简介面向目标检测与YOLO系列算法学习者提供一套蜜蜂/大黄蜂识别数据集含1404张带标注图像可直接用于模型训练与验证。压缩包内共2000个文件其中1230个XML标注文件对应VOC格式770个TXT标注文件为YOLO格式两类标签均按类别、中心坐标和宽高比例规范记录同时包含已划分好的数据集配置data.yaml适配yolov5、yolov7、yolov8、yolov9、yolov10及yolo11等主流版本。压缩包整体约73.77MB轻量易下载标签格式双轨并存便于在不同框架间切换使用。目前已有69人学习下载适合需要快速获取可训练数据集、开展蜜蜂目标检测实验或对比标签格式的初学者与进阶开发者。1. 蜜蜂检测数据集1404 张带标签图像YOLO 系列算法直接开训做目标检测的人都知道数据集的坑从来不在数量而在标签格式和类别平衡。这份「大黄蜂-蜜蜂探测数据集-1404张图像带标签」是我最近在复现 YOLO 系列算法时淘到的包含蜜蜂、大黄蜂、黄蜂三个类别图像带完整标签覆盖白天、逆光、密集花丛、个体重叠等真实拍摄场景。和很多从网上下载后还要自己清洗很久的数据集不同这份数据已经切好训练集、验证集和测试集并且自带 data.yaml 配置文件解压后喂给 YOLOv5、YOLOv7、YOLOv8、YOLOv10 甚至 YOLO11 都能直接跑起来不需要你改一行路径代码。更难得的是标签同时提供了 YOLO 格式的 txt 文件和 VOC 格式的 xml 文件分别放在两个文件夹里这对想在不同框架之间切换、或者准备用 mmrotate 这类开源工具做检测的人来说非常省事。如果你是刚接触 yolo 检测的新手或者正在做昆虫识别、农业植保、蜂蜜养殖相关的项目这份数据集能让你跳过最耗时的标注阶段直接把精力放在模型训练和调参上。2. 数据集内部结构与标签格式txt 和 xml 双格式到底怎么用2.1 解压后的目录长什么样拿到压缩包后第一步不是急着训练而是把目录结构摸清楚。常见做法是先把 zip 解压到一个不含中文和空格的路径下比如D:\datasets\bee_yolo或/home/user/data/bee_yolo这一步看似简单但很多人翻车就翻在路径上有中文导致 YOLO 在读取图像时直接报路径错误。解压后你会看到几个关键部分图像文件夹、两个标签文件夹一个存 YOLO 格式的 txt一个存 VOC 格式的 xml、一个 data.yaml 文件以及划分好的 train、val、test 子目录。项目正文里提到的img_0998_444.txt这类文件就是 YOLO 格式的标签文件文件名和图像文件名一一对应。比如img_0998.jpg这张图对应的标签就是img_0998_444.txt。这里要特别说一句有些数据集下载下来是图像和标签混在一个目录里的你得自己写脚本切分。这份数据集的作者已经把 train/val/test 比例分好了train 大概占七成、val 占两成、test 占一成具体比例以压包内实际文件为准。你拿到手直接看data.yaml里的配置就知道每个集合的路径。2.2 YOLO 格式标签的坐标体系YOLO 格式的 txt 文件每一行代表一个目标框格式是五个值类别索引、中心点 x 坐标、中心点 y 坐标、框宽度、框高度。关键点在于x、y、w、h 全部是归一化后的相对值取值范围在 0 到 1 之间不是像素坐标。举个例子一张 640x640 的图像某个蜜蜂框左上角在 (160, 128)右下角在 (320, 256)那么中心点是 (240, 192)宽度是 160高度是 128。归一化后就是class_0 0.375 0.300 0.250 0.200其中 x_center 240 / 640 0.375y_center 192 / 640 0.300width 160 / 640 0.250height 128 / 640 0.200。如果你需要验证标签是否正确可以用下面的 Python 脚本把归一化坐标还原成像素坐标并在原图上画出检测框import cv2 # 读取图像和对应标签 image_path img_0998.jpg label_path img_0998_444.txt img cv2.imread(image_path) h, w img.shape[:2] with open(label_path, r) as f: lines f.readlines() for line in lines: parts line.strip().split() cls int(parts[0]) x_center float(parts[1]) * w y_center float(parts[2]) * h box_w float(parts[3]) * w box_h float(parts[4]) * h x1 int(x_center - box_w / 2) y1 int(y_center - box_h / 2) x2 int(x_center box_w / 2) y2 int(y_center box_h / 2) cv2.rectangle(img, (x1, y1), (x2, y2), (0, 255, 0), 2) cv2.putText(img, fclass_{cls}, (x1, y1 - 5), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 0, 255), 1) cv2.imwrite(check_boxes.jpg, img)这个脚本的核心逻辑是把归一化坐标乘以图像宽高还原为像素值然后从中心点坐标减去一半宽高得到左上角加上一半宽高得到右下角。