简介：这份资源面向目标检测初学者与需要苹果识别实战数据的开发者，提供一套可直接用于YOLOv3训练的苹果图像数据集及配套Python处理代码，帮助解决自建数据集时标注、增强与格式转换的繁琐问题。压缩包共约2000个文件，以1648张jpg图片和820个xml标注文件为主，另含少量txt说明与py脚本，整体约90.81MB。其中原始苹果图片414张，经数据增强、resize与填充后扩充至828张，标注采用labelimg预选框形式生成VOC2007格式xml，可直接对接YOLOv3训练流程。配套脚本覆盖数据增强与预处理环节，便于读者理解从原始图到训练集的完整转换思路，也可按需调整参数复现或扩展自己的数据集。目前已有1074人学习下载，适合想快速跑通苹果目标检测、熟悉VOC标注规范与数据增强流程的读者参考使用。
1. 苹果照片数据集配 VOC2007 标注：这套组合到底解决什么问题
手里有一批苹果照片，想训练一个能识别苹果、定位苹果的模型，最卡人的往往不是网络结构，而是数据。照片拍了一堆，却没有标注，或者标注格式和训练框架对不上，这时候一个已经整理成 VOC2007 结构的苹果照片数据集就很有价值。VOC2007 是目标检测领域沿用很久的标注格式，一张图对应一个 XML，里面记录类别名和边界框坐标，主流检测框架基本都能直接读。这个标题里的 zip 包，本质是把「苹果图像 + VOC 格式标注 + Python 处理脚本」打包在一起，让你跳过从零标注的环节，直接进入训练和验证。它适合两类人：刚入门目标检测、想找一个类别单一好上手的练手数据；以及已经会跑模型、但缺一份干净苹果数据做迁移学习或对比实验的从业者。下面按「先看懂结构、再跑通脚本、最后避坑」的顺序讲清楚。
2. 拆开 VOC2007 结构：苹果数据集里每个文件是干什么的
2.1 VOC2007 的目录约定与苹果类别的落点
VOC2007 不是随便放几个文件夹就叫 VOC2007，它有一套约定俗成的目录结构，训练框架的默认解析器就是按这套结构找文件的。一个标准的苹果数据集解压后，通常长这样：
VOC2007/ ├── Annotations/ # 每张图一个 XML，存苹果的边界框 ├── ImageSets/ │ └── Main/ # train.txt / val.txt / trainval.txt / test.txt ├── JPEGImages/ # 原始苹果照片，jpg 格式 └── SegmentationClass/ # 分割任务才用，检测任务可忽略 SegmentationObject/Annotations里的 XML 是核心。苹果数据集一般只有一个类别，名字可能是apple，也可能是pingguo，这个字符串必须和后面训练配置里的类别名完全一致，大小写都不能错。ImageSets/Main下的 txt 文件只存文件名（不带扩展名），一行一个，框架靠它决定哪些图进训练集、哪些进验证集。JPEGImages放原图，文件名要和 XML、txt 三者对得上。
判断一份数据是不是真 VOC2007，最快的办法是抽查一个 XML：
<annotation> <folder>VOC2007</folder> <filename>000001.jpg</filename> <size> <width>500</width> <height>375</height> <depth>3</depth> </size> <object> <name>apple</name> <bndbox> <xmin>120</xmin> <ymin>80</ymin> <xmax>300</xmax> <ymax>260</ymax> </bndbox> </object> </annotation>size里的宽高必须和真实图片一致，bndbox的坐标是左上角和右下角的像素值，且要满足xmin < xmax、ymin < ymax，坐标不能超出图片边界。很多从网上抓来的苹果数据集翻车就翻在这里：XML 里的宽高是旧的，图片被重新压缩过，导致框整体偏移。
2.2 用 Python 校验数据集完整性
拿到数据先别急着训练，用一段脚本把明显有问题的样本筛出来，比训练到一半报错强。下面这段做三件事：检查 XML 和图片是否一一对应、校验坐标合法性、统计每张图的苹果数量。
import os import xml.etree.ElementTree as ET from PIL import Image ROOT = "VOC2007" anno_dir = os.path.join(ROOT, "Annotations") img_dir = os.path.join(ROOT, "JPEGImages") bad = [] counts = {} for xml_name in os.listdir(anno_dir): if not xml_name.endswith(".xml"): continue stem = os.path.splitext(xml_name)[0] img_path = os.path.join(img_dir, stem + ".jpg") if not