简介：面向管道漏水检测任务的目标检测数据集，覆盖家庭管道、下水管道等常见场景，适合用于训练和评估YOLO、Faster R-CNN等检测模型，也可作为智慧水务、工业巡检方向的基准数据。压缩包内共563个文件，大小约10.97MB，按JPEGImages、Annotations、labels三个文件夹分类存放：187张jpg为清晰原图，187个xml为VOC格式标注文件，187个txt为YOLO格式标签文件，另有2个txt一并打包，整体格式规范，目录直观。数据统一采用矩形框标注，类别仅leak一个，有效框数323个，图片未做增强，图像清晰且背景多样，能贴近真实管道环境，可直接进入YOLO或VOC训练流程，省去格式转换和人工标注环节。对于刚接触目标检测的开发者，这份数据能帮助理解VOC与YOLO两种标注体系的差异；对于管道漏水检测项目，也可作为快速验证算法精度的基础数据，便于后续在智慧水务、安全巡检等任务中扩展应用。目前已有307人学习使用，资源小巧清晰，传输快、易存储，适合快速下载展开实验。
1. 管道漏水目标检测数据集：187张双格式小样本到底能做什么
做工业视觉的人都有个共同痛点：公开数据集里人、车、猫狗多到爆，但一到管道漏水这种垂直场景，想找个能直接拿来训练的数据集，翻遍全网也未必找得到。这份管道漏水数据集一共187张标注图，同时给了YOLO和VOC两套格式，正好补上这个空缺。它的定位很明确：不是给你刷榜单用的，而是让你在市政管网巡检、工厂跑冒滴漏监测、输水管道机器人视觉这类场景里，用最小成本把漏水检测的 baseline 跑起来。187张的量级意味着你不可能直接端到端训一个超大模型，但它足够用来验证算法流程、做迁移学习、测试数据增强策略。适合两类人：一类是刚开始做目标检测、想找一份没被薅烂的垂直场景数据练手的初学者；另一类是手上已有现场视频、需要一份结构干净的数据集来跑通标注格式转换和训练pipeline的工程师。
2. 先看清187张图的家底：YOLO与VOC双格式的组织与映射关系
下载解压之后别急着开训，先花十分钟把数据集结构摸清楚。很多人在这一步翻车，是因为对YOLO格式和VOC格式的映射关系想当然，导致后面训练时标签全乱。下面先讲目录组织，再讲两种标注格式的描述差异，最后给一个验证脚本。
2.1 目录与文件：双格式是同一批图，两套标注
数据集解压后，典型的目录结构是这样的：
pipe_leak_dataset/ ├── images/ │ ├── 0001.jpg │ ├── 0002.jpg │ └── ... ├── labels/ # YOLO格式标签，与images同名 │ ├── 0001.txt │ ├── 0002.txt │ └── ... ├── annotations/ # VOC格式标签，XML文件 │ ├── 0001.xml │ ├── 0002.xml │ └── ... ├── classes.txt # 类别列表 ├── train.txt # 训练集图片路径列表 ├── val.txt # 验证集图片路径列表 └── data.yaml # 给YOLO训练用的配置文件注意一个关键点：images、labels、annotations三个目录里的文件名是一一对应的，0001.jpg的标注同时存在于0001.txt和0001.xml。也就是说，这套数据集不是“YOLO版一套图、VOC版另一套图”，而是同一批图给你配了两套格式的标签。这带来的直接好处是：你可以在YOLO框架里做训练，同时用VOC格式做交叉验证，或者把XML转成COCO格式喂给检测Transformer类模型。
classes.txt里通常只有一类，默认是leak（漏水点）。如果打开发现是pipe_leak或者water_leak，都没关系，关键是data.yaml里的nc参数必须和类别数一致。这个一致性检查一定要在训练前做，后面第五章会专门讲这个坑。
2.2 YOLO坐标与VOC坐标：一条样本的两种描述方式
同一张图上的同一个漏水点，在两种格式里长这样。YOLO格式的0001.txt内容：
0 0.485156 0.610417 0.131250 0.119792这行数字的含义依次是：类别id、归一化中心点x、归一化中心点y、归一化宽度w、归一化高度h。所有坐标值都在0到1之间，是相对图片宽高的比例。比如0.485156就是目标中心点在图片水平方向48.5%的位置。
对应的VOC格式0001.xml内容（简化版）：
<annotation> <filename>0001.jpg</filename> <size> <width>640</width> <height>480</height> </size> <object> <name>leak</name> <bndbox> <xmin>260</xmin> <ymin>241</ymin> <xmax>344</xmax> <ymax>298</ymax> </bndbox> </object> </annotation>VOC格式记录的是像素绝对坐标，xmin/ymin/xmax/ymax直接是框的四个边界。换算关系很简单：