参数方面cv2.rectangle的最后一个参数 2 是线条粗细画 3 会更醒目cv2.putText的 0.5 是字体缩放比例图像分辨率高的话建议调到 0.8。跑完脚本打开check_boxes.jpg看看框是不是贴合蜜蜂身体如果发现框偏移、过大或过小说明原始标签本身可能有问题需要做后续清洗。2.3 VOC 格式标签的读取与转换VOC 格式的 xml 文件和 YOLO 格式完全不同它存储的是绝对像素坐标不是归一化值。文件结构大致是这样annotation filenameimg_0998.jpg/filename size width640/width height640/height depth3/depth /size object namebee/name bndbox xmin160/xmin ymin128/ymin xmax320/xmax ymax256/ymax /bndbox /object /annotation注意这里的name是类别名称可能是bee、bumble_bee、wasp也可能是0、1、2这种数字索引。为什么提这一点因为我在实际转换中遇到过类别名称和 data.yaml 里的 names 列表对不上的情况比如 xml 里写的是bumblebeedata.yaml 里写的是bumble_bee训练的时候模型会把这个框当成未知类别直接忽略等于变相丢了一批标注。如果你需要用 xml 做训练但框架只认 txt或者反过来别手写转换直接用脚本处理更省心import xml.etree.ElementTree as ET import os def xml_to_yolo(xml_path, out_dir, class_map): tree ET.parse(xml_path) root tree.getroot() size root.find(size) img_w int(size.find(width).text) img_h int(size.find(height).text) out_lines [] for obj in root.iter(object): name obj.find(name).text if name not in class_map: print(f跳过未知类别: {name}) continue cls_id class_map[name] box obj.find(bndbox) xmin int(box.find(xmin).text) ymin int(box.find(ymin).text) xmax int(box.find(xmax).text) ymax int(box.find(ymax).text) x_center (xmin xmax) / 2 / img_w y_center (ymin ymax) / 2 / img_h width (xmax - xmin) / img_w height (ymax - ymin) / img_h out_lines.append(f{cls_id} {x_center:.6f} {y_center:.6f} {width:.6f} {height:.6f}) base_name os.path.splitext(os.path.basename(xml_path))[0] with open(os.path.join(out_dir, base_name .txt), w) as f: f.write(\n.join(out_lines)) # 类别映射表xml中的name - 类别索引 class_map {bee: 0, bumble_bee: 1, wasp: 2} xml_to_yolo(img_0998.xml, ./labels_yolo, class_map)这段代码的关键在class_map它决定了 xml 里的类别字符串怎么映射到数字索引。如果 data.yaml 里 classes 顺序是bee, bumble_bee, wasp那么索引 0、1、2 分别对应这三个名字映射错了整个模型就学了错误的类别顺序。小数点后保留 6 位是常见做法YOLO 训练时读取精度完全够用保留太多位反而让文件变大没有必要。3. data.yaml 配置与 YOLOv8 训练流程从命令到权重文件3.1 data.yaml 到底配了什么数据集的灵魂不只是图像和标签还有 data.yaml 这个配置文件。