os.path.exists(img_path): bad.append((stem, "missing image")) continue tree = ET.parse(os.path.join(anno_dir, xml_name)) root = tree.getroot() w = int(root.find("size/width").text) h = int(root.find("size/height").text) # 用真实图片尺寸覆盖 XML 里的记录，避免尺寸不一致 real_w, real_h = Image.open(img_path).size if (w, h) != (real_w, real_h): bad.append((stem, f"size mismatch xml=({w},{h}) real=({real_w},{real_h})")) n = 0 for obj in root.findall("object"): n += 1 box = obj.find("bndbox") xmin = int(float(box.find("xmin").text)) ymin = int(float(box.find("ymin").text)) xmax = int(float(box.find("xmax").text)) ymax = int(float(box.find("ymax").text)) if not (0 <= xmin < xmax <= real_w and 0 <= ymin < ymax <= real_h): bad.append((stem, f"bad box {(xmin, ymin, xmax, ymax)}")) counts[stem] = n print("总样本:", len(counts)) print("异常样本:", len(bad)) for item in bad[:20]: print(item) print("单图苹果数分布:", {k: list(counts.values()).count(k) for k in set(counts.values())})逻辑说明：先按文件名配对，再读 XML 的size和真实图片尺寸比对，最后逐框检查坐标范围。参数上，ROOT改成你解压后的实际路径即可；如果图片是.png或.jpeg，把stem + ".jpg"换成对应后缀。跑完重点看两个数：异常样本数和单图苹果数分布。如果异常样本占比超过 5%，说明这份数据需要先清洗再训练，否则模型会学到错误的框位置。
提示：坐标校验里用
float再转int，是因为有些标注工具会写出120.0这种浮点字符串，直接int()会抛异常。
3. 用 Python 把苹果数据集喂给训练流程：划分、转换与可视化
3.1 重新划分 train/val 并生成 ImageSets
数据集自带的train.txt未必适合你的实验，比如你想固定验证集做对比，或者原划分里验证集太小。下面这段按 8:1:1 重新划分，并写回ImageSets/Main。
import os import random ROOT = "VOC2007" img_dir = os.path.join(ROOT, "JPEGImages") main_dir = os.path.join(ROOT, "ImageSets", "Main") os.makedirs(main_dir, exist_ok=True) stems = [os.path.splitext(f)[0] for f in os.listdir(img_dir) if f.lower().endswith((".jpg", ".jpeg", ".png"))] random.seed(42) # 固定种子，保证每次划分一致 random.shuffle(stems) n = len(stems) n_train = int(n * 0.8) n_val = int(n * 0.1) train = stems[:n_train] val = stems[n_train:n_train + n_val] test = stems[n_train + n_val:] def dump(name, items): with open(os.path.join(main_dir, name), "w") as f: f.write("\n".join(items)) dump("train.txt", train) dump("val.txt", val) dump("test.txt", test) dump("trainval.txt", train + val) print(f"train={len(train)} val={len(val)} test={len(test)}")逻辑说明：random.seed(42)是关键参数，固定后每次运行划分结果一致，方便复现实验。比例 8:1:1 是常见起点，数据量小于 500 张时建议改成 7:2:1，让验证集更有统计意义。写出的 txt 只存文件名不带后缀，这是 VOC 解析器的硬约定，带了后缀框架会找不到图。