x_center = (xmin + xmax) / 2 / width y_center = (ymin + ymax) / 2 / height w = (xmax - xmin) / width h = (ymax - ymin) / height这套换算逻辑是所有格式互转的基础。不管是YOLO转VOC、VOC转COCO，还是给LabelImg标注工具喂预标注，最终都绕不开这组公式。
2.3 用脚本验证两份标注是否对齐
既然两套标注描述的是同一批目标，那它们的数量必须一致。我一般会在拿到数据集后先跑一遍对齐检查，防止下载文件缺失或标注导出时丢样本。
import os img_dir = "images" yolo_dir = "labels" voc_dir = "annotations" img_list = [f for f in os.listdir(img_dir) if f.endswith(".jpg")] missing_yolo = [] missing_voc = [] count_mismatch = [] for img in img_list: stem = os.path.splitext(img)[0] yolo_txt = os.path.join(yolo_dir, stem + ".txt") voc_xml = os.path.join(voc_dir, stem + ".xml") if not os.path.exists(yolo_txt): missing_yolo.append(img) continue if not os.path.exists(voc_xml): missing_voc.append(img) continue # 统计目标数量 yolo_count = len([l for l in open(yolo_txt).readlines() if l.strip()]) with open(voc_xml) as f: xml_content = f.read() voc_count = xml_content.count("<object>") if yolo_count != voc_count: count_mismatch.append((img, yolo_count, voc_count)) print(f"图片总数: {len(img_list)}") print(f"缺少YOLO标签: {len(missing_yolo)}") print(f"缺少VOC标签: {len(missing_voc)}") print(f"目标数量不一致: {len(count_mismatch)}") if count_mismatch: print(count_mismatch[:5])这个脚本的逻辑分三步：先扫描图片文件，再检查两份标签是否存在，最后统计每张图的目标数量是否一致。注意第二段统计用的是xml_content.count("<object>")，这个字符串计数方式依赖XML标签格式严格一致，对这份数据集够用；如果XML里<object>标签内部有换行或属性变化，就要改用xml.etree.ElementTree来解析。跑完之后，三项输出都为0，说明数据集完整，可以进下一步。
3. 训练前的数据体检：187张小样本必须做的一次质量筛查
小样本数据集最忌讳的就是拿到手直接开训。187张图本来就不多，任何一张图有问题，对模型的影响都会被放大。这一章讲怎么在训练前把数据质量筛一遍，让后面的训练不白跑。
3.1 图片尺寸与清晰度：先查分辨率再查模糊
管道漏水场景里，漏水点往往是小目标，比如管壁上一道水痕、一个滴漏点，在整张图中可能只占几十个像素。如果图片分辨率太低，或者本身拍模糊了，那标注再准也白搭。
from PIL import Image import os img_dir = "images" size_stats = {} blurry_list = [] for f in os.listdir(img_dir): if not f.endswith(".jpg"): continue img = Image.open(os.path.join(img_dir, f)) w, h = img.size size_stats[(w, h)] = size_stats.get((w, h), 0) + 1 # 简单清晰度评估：计算拉普拉斯方差 import numpy as np gray = np.array(img.convert("L"), dtype=np.float32) laplacian_var = (np.diff(gray, axis=0)[:, :-1] ** 2).mean() if laplacian_var < 50: # 经验阈值，可调 blurry_list.append(f) print(f"分辨率分布: {size_stats}") print(f"疑似模糊图片: {len(blurry_list)}, 示例: {blurry_list[:3]}")这里的分辨率分布统计告诉你数据集里图片是否尺寸统一。