简介一套面向智慧牧场航拍场景的牛羊检测数据集包含1021张远距离小目标航拍图像与对应标注覆盖cattle、cow、sheep三个类别。原始图像与标注均经过整理适合用于小目标检测、无人机巡检、牲畜识别与计数等计算机视觉任务也可作为智慧农业方向算法验证的基准数据。数据使用LabelImg工具以矩形框规则标注标注框总数14047个其中sheep类别9518框、cattle类别4128框、cow类别401框类别间样本量差异明显能够有效考察模型在样本不平衡与远距离小目标场景下的检测鲁棒性。压缩包共2000个文件同时提供Pascal VOC格式的XML标注文件和YOLO格式的TXT标注文件无需额外进行格式转换即可直接接入YOLO系列等主流检测框架开展训练包体约97.58MB。目前已有379人学习浏览适合从事遥感视觉、智慧农业或目标检测算法研究的开发者直接用于模型训练、验证与算法对比。1. 智慧牧场航拍数据集小目标检测的“硬骨头”与“敲门砖”在无人机视角下找一只趴着休息的羊和在手机照片里找人完全是两个难度等级。航拍高度一上去每只羊在画面里可能就占据十几个像素连轮廓都模糊成一团白点。这正是智慧牧场项目里最常见的“远距离小目标”痛点。我手里这套“智慧牧场航拍牛羊检测远距离小目标数据集”包含1021张已经标注好的航拍图片统一整理成VOC和YOLO两种格式覆盖牛、羊等3个类别解压后即可直接喂给YOLO系列模型训练。对刚入门的算法工程师来说这是练手小目标检测最合适的起点对已经在做农业巡检落地的团队来说它也是验证模型鲁棒性的一把标尺。这个数据集解决的核心问题是通用目标检测模型在航拍场景下的“尺度失配”。常规模型在MS COCO上表现不错但遇到无人机俯拍的小物体召回率会明显掉链子。为了应对这种情况从YOLOv5到YOLOv11都有对应的优化技巧。接下来我就把这套数据集的用法、落地路径和关键参数设置从头到尾拆一遍顺便把最容易被忽略的坑指出来让你少走弯路。2. 远距离小目标检测为什么通用模型在航拍图上“翻车”2.1 航拍视角下的目标尺度与通用检测器的“失配”先看一组直观对比。在常见的地面监控视角下一辆汽车可能占据图像宽度的30%以上而在100米高度的无人机航拍画面里同一辆车可能只占图像宽度的3%甚至更少。对于这种极小目标YOLO系模型的核心问题在于特征图的下采样倍数太高。以YOLOv8为例输入尺寸为640x640时最大的特征图是80x80下采样8倍每个网格的感受野大约对应8x8像素区域。航拍目标若只有十几个像素经过下采样后在特征图上往往只剩1到2个像素点。此时目标内部的纹理信息几乎完全丢失模型只能依赖颜色、边缘等低层特征进行判断而这恰恰是通用数据集训练出来的模型最不擅长的事情。这也是为什么很多人在自己数据集上训练YOLO后发现小目标类别的AP平均精度惨不忍睹而大目标的AP相对正常。常见的错误解决思路是盲目加深网络层数或者堆更多注意力模块。但这样做往往适得其反——深层网络的特征图分辨率进一步降低小目标的响应信号会被直接“淹没”在池化和步进卷积里。真正有效的路径是调整检测头的尺度、增加小目标样本的输入裁剪或是使用多尺度训练策略。而这个数据集的价值就在于它提供了大量真实的、已经标注好的反馈样本能直接用来验证这些优化思路。2.2 数据集的“3个类别”到底怎么分布远距离又指的是多远按照标题信息这套数据集包含3个类别。结合智慧牧场的实际业务场景最典型的三类通常是羊、牛、人或车辆。从实用的角度猜测数据主要来源于固定翼或旋翼无人机在几十米到上百米高度拍摄的牧场影像光线条件涵盖白天强光、阴影遮挡、草场背景混杂等真实情况。标注为“远距离”意味着标注框的尺寸在整张图片中占比极小这个特点会直接影响后续的训练参数选择。在数据分布上少数大尺寸目标例如离镜头近的牛会拉高整体的平均框尺寸导致模型在训练时偏向检测“相对大”的目标。如果你直接用这份数据集和默认超参数训练可能会发现能检测出画面中央的大牛却漏掉远处草地上的羊群。因此跑实验前建议先用脚本统计一下标注框的尺寸分布宽、高、面积这一步非常重要。它决定了你是否需要开启TTA测试时增强或SAHI切片辅助推理等特殊处理。2.3 YOLO针对小目标的正经优化方向面对这种远距离小目标数据集主流的优化方向无非是三条腿走路第一绕开下采样损失。比如在YOLOv11中调整检测头的结构或在训练时启用“高分辨率输入”1280x1280甚至更高。但越大的输入对显卡显存要求越高且训练时间成倍增加。对于这个数据集一般我会建议从640x640起步跑通基线后再逐步上探到960或1280。第二数据增强的倾斜。