简介面向航拍森林火灾监测场景的目标检测开发者这份数据集提供了6116张俯拍/航拍视角的真实火灾影像包含火焰fire与烟雾smoke两类标注可支撑YOLO系列及Pascal VOC格式模型的训练与评估。资源包整体约300.93MB共2000个文件其中1999个为对应的XML标注文件与JPG图片一一配套同时生成YOLO格式的txt文件另附1个使用说明txt。标注采用labelImg工具按矩形框完成fire类别框数15380个smoke类别框数12613个合计27993个有效框类别分布较为充分。已有717人浏览学习适合需要航拍视角火灾检测数据的科研人员或竞赛团队。需要说明的是数据集仅保证标注准确合理不对训练出的模型精度作任何承诺使用时应结合自身验证集评估。VOC与YOLO双格式可直接对接常见训练框架省去格式转换成本便于快速开展模型迭代与对比实验。1. 俯拍航拍森林火灾检测数据集从一个能直接训练的7z压缩包说起做森林火灾检测的人常被两件事卡住一是找不到带标注的航拍数据二是找到了又得花几周在VOC、YOLO格式之间来回折腾。俯拍航拍森林火灾检测数据集VOCYOLO格式、6116张、2类别相当于把这两件事一起解决了解压7z后图片、VOC的XML、YOLO的txt三套文件都齐了类别就是火和烟两个最常见目标。这个数据集适合两类人一类是做无人机林火预警系统的工程师拿现成数据先跑通检测链路验证误报率能不能压到可接受范围另一类是研究航拍小目标检测的同学用同一批数据对比不同模型的差异。它的真实价值不在于那6116张图而在于双格式标注省下的时间以及标注边界在哪——看懂标注边界比直接开训更重要。2. 拆开7z先看家底6116张图的目录结构与VOC/YOLO双格式标注怎么对应2.1 VOC标注长什么样JPEGImages、Annotations与XML的四个关键字段拿到7z先别急着解压先确认发布者有没有给目录说明。常见做法是解压后看到JPEGImages、Annotations、ImageSets/Main这三个VOC标准目录旁边额外放一个labels或YOLOLabels目录存放txt标注。我一般先用7z l看压缩包目录列表确认结构再解压7z l 俯拍航拍森林火灾检测数据集VOCYOLO格式6116张2类别.7z这条命令只列出压缩包内容不会解压全部文件。看输出里的目录层级如果Annotations和labels在同一个父目录下说明两套标注已经按文件名对齐后面校验会省很多事。如果只看到一套标注那说明VOC和YOLO是同一个目录下双份文件需要自己写脚本二次对齐。VOC的XML里关键是size/width、size/height和每个object下的name、bndbox。俯拍航拍的照片分辨率不统一有的来自无人机可见光相机有的来自卫星或模拟飞行器XML里的size必须和图片真实分辨率一致否则转YOLO时坐标全部偏掉。一个合格的火点框name只会是fire或smoke多出来的类别就要警惕。2.2 YOLO标注是另一套坐标逻辑归一化中心点与宽高换算YOLO格式的txt每行有5个数字类别ID、中心点x、中心点y、宽、高前四个坐标全部归一化到0到1之间。从VOC转换时公式固定且不能记错x_center (xmin xmax) / 2 / width y_center (ymin ymax) / 2 / height w (xmax - xmin) / width h (ymax - ymin) / height我习惯把这段换算写成独立函数配合XML的size/width和size/height使用不要想当然地假设所有图都是640×640。这个数据集里的航拍图往往来自不同海拔和不同相机长宽比差异很大直接套固定尺寸会把坐标算到画布外训练时出现大量空标签框模型学到一堆背景这是血泪经验。2.3 用一个脚本同时校验双格式标注文件、图片数量与类别一致性检查数据集是否能用第一步永远是跑一致性校验。我一般写一个脚本同时读VOC XML和同名YOLO txt对比目标数量和归一化坐标是否吻合顺带统计类别分布和图片总数。以下代码可以直接拿去用import xml.etree.ElementTree as ET from pathlib import Path def parse_voc(xml_path): tree ET.parse(xml_path) root tree.getroot() w int(root.find(size/width).text) h int(root.find(size/height).text) boxes [] for obj in root.iter(object): name obj.find(name).text b obj.find(bndbox) boxes.append((name, float(b.find(xmin).text), float(b.find(ymin).text), float(b.find(xmax).text), float(b.find(ymax).text))) return w, h, boxes def parse_yolo(txt_path): boxes [] for line in txt_path.read_text(encodingutf-8).splitlines(): parts line.strip().split() if len(parts) ! 