如果混入了多种分辨率，训练时imgsz参数就得慎重选。模糊检测用的是拉普拉斯方差近似，值越低说明图像越平、越模糊。50这个阈值是我对管道类图像的粗略经验值，你可以实际跑一下看一眼分布再定。
3.2 标签越界与空标注检查：坐标合法性一次性查清
YOLO标签的归一化坐标理论上必须在0到1之间。但如果标注软件导出时出了问题，或者别人转格式时round过头，就可能出现1.0001这种越界值，训练时部分框架会报错，部分框架会静默裁掉，导致边界框位置偏移。
def check_yolo_labels(label_dir): issues = [] for f in sorted(os.listdir(label_dir)): if not f.endswith(".txt"): continue with open(os.path.join(label_dir, f)) as fh: for idx, line in enumerate(fh): parts = line.strip().split() if len(parts) != 5: issues.append((f, idx+1, "列数不等于5")) continue cls_id, xc, yc, w, h = parts try: xc, yc, w, h = float(xc), float(yc), float(w), float(h) except ValueError: issues.append((f, idx+1, "坐标非数字")) continue if not (0 <= xc <= 1 and 0 <= yc <= 1): issues.append((f, idx+1, "中心点越界")) if w <= 0 or h <= 0 or w > 1 or h > 1: issues.append((f, idx+1, "宽高异常")) if xc + w/2 > 1 or xc - w/2 < 0 or yc + h/2 > 1 or yc - h/2 < 0: issues.append((f, idx+1, "框超出图像边界")) return issues issues = check_yolo_labels("labels") print(f"标签问题数: {len(issues)}") if issues: for item in issues[:10]: print(item)检查项分四类：格式列数、坐标数值合法性、中心点越界、边界框超出图像范围。其中最后一项最容易被忽略——中心点在0到1之间，不代表框的四条边也在图像内。例如xc=0.98, w=0.1时，框的右边界就到了1.03，属于越界。对这份数据集的正确做法是发现问题后用脚本修正而不是直接删框：xc = min(max(xc, w/2), 1 - w/2)把中心点拉回合法范围。
3.3 训练集与验证集划分：别让187张图白分错
小样本数据集的划分比例要谨慎。常见做法是用8:2或者8.5:1.5划分训练集和验证集，但前提是场景分布要均衡。我的习惯是先看一眼所有图片的内容分布，确认没有“前80张全是白天场景、后80张全是夜晚场景”这种分区情况，再打乱划分。否则验证集会过难或过易，训练曲线会像心率图一样乱跳。
划分建议：把187张按约7:3切成训练集和验证集，验证集保持30张左右比较稳。实现时用random.shuffle加固定随机种子，保证多次划分结果可复现。这一步的输出是train.txt和val.txt，每行写图片的绝对路径或相对路径，YOLO训练时会从这里读取图片列表。