YOLO自带的Mosaic增强本来就很强但对小目标来说随机缩放有概率把本就微小的目标变得更小。这时候就要合理控制增强参数比如在ultralytics的配置中通过调整scale和hsv_h等参数来避免目标尺寸被过度恶化。第三损失函数加权。YOLOv8/v11的损失函数包含类别损失、框回归损失和置信度损失。对小目标而言框回归的微小偏差比如中心点偏移几个像素会直接导致IoU大幅下降从而影响正样本判定。可以尝试调高box损失的权重或使用带有尺度敏感特性的变体损失函数。**关键参数**在ultralytics框架中YOLO训练时的box_loss权重直接影响回归效果默认值普遍为7.5。对小目标数据集我建议先保持默认观察验证集的回归损失曲线。如果发现val/box_loss下降缓慢且AP偏低可以考虑在损失函数上用CIoU替换原版回归方式手动改loss.py后需重新安装或者调低fl_gamma让模型更关注困难样本。3. 数据集中VOC与YOLO格式的底层细节3.1 VOC格式的目录结构与XML关键字段拿到.7z压缩包后先别急着跑训练。解压后你会看到类似VOC和YOLO的两个顶层文件夹VOC文件夹里应该严格遵循Pascal VOC的目录规范Annotations存放XML标注文件、JPEGImages存放原始航拍图像、ImageSets/Main存放划分好的train.txt、val.txt、test.txt。有些制作精良的数据集还会附带SegmentationClass但目标检测用不上。VOC标注文件的核心是XML结构。以我经手过的航拍数据集为例单个XML文件内包含如下关键块annotation folderJPEGImages/folder filenameDJI_0001.jpg/filename size width1920/width height1080/height depth3/depth /size object namesheep/name poseUnspecified/pose truncated0/truncated difficult0/difficult bndbox xmin159/xmin ymin203/ymin xmax186/xmax ymax221/ymax /bndbox /object /annotation这里面的filename一定要和JPEGImages里的文件名完全一致包括后缀。一个常见的低级失误是文件名里带有中文或空格在后续生成YOLO格式的.txt文件时会导致路径读取失败。另外difficult标记代表该目标难以辨认如果标注时将该参数置为1在训练时通常建议忽略该目标否则会干扰模型学习。同时xmin、ymin是标注框的左上角坐标xmax、ymax是右下角坐标。这套数据集是标准的VOC坐标不会像COCO那样用x,y,w,h表示。搞混这个会直接导致转换脚本里的计算错误必须严谨对待。3.2 YOLO格式的txt标注文件与类别编号约定在YOLO文件夹下你应该能看到和JPEGImages同名但后缀为.txt的标注文件。每一行代表一个目标格式固定为class_id x_center y_center width height其中class_id是从0开始的整数对应VOC标注里三个不同类别的映射关系。比如羊是0、牛是1、人是2。这里的类别编号顺序必须和训练时的data.yaml完全一致否则会出现训练时类别错位、验证时混淆矩阵乱成一锅粥的情况。x_center、y_center、width、height全部是针对原始图片宽高的归一化数值取值范围0~1。例如一张1920x1080的图中某个目标框中心点位于图像的(960,540)宽120像素高60像素那么对应记录值应为0.5 0.5 0.0625 0.0556。换算公式如下x_center (xmin xmax) / 2 / width y_center (ymin ymax) / 2 / height box_width (xmax - xmin) / width box_height (ymax - ymin) / height注意如果一张图片里没有目标YOLO格式要求提供空白的.txt文件。有些转换脚本会漏掉这点导致训练时框架报错“Cant find label file”或者加载到错误的临近文件名浪费排错时间。3.3 1021张图在VOC与YOLO之间切换时的关键步骤其实在YOLO训练框架中它并不强制要求标签一定得是(YOLO txt/原图)的形式你也可以直接喂VOC格式的XML。但更常见的做法还是将VOC统一转换为YOLO格式既方便使用ultralytics的API直接读取也方便做图像裁剪或筛选。