它告诉训练框架三件事训练集路径在哪、验证集路径在哪、类别有哪些。这个文件一般长这样path: ../datasets/bee_data train: images/train val: images/val test: images/test nc: 3 names: [bee, bumble_bee, wasp]path是数据集根目录可以是绝对路径也可以是相对路径取决于你从哪里执行训练命令。我一般用绝对路径省得换目录后莫名其妙找不到数据。train、val、test三个字段是相对path的子目录路径。nc是类别总数这里 3 表示有三类目标。names是类别名称列表顺序必须和标签文件里的数字索引一一对应。这里有个非常容易踩的坑数据集压包里可能自带 data.yaml但其中的path是作者机器上的绝对路径你解压到自己电脑后路径就对不上了。所以拿到数据集第一件事是打开 data.yaml 把path改成你自己机器上的实际路径。3.2 用 YOLOv8 开训命令与参数含义配置好 data.yaml 后训练就很快了。假设你已经装好了ultralytics包YOLOv8、YOLOv9、YOLO10 以及 YOLO11 都在这个包里用命令行直接开训yolo detect train \ modelyolov8n.pt \ data/home/user/data/bee_yolo/data.yaml \ epochs100 \ imgsz640 \ batch16 \ device0 \ patience20 \ project/home/user/runs \ namebee_detect_v8n参数的含义逐个说明一下modelyolov8n.pt用的是 nano 版本参数量最小、训练最快适合先跑通流程如果你追求精度可以换yolov8s.pt或yolov8m.pt。epochs100是训练的轮数蜜蜂这类目标不算特别难100 轮基本能看到收敛趋势。batch16是每批图像数量如果你的显卡显存只有 8GB建议降到 8 或 4否则会爆显存。device0表示用第一张 GPU没有 GPU 就写devicecpu但训练时间会大幅拉长。patience20是早停参数连续 20 轮 mAP 没提升就自动停止防止过拟合。训练过程中控制台会输出每轮的 loss 值、mAP50、mAP50-95 等指标。如果 loss 一路下降、mAP50 稳定在 0.9 以上说明数据集质量不错模型学到位了。如果 mAP50 迟迟到不了 0.5先别急着加 epochs回头检查标签文件是不是有问题、图像和标签是否对得上、类别是否均衡。3.3 训练完成后怎么验证训练结束后project目录下会生成best.pt和last.pt两个权重文件。best.pt是验证集上表现最好的权重last.pt是最后一轮的权重。验证测试集效果用这个命令yolo detect val \ model/home/user/runs/bee_detect_v8n/weights/best.pt \ data/home/user/data/bee_yolo/data.yaml \ splittest \ imgsz640加splittest是为了让 YOLO 在测试集上做验证默认情况下它只跑 val 集。输出的指标里你要重点看两个mAP50和mAP50-95。mAP50 是 IoU 阈值取 0.5 时的平均精度mAP50-95 是阈值从 0.5 到 0.95 每步 0.05 的平均值后者更严格正常来说前者比后者高 10 到 20 个百分点。如果你的 mAP50 高但 mAP50-95 很低说明模型对小目标或密集遮挡场景的定位还不够准。4. 实操避坑指南从标签错位到训练翻车的 5 个真实问题4.1 类别索引和 data.yaml 对不上模型学了错误分类现象是训练时 loss 能降下来但验证时 mAP 很低打开预测结果发现蜜蜂被识别成黄蜂黄蜂被识别成蜜蜂。原因是数据集的 txt 标签文件里用的类别索引顺序和 data.yaml 里的 names 列表顺序不一致。常见做法是解压后先随便挑 5 个 txt 文件打开人工确认第一列的索引值范围再和 data.yaml 的 names 一一比对。我一般会写个快速脚本统计所有标签的类别索引分布import os label_dir labels/train class_count {} for filename in os.listdir(label_dir): if not filename.endswith(.txt): continue with open(os.path.join(label_dir, filename), r) as f: for line in f: cls line.strip().split()[0] class_count[cls] class_count.get(cls, 0) 1 print(class_count)如果输出的类别索引是 {0: 800, 1: 400, 2: 204}说明三类都有样本索引是 0、1、2 没问题。