import random random.seed(42) img_files = [f for f in os.listdir("images") if f.endswith(".jpg")] random.shuffle(img_files) split_idx = int(len(img_files) * 0.7) train_files = img_files[:split_idx] val_files = img_files[split_idx:] with open("train.txt", "w") as f: for name in train_files: f.write(f"/absolute/path/images/{name}\n") with open("val.txt", "w") as f: for name in val_files: f.write(f"/absolute/path/images/{name}\n") print(f"训练集 {len(train_files)} 张, 验证集 {len(val_files)} 张")随机种子42在这里很关键，它能保证你之后每次重新划分得到的结果完全一致。路径那里记得改成你本机的实际路径，或者用相对路径./images/xxx.jpg配合YOLO的data.yaml里指定的path字段使用。
4. 第一次跑通YOLOv8训练：参数设置与迁移学习策略
数据体检干净之后，进入实操环节。这一章以YOLOv8为例讲完整训练流程。选YOLOv8而不是v5或v11，主要原因是ultralytics框架的API稳定、文档全、遇到问题搜起来容易，而且v8在COCO预训练权重上的迁移学习对小样本场景特别友好。
4.1 环境准备与目录规整
先确认环境。YOLOv8依赖ultralytics包，把pip install ultralytics装好就行，它会自动带上torch、opencv-python等依赖。如果你的机器有NVIDIA显卡，先确认nvidia-smi能正常输出，然后装对应版本的CUDA版PyTorch。
目录结构上，用YOLO官方推荐的方式最省心：
pipe_leak_dataset/ ├── data.yaml ├── images/ │ ├── train/ # 从images目录里拷进去的图片，按train.txt划 │ └── val/ └── labels/ ├── train/ # 对应的txt标签 └── val/注意这个目录结构和第二章展示的原始目录不同，需要手动把图片按train.txt和val.txt里的划分结果，分别复制到images/train、images/val、labels/train、labels/val四个子目录里。YOLO训练器默认是按照images和labels同级目录来查找标签的，目录不对会直接报No labels found。
4.2 data.yaml与训练参数设置
data.yaml是训练的入口，内容如下：
path: /absolute/path/pipe_leak_dataset train: images/train val: images/val nc: 1 names: ['leak']参数说明：path填数据集根目录的绝对路径，train和val相对path的路径。这里的nc: 1只能等于1，因为这份数据集只有一个类别。如果写错，训练不报错但mAP计算全部错乱。names这个列表的顺序就是类别id的顺序，['leak']表示类别0是漏水点，和labels目录里的txt首列数字0对应。
训练参数我推荐从小模型起步。用YOLOv8n作为基础模型，在187张小样本上先跑通流程，不要一上来就上yolov8x，那是浪费算力。
from ultralytics import YOLO model = YOLO("yolov8n.pt") # 加载COCO预训练权重，做迁移学习 results = model.train( data="data.yaml", epochs=100, batch=16, imgsz=640, patience=15, workers=4, device=0, project="runs/train", name="pipe_leak_v8n", optimizer="SGD", lr0=0.01, augment=True, )参数设计逻辑：epochs=100对187张图已经足够，再多容易过拟合；batch=16在普通消费级显卡上内存占用可控；imgsz=640是YOLOv8的默认输入尺寸，注意训练时会统一resize到这个尺寸；patience=15表示验证集指标连续15个epoch不提升就早停，小样本训练后期指标会剧烈震荡，这个值太小说停就停，太大会浪费时间；augment=True开启内置数据增强，等价于给数据集“扩容”。lr0=0.01是SGD的初始学习率，这是ultralytics默认值，小样本任务不建议调大。
4.3 训练过程观察与权重保存
训练过程中，终端会滚动打印每个epoch的box_loss、cls_loss、mAP50、mAP50-95等指标。小样本数据集的典型特征是：前20个epoch mAP快速上升，之后震荡。如果你看到box_loss在下降但mAP50上不去，大概率是验证集图片场景分布不均，回头重新划分一下就好。