3.2 转成 YOLO 格式：坐标归一化与类别映射
如果你用的是 YOLO 系列，需要把 VOC 的绝对坐标转成归一化的中心点加宽高。转换脚本如下：
import os import xml.etree.ElementTree as ET from PIL import Image ROOT = "VOC2007" anno_dir = os.path.join(ROOT, "Annotations") img_dir = os.path.join(ROOT, "JPEGImages") out_dir = "labels" os.makedirs(out_dir, exist_ok=True) classes = ["apple"] # 类别顺序必须和训练配置一致 cls_id = {c: i for i, c in enumerate(classes)} for xml_name in os.listdir(anno_dir): if not xml_name.endswith(".xml"): continue stem = os.path.splitext(xml_name)[0] img_path = os.path.join(img_dir, stem + ".jpg") w, h = Image.open(img_path).size root = ET.parse(os.path.join(anno_dir, xml_name)).getroot() lines = [] for obj in root.findall("object"): name = obj.find("name").text.strip() if name not in cls_id: continue # 跳过非苹果类别 box = obj.find("bndbox") xmin = float(box.find("xmin").text) ymin = float(box.find("ymin").text) xmax = float(box.find("xmax").text) ymax = float(box.find("ymax").text) cx = (xmin + xmax) / 2 / w cy = (ymin + ymax) / 2 / h bw = (xmax - xmin) / w bh = (ymax - ymin) / h lines.append(f"{cls_id[name]} {cx:.6f} {cy:.6f} {bw:.6f} {bh:.6f}") with open(os.path.join(out_dir, stem + ".txt"), "w") as f: f.write("\n".join(lines))逻辑说明：YOLO 的坐标全部除以图片宽高做归一化，落在 0 到 1 之间。classes列表的顺序决定类别 id，训练时的names配置必须和它逐行对应，顺序错了模型会把苹果当背景。:.6f保留六位小数，是精度和文件体积的折中。转换后建议随机抽几张用可视化脚本叠框确认，别直接开训。
3.3 可视化验证：把框画回苹果照片上
转换或清洗之后，肉眼确认一遍最靠谱。下面用 OpenCV 把 XML 里的框画到图上：
import os import cv2 import xml.etree.ElementTree as ET ROOT = "VOC2007" anno_dir = os.path.join(ROOT, "Annotations") img_dir = os.path.join(ROOT, "JPEGImages") save_dir = "vis" os.makedirs(save_dir, exist_ok=True) for xml_name in os.listdir(anno_dir)[:10]: # 先看前 10 张 if not xml_name.endswith(".xml"): continue stem = os.path.splitext(xml_name)[0] img = cv2.imread(os.path.join(img_dir, stem + ".jpg")) root = ET.parse(os.path.join(anno_dir, xml_name)).getroot() for obj in root.findall("object"): box = obj.find("bndbox") x1 = int(float(box.find("xmin").text)) y1 = int(float(box.find("ymin").text)) x2 = int(float(box.find("xmax").text)) y2 = int(float(box.find("ymax").text)) cv2.rectangle(img, (x1, y1), (x2, y2), (0, 255, 0), 2) cv2.imwrite(os.path.join(save_dir, stem + ".jpg"), img)逻辑说明：cv2.rectangle的坐标顺序是左上、右下，和 VOC 的xmin/ymin/xmax/ymax一致。颜色(0, 255, 0)是绿色，线宽 2 像素。跑完打开vis目录，重点看三种情况：框是否套住苹果、有没有漏标、有没有把叶子或背景误标成苹果。这一步花五分钟，能省下几小时排查训练异常的时间。