这里有一份简易的、自用的转换脚本思路核心函数可以直接在数据集根目录执行import os import xml.etree.ElementTree as ET from pathlib import Path VOC_ANNOT_DIR VOC/Annotations YOLO_LABEL_DIR YOLO/labels CLASS_MAP {sheep: 0, cattle: 1, person: 2} IMAGE_EXT .jpg def convert_one_xml(xml_path, out_txt_path): tree ET.parse(xml_path) root tree.getroot() img_width int(root.find(size/width).text) img_height int(root.find(size/height).text) lines [] for obj in root.findall(object): name obj.find(name).text if name not in CLASS_MAP: continue cls_id CLASS_MAP[name] bnd_box obj.find(bndbox) xmin float(bnd_box.find(xmin).text) ymin float(bnd_box.find(ymin).text) xmax float(bnd_box.find(xmax).text) ymax float(bnd_box.find(ymax).text) x_center (xmin xmax) / 2.0 / img_width y_center (ymin ymax) / 2.0 / img_height w (xmax - xmin) / img_width h (ymax - ymin) / img_height lines.append(f{cls_id} {x_center:.6f} {y_center:.6f} {w:.6f} {h:.6f}) with open(out_txt_path, w) as f: f.write(\n.join(lines)) for xml_file in Path(VOC_ANNOT_DIR).glob(*.xml): txt_file Path(YOLO_LABEL_DIR) / (xml_file.stem .txt) convert_one_xml(xml_file, txt_file)这段脚本的逻辑很直白遍历VOC/Annotations下所有XML文件读取size节点获取原始图片尺寸然后遍历每个object读取类别名称和bndbox四个顶点坐标按公式换算成归一化的中心点与宽高最后写入与图片同名的txt文件。参数说明CLASS_MAP需要根据数据集的3个类别名称自行调整IMAGE_EXT用于确保图片后缀一致避免训练时找不到图。执行完毕后强烈建议随机抽10张图写一个可视化脚本将标注框画回原图肉眼确认坐标换算没有偏离。4. 用YOLO训练这套数据的完整过程4.1 准备数据集描述文件训练前最后一道坎在ultralytics框架中配置一个数据集描述文件是开工前的必要步骤。在项目目录下新建data.yaml内容如下# 智慧牧场航拍数据集配置文件 path: /path/to/your/unzipped/dataset # 数据集根目录的绝对路径或相对路径 train: images/train val: images/val test: images/test # 如果官方划分了test集则配置 # 类别信息 names: 0: sheep 1: cattle 2: person这里的train和val指向的路径如果是YOLO格式标签框架会自动寻找同名的txt标签因此需要确保标签文件夹被命名为labels且与images同级。如果你的数据集只有单一的JPEGImages和labels文件夹建议在运行时通过datasets.py的索引逻辑动态划分。更稳妥的做法是自行复制图像与标签手动切分到images/train、images/val和对应的labels/train、labels/val目录中避免框架自带划分时随机性带来的小目标样本分布不均衡。注意names字段从0开始的编号顺序必须精确对应标签txt里的类别ID这一条是整个训练流程中最常见的翻车原因。4.2 训练命令与YOLOv8/v11关键参数调试一切就绪后开始训练。