训练结束后，runs/train/pipe_leak_v8n/weights/目录下会生成两个文件：best.pt和last.pt。best.pt是验证集指标最优的权重，推理和部署都用它。用下面命令快速验证效果：
yolo predict model=runs/train/pipe_leak_v8n/weights/best.pt source=images/valsource指向验证集图片目录，预测结果会输出到runs/predict/。打开几张图看看框的位置和置信度，这一步比你盯着mAP数字更有直觉。
5. 小样本数据集的避坑与常见问题：187张图最容易翻车的五个地方
下面这五条是我在拆这类小样本垂直数据集时踩过的坑，按“现象→原因→解决”格式写清楚，供你提前绕开。
5.1 类别id与data.yaml不对应，训练loss不降
现象：训练了二三十个epoch，cls_loss一直在3左右徘徊，mAP50几乎为0。
原因：标签txt文件里的类别id是1，但data.yaml里nc: 1且names: ['leak']，模型认为唯一的合法类别id是0，id=1变成空类或者被忽略。这类问题通常发生在别人转好格式、又手动改过类别名称的数据集上。
解决：打开任意一个labels目录下的txt文件，查看首列数字的最小值是否为0，最大值是否小于nc。发现最小值不是0时，用脚本把所有txt首列减1，或者把names列表改成和id对应的实际顺序。
5.2 归一化坐标被round出界，验证集mAP显示为0
现象：训练正常跑完，best.pt在验证集上mAP50输出为0，但直接用模型推理时能画出框。
原因：验证集图片的label坐标有越界值。YOLO在计算mAP时会把越界的框裁掉或忽略，导致图片的有效正样本为0，mAP自然就是0。
解决：用第3.2节的检查脚本全量扫一遍标签，把越界中心点拉回合法范围，或者直接删除越界的异常框。越界框占比低于1%时删除即可，占比高就修正坐标。
5.3 训练集验证集划分不随机，训练曲线疯狂震荡
现象：loss曲线像锯齿一样上下跳动，val/box_loss完全无规律。
原因：图片被分成“白天场景全在训练集、夜晚场景全在验证集”这种分布倾斜。187张图如果不打乱直接顺序划分，很常见。
解决：固定随机种子重新划分，并看一眼划分后的验证集图片缩略图，确认场景多样性跟训练集大致一致。实在不行，把训练集比例降到6.5成，保证验证集有代表性。
5.4 小目标漏水点被缩放算法吃没，推理时漏检严重
现象：训练指标不错，但到了实际推理时，稍远距离的漏水点全部漏检。
原因：YOLOv8默认输入imgsz=640，如果原图是1920×1080的现场画面，漏水点只占20×20像素，缩放到640后可能只占7×7像素，特征几乎丢失。
解决：推理时提高imgsz。用model.predict(source=..., imgsz=1280)跑，或者训练时直接把imgsz设成1280。代价是推理速度下降，对管道巡检这种非实时任务完全可以接受。
5.5 迁移学习预训练权重选错，小样本训不动
现象：从头训练（不加载权重）时，前50个epoch loss下不去，模型完全学不出来。
原因：187张图撑不起随机初始化的大模型参数量，必须靠COCO预训练权重提供底层特征。
解决：用yolov8n.pt这类权重启动训练，模型会在已有通用特征基础上微调。注意不要加载和当前任务类别数不一致的自定义权重，容易报shape不匹配错误。
6. 再往前走一步：如何把187张图的价值榨干
数据集只有187张，但你能做的事情比想象中多。先把数据增强跑起来。YOLO内置的augment=True会做随机翻转、缩放、颜色抖动，但幅度不够时对漏水的视觉效果增益有限。我一般会额外加一层针对性的离线增强：把漏水点的小图区域裁出来，用cv2.flip做水平翻转、用cv2.add加随机亮度扰动，然后贴回原图的随机位置。这样等于人工制造了新的训练样本，且保证了漏水点的位置多样性。
验证方法上，别只看训练集和验证集指标。小样本模型的泛化性能需要外场测试：找3到5段没有出现在数据集里的真实管道视频，跑一遍推理，人工统计漏检数和误检数。这里的收益判据很简单——如果外场测试的漏检率低于训练时的验证指标波动范围，说明模型学的是漏水本身的特征，而不是背景的特征；反之，如果换了一段背景颜色不同的视频就全线崩溃，说明模型把背景学了进去，需要补充更多背景多样的数据。
我自己的教训是：第一次拿这份数据集训练，只看了mAP好看就部署到现场，结果在水管反光比较强的环境下漏检率直接翻倍。后来逐步引入针对性增强和背景干扰样本，额外又标注了大约50张现场图混进训练集，模型的稳定性才真正起来。从那以后，我每次拿到小样本数据集，都强制走一遍“格式对齐检查→数据体检→增强策略→外场验证”的完整流程，再急也不跳步骤。这份187张的管道漏水数据集，适合你把整套流程完整跑通一遍。希望帮到你。
本文还有配套的精品资源，点击获取
技术解析与应用实践)