4. 苹果数据集处理里最容易翻车的几个坑
4.1 现象：训练 loss 正常下降但框全偏，原因：XML 尺寸和图片不一致
这是血泪经验里出现频率最高的一条。现象是模型能收敛，但预测框整体偏移或缩放。原因通常是数据集在整理时图片被统一 resize 过，XML 里的size却没更新，或者反过来。解决：用 2.2 的校验脚本，把size mismatch的样本挑出来，用真实图片尺寸重写 XML 的width和height，坐标本身不用动，因为坐标是相对原图的。
4.2 现象：类别名对不上导致全部样本被跳过，原因：大小写和空格
现象是训练时提示某类别没有样本，或者转换后 label 文件全是空的。原因是 XML 里写的是Apple或apple（带尾空格），而配置里是apple。解决：在转换脚本里统一name.strip().lower()，同时把配置里的类别名也改成小写，两边对齐。别小看一个空格，它能让整个数据集白标。
4.3 现象：验证集指标虚高，原因：同一张图被分到 train 和 val
现象是验证集 mAP 高得离谱，换测试集就崩。原因是划分时按文件名随机，但数据集里存在同一场景连拍的多张近似图，被拆到了训练和验证两边。解决：划分前先按场景或拍摄批次分组，用分组划分代替纯随机，保证同一组只进一个集合。苹果数据集如果来自连续拍摄，这个问题尤其明显。
4.4 现象：坐标出现负数或超出边界，原因：标注工具导出时未裁剪
现象是转换后出现负坐标或大于 1 的归一化值，训练直接报错。原因是标注时框拖到了图片外，工具没做裁剪。解决：在转换脚本里加xmin = max(0, xmin)、xmax = min(w, xmax)这类钳制，同时对钳制后宽高小于几个像素的框直接丢弃，避免产生无效样本。
4.5 现象：中文路径或空格路径导致读图失败，原因：OpenCV 对非 ASCII 路径支持不稳
现象是脚本在本地跑得好好的，换台机器就报NoneType。原因是图片路径里有中文或空格，cv2.imread返回None。解决：统一用英文无空格路径，或者改用PIL读图再转numpy给 OpenCV。数据集目录名保持VOC2007这种纯英文，是最省事的做法。
5. 让苹果数据集真正好用的两个进阶习惯
第一个习惯是给数据集做一份「体检报告」并随数据一起存。上面 2.2 的校验脚本跑完，把总样本数、异常数、单图目标数分布写进一个dataset_report.txt，和VOC2007放同级目录。下次换模型或换人接手，先看报告再动手，比重新摸一遍快得多。我一般还会把类别名、图片平均尺寸、宽高比分布一起记进去，因为这些直接决定 anchor 或输入尺寸怎么设。
第二个习惯是固定一套「最小复现集」。从苹果数据里挑 20 张覆盖不同光照、遮挡、大小的图，单独放一个mini目录，任何新脚本先在这 20 张上跑通再上全量。这样调试转换、可视化、增强逻辑时，几秒就能出结果，不用等全量数据加载。下面这个小脚本用来生成最小复现集：
import os import shutil import random ROOT = "VOC2007" mini = "mini" os.makedirs(os.path.join(mini, "JPEGImages"), exist_ok=True) os.makedirs(os.path.join(mini, "Annotations"), exist_ok=True) stems = [os.path.splitext(f)[0] for f in os.listdir(os.path.join(ROOT, "JPEGImages"))] random.seed(0) picked = random.sample(stems, min(20, len(stems))) for s in picked: shutil.copy(os.path.join(ROOT, "JPEGImages", s + ".jpg"), os.path.join(mini, "JPEGImages", s + ".jpg")) shutil.copy(os.path.join(ROOT, "Annotations", s + ".xml"), os.path.join(mini, "Annotations", s + ".xml")) print("mini set:", len(picked))参数上random.seed(0)保证每次挑的是同一批图，方便团队共享同一套调试样本。min(20, len(stems))防止数据量不足时报错。这套习惯坚持下来，你会发现处理苹果数据集这类单类别数据时，真正花时间的从来不是写模型，而是把数据对齐、验证、留痕。把校验和最小复现集做成固定动作，后面换任何数据集都能直接套。希望帮到你。
本文还有配套的精品资源，点击获取