以YOLOv8为例YOLOv11同理推荐使用以下命令yolo train \ modelyolov8s.pt \ datadata.yaml \ imgsz640 \ epochs150 \ batch16 \ projectruns/sheep_cattle \ nameexp_small_target \ patience30 \ save_period10 \ device0参数说明modelyolov8s.pt选择small版本比nano精度略好且显存占用适中适合快速建立baseline。imgsz640是航拍小目标数据集的及格线起步值——如果显存富余例如V100或A100可以改为imgsz960或1280对小幅提升小目标AP有明显作用但训练时间成倍上涨。batch16在24GB显存下较为保险如果使用32GB或40GB显存可以开batch32加速收敛。patience30是早停策略防止后期过拟合导致验证集AP回退。在训练过程中有几处需要重点盯防。第一观察train/box_loss的下降趋势。如果损失值在训练初期骤降后立刻反弹说明学习率过大或者正负样本分配失衡。此时可以把lr0初始学习率默认0.01调低到0.005或者将warmup_epochs从默认的3.0延长到5.0。第二监控val/f1曲线的峰值。航拍小目标对IoU阈值非常敏感在验证集指标上重点看mAP50-95因为它比mAP50更严格地惩罚坐标框偏移。如果mAP50很高但mAP50-95偏低说明框定位不准此时应当尝试微调label_smoothing和box损失项的权重。4.3 推理验证能否在验证集上圈出远处羊群训练结束后使用训练出来的最优权重通常是runs/sheep_cattle/exp_small_target/weights/best.pt对单张样本进行推理yolo predict \ modelruns/sheep_cattle/exp_small_target/weights/best.pt \ sourcepath/to/val/image.jpg \ imgsz640 \ conf0.25 \ iou0.45 \ saveTrueconf0.25表示置信度阈值对于小目标建议不要设太高否则很多本就置信度偏低的远处目标会被直接过滤掉iou0.45是NMS的IoU阈值目标密集比如羊群时若设得太高容易导致重叠框被合并掉。针对这批航拍数据我一般会把conf降到0.15到0.2做可视化。此外别忘了检查输出图片的尺寸确认检测框是否对齐了牧场的真实草场边界避免因原始图像分辨率过高导致在缩略图上视觉误判。跑通预测后再对比一下YOLO官方COCO预训练模型未微调在同一张航拍图上的表现大概率会发现预训练模型的漏检率极高。这就是该数据集的核心价值针对特定场景进行微调远比通用模型硬推理靠谱得多。5. 避坑自查清单5个让人血压飙升的细节5.1 解压时7z的编码与路径问题现象解压.7z文件后发现图片文件名乱码训练时Mosaic增强报错找不到文件或者解压过程异常中断压缩包显示损坏。原因大部分国内搬运的数据集压缩包在打包时使用了GBK编码的文件夹名。通过7z默认的UTF-8模式解开时路径层的字符映射错乱导致文件和标注的关联中断。解决使用7z x -mcp936强制指定GBK解压或者更简单地在Windows下用官方7-Zip程序解压并勾选“使用区域兼容名称”。在Linux下可以使用convmv工具对文件名进行转码例如convmv -f GBK -t UTF-8 -r --notest ./unzipped_folder。改完再跑脚本世界安静了。5.2 类别编号映射错位现象训练完成验证集上混淆矩阵中牛的位置出现了羊的形状。原因VOC转YOLO时CLASS_MAP映射表里的顺序和data.yaml里的names顺序不一致。例如转换脚本将牛放在索引0而data.yaml中0对应的是羊。解决在转换脚本中将CLASS_MAP显式打印到控制台和数据集的类别文件列表做字符对比。我习惯在训练脚本执行前加一段断言读取训练图片txt中的class_id最大值检查是否大于len(names)-1这样能提前拦截错误。5.3 小目标在增强过程中被“玩丢”现象训练正常但验证阶段发现模型对小目标的检测能力几乎没提升比随机猜测好不到哪去。原因YOLO训练配置中的hsv_h、hsv_s、hsv_v色调增强以及degrees、translate、scale等空间增强对小目标很不友好。几十像素的小物体经过随机缩放、平移可能在增强后的图上直接出界被裁剪掉。