如果出现 3 或更大的索引那就是标签文件不干净需要清洗。4.2 图片和标签文件名对不上训练时大量告警现象是训练日志里出现大量WARNING ⚠️ ... label ... not found之类提示实际用来训练的图像明显少于数据集总数。原因是文件名前缀不一致有的图叫img_0998.jpg标签却叫img_0998_444.txt中间多了后缀。严格来说 YOLO 要求同名匹配文件名多一个下划线就匹配失败。解决方法是写个脚本批量改名把我前面提到的那段xml_to_yolo里的文件名提取逻辑反过来用一次把标签文件名改成和图像完全一致再训练。4.3 数据增强导致蜜蜂形态失真误检率上升现象是训练时 mAP 很好看但拿真实场景照片一测大量误检把背景里的褐色树叶、黑色石头都框成了蜜蜂。原因是 YOLOv8 默认开了随机翻转、马赛克增强蜜蜂的纹理和颜色在翻转后虽然对模型来说是合理的数据扩充但黄蜂和蜜蜂的斑纹本身就容易混淆过度增强会让模型学到颜色特征而不是形态特征。我一般会在训练时关掉mosaic和fliplr改成mosaic0.0、fliplr0.0或者把增强强度调低看着模型在真实场景下的泛化能力再决定要不要加回来。4.4 图像中有大量小目标默认 anchor 不匹配现象是 mAP50 尚可但 mAP50-95 非常低预测结果里远处的小蜜蜂完全没框出来。原因是蜜蜂经常在花丛深处目标像素只有几十乘几十YOLOv8 默认的 anchor 尺寸对这种小目标不够敏感。常见做法是训练时增大输入分辨率比如imgsz1280但显存消耗翻几倍另一个做法是用yolov8m或yolov8l这类更大模型。从血泪经验来看先试着把imgsz960跑一轮很多小目标就出来了。4.5 训练时爆显存batch 一调就训练崩溃现象是显存在训练 2 个 epoch 后溢出程序直接退出调小 batch 后又出现数据加载瓶颈GPU 利用率低到个位数。原因是不同类别的图像尺寸差异大YOLO 默认做 letterbox 缩放如果数据集里存在超大分辨率图像内存占用会瞬间飙升。解决方法是先统一图像尺寸写脚本把图片缩放到统一大小再训练或者在训练参数里配rectTrue让 YOLO 按图像比例自动分组 batch减少显存浪费。5. 把 best.pt 部署到真实场景推理脚本与置信度阈值调优训练完不能只停在验证集指标上真正要看的是拿手机随手拍一张花丛照片模型能不能把三只蜜蜂分开。这里我给你一套部署推理的完整脚本以及两个关键参数的调优方向。from ultralytics import YOLO import cv2 model YOLO(/home/user/runs/bee_detect_v8n/weights/best.pt) img cv2.imread(field_test.jpg) results model.predict( sourceimg, conf0.35, iou0.45, imgsz640, verboseFalse ) boxes results[0].boxes for box in boxes: x1, y1, x2, y2 box.xyxy[0].tolist() conf float(box.conf[0]) cls int(box.cls[0]) if cls 0: label bee color (0, 255, 0) elif cls 1: label bumble_bee color (255, 0, 0) else: label wasp color (0, 0, 255) cv2.rectangle(img, (int(x1), int(y1)), (int(x2), int(y2)), color, 2) cv2.putText(img, f{label} {conf:.2f}, (int(x1), int(y1)-5), cv2.FONT_HERSHEY_SIMPLEX, 0.6, color, 2) cv2.imwrite(result.jpg, img)conf0.35是置信度阈值低于这个值的框会被过滤掉。蜜蜂检测场景里如果你宁可多框也不能漏就调到 0.25如果只想保留确定的结果就调到 0.5。iou0.45是非极大值抑制的 IoU 阈值控制重叠框的合并力度两个靠得很近的蜜蜂如果被各自框出来这个值调低到 0.3 能减少误合并。我在实际部署中遇到过一种情况模型对黄蜂的置信度普遍比蜜蜂低 0.1 左右因为黄蜂体型更细长特征不如蜜蜂明显。这种情况下不要动 conf而是单独给黄蜂类别的置信度做一个后处理偏移比如固定阈值 0.3蜜蜂按 0.35 过滤。这种方法不优雅但有效算是工程上的土办法。如果你需要把推理结果输出成树莓派或者 Jetson 上的实时流记得把推理图像尺寸降到 416 或 320速度能提升一倍以上精度损失在蜜蜂这种大目标上几乎可以忽略。从那以后我每训练完一个数据集都会强制在真实拍摄的陌生照片上跑一遍推理日志而不是只看验证集指标这个习惯帮我避开了好几轮模型过拟合的翻车。希望这套从数据检查到部署推理的流程帮到你。本文还有配套的精品资源点击获取