5: continue boxes.append((int(parts[0]), float(parts[1]), float(parts[2]), float(parts[3]), float(parts[4]))) return boxes xml_dir Path(Annotations) txt_dir Path(labels) mismatch [] for xml_file in sorted(xml_dir.glob(*.xml)): w, h, voc_boxes parse_voc(xml_file) txt_file txt_dir / (xml_file.stem .txt) if not txt_file.exists(): mismatch.append((xml_file.name, missing yolo txt)) continue yolo_boxes parse_yolo(txt_file) if len(voc_boxes) ! len(yolo_boxes): mismatch.append((xml_file.name, fcount {len(voc_boxes)} vs {len(yolo_boxes)})) continue for (name, xmin, ymin, xmax, ymax), (cid, cx, cy, bw, bh) in zip(voc_boxes, yolo_boxes): x_center (xmin xmax) / 2 / w y_center (ymin ymax) / 2 / h bw2, bh2 (xmax - xmin) / w, (ymax - ymin) / h if abs(cx - x_center) 0.01 or abs(cy - y_center) 0.01: mismatch.append((xml_file.name, fcenter diff at {name})) print(mismatch count:, len(mismatch)) for item in mismatch[:20]: print(item)这个脚本的容差是0.01也就是1%的图片宽度对于绝大多数场景足够宽松。如果你发现大量中心点漂移先检查是不是有的XML用了左上角坐标加宽高的记录方式那是另一个标注工具的产物不是纯VOC。运行完脚本一眼就能看出两套标注能不能互信省掉后面训练时排查NaN的最痛苦环节。3. 数据清洗与7z解压避坑拿到手先别急着开训3.1 7z解压的翻车现场密码报错、乱码与坏包怎么处理7z文件最常翻车的是在Linux下解压。先安装p7zip-full再执行解压sudo apt install p7zip-full 7z x 俯拍航拍森林火灾检测数据集VOCYOLO格式6116张2类别.7z如果压包设置了密码而发布者没给会直接提示Cannot open encrypted archive。这时别怀疑密码输入错误先确认有没有附带密码说明。另一个常见现象是密码明明正确解压却一直报错多半是压缩工具版本太老对新型加密头支持不完整。优先把本机的7-ZipWindows或p7zipLinux升到较新版本再试。文件名乱码也属于同一类问题解压后中文名变成乱码时用ls看实际字节再批量重命名不要手动一个个改。解压完成后强烈建议跑一次完整性校验7z t 俯拍航拍森林火灾检测数据集VOCYOLO格式6116张2类别.7zt是test会检查CRC。校验不通过就是压缩包本身不完整别往下做数据清洗先重新下载或向发布者确认。这一步是后悔药能省掉后面数据中间损坏导致的训练中断。3.2 样本抽检模糊小目标、遮挡与光照异常怎么处理标注文件齐全不等于质量能直接用来训练。俯拍航拍的森林火灾场景里火往往被树冠遮挡烟在远距离下只有几十个像素这类样本如果占比太高模型会学成“见红色就报警”或是“见云雾就报警”。我的习惯是按比例抽200到300张图把标注框画在原图上逐一看。抽检时重点看三类问题第一类是目标框偏移严重比如烟羽只有一半在框内这会导致模型学到的目标边界模糊第二类是极小目标框的宽或高小于图片尺寸的3%这类框对下采样后的特征图几乎不产生贡献第三类是光照和阴影造成的伪目标黄昏时树干反光常常被标成火焰。对于明显标错的样本建议直接用标注工具修正而不是删除因为6116张是固定规模删一张少一张雨雾天气和夜间场景本来就不够用。3.3 标注一致性排查类别漏标、框越界、空标签文件三个硬伤一致性校验脚本通过后还要查三个硬伤。第一是类别名混杂比如把fire写成flame把smoke写成fire_smoke这会让类别数超过2个训练时类别映射错位。第二是框越界VOC里的xmax或ymax大于图片宽高的现象在航拍图中很常见原图拼接或裁切时容易产生YOLO里则表现为坐标大于1或小于0。第三是空标签文件部分图片可能没有任何目标但txt文件存在且为空训练时YOLO默认会跳过这类图片可如