进了训练集的图，指标虚高得离谱，答辩现场被问「这张图你训练时见过吧」直接卡壳。从那以后我每次评估前都强制走一遍文件名去重和图片哈希比对，确认三个集合零重叠才敢报数字。这套流程看着笨，但能保命。希望这份数据集的用法和验收思路，能帮你把农业检测这个项目稳稳落地。

本文还有配套的精品资源，点击获取