解决在超参数文件hyp.yaml或ultralytics默认参数中将scale从默认的0.5调低到0.3并将translate从0.1调低到0.05。同时调低mosaic的启用概率比如设为0.5或改用MixUp。核心原则是确保增强后的目标框面积保持稳定。5.4 标签文件缺失导致训练稀疏现象验证集上的recall召回率曲线显示出断崖式下跌且训练日志里频繁出现WARNING: corrupt image or no labels。原因部分图片因为缩放裁剪失误被转换脚本生成了空txt文件或者图片损坏JPEG解码失败又或者是某张图片没有标注目标但缺失了空的txt。解决写一个快速巡检脚本在读取YOLO标签时检查文件是否存在且能解析出有效的浮点数行。如果发现文件的图片不能被PIL正常打开直接从训练列表中剔除不要手软。5.5 混淆矩阵总和不是100%现象训练结束后看混淆矩阵图发现每行的百分比之和不等于100%总觉得哪缺了一块。原因混淆矩阵中显示的是归一化后的“召回率”为导向的比例背景类Background的FN假阴性可能未被完全显示或其他类别的FP占比未出现在对应子图中。解决在ultralytics的验证结果中查看results.csv里的metrics/precision(B)、metrics/recall(B)等具体数值用数值表格代替看图减少主观误判。如果矩阵中的主导类目明显偏低优先检查label_smoothing它会让模型对硬标签不那么激进从而影响混淆矩阵的行和。6. 进阶验证技巧用SAHI让模型看见更远的羊对于航拍远距离小目标**切片辅助推理SAHI**是目前业界最实用的一招。它的原理并不复杂在推理阶段不把整张大图直接喂给模型而是将大图切成若干有重叠区域的滑窗切片比如512x512分别推理再通过NMS将检测框拼回原图坐标。这样即使模型只在640x640的图上训练推理时面对高分辨率航拍图依然能放大局部细节显著提升小目标的召回率。在ultralytics环境中配SAHI很简单运行推理前先安装依赖并拉取模型pip install sahi ultralytics然后使用如下Python脚本from sahi.predict import get_sliced_prediction # sahi的核心方法 from sahi.models.yolov8 import Yolov8DetectionModel model_path runs/sheep_cattle/exp_small_target/weights/best.pt detection_model Yolov8DetectionModel( model_pathmodel_path, confidence_threshold0.2, image_size640, devicecuda:0, ) result get_sliced_prediction( image_pathpath/to/large_aerial.jpg, detection_modeldetection_model, slice_height512, slice_width512, overlap_height_ratio0.2, overlap_width_ratio0.2, postprocess_match_threshold0.4, verbose0, ) result.export_visuals(export_dirsahi_output/)这段代码做了三件事首先加载本地训练好的YOLOv8模型通过get_sliced_prediction函数创建切片推理任务然后对原图进行滑窗切片并设置20%的重叠率避免目标被切断在切片边缘最后在拼接检测结果时通过postprocess_match_threshold控制重叠框的合并阈值。参数说明confidence_threshold建议比直接推理时更低0.2因为切片后目标变大模型置信度整体会上升但依然存在漏检slice_height/width一般取模型输入尺寸或略小512防止极端拉伸变形。跑完SAHI对比不切片的整图检测结果你会直观看到远处的羊群被逐一捕捉。在实际落地中智慧牧场项目往往在云端跑SAHI并将结果叠加到地图拼图上完成牛群羊群的分群计数。这已经是相对成熟的工程手段了。最后说一下我个人的习惯拿到任何小目标数据集第一周只做清洗、可视化、统计框分布这三件事第二周跑baseline和调参第三周再上SAHI这类重型策略。贪快直接训练最后十有八九会被困在置信度和锚框匹配的“玄学”里拔不出来。希望这份路径参考能帮你在航拍小目标这条路上少踩几个坑顺利把模型落到项目里。本文还有配套的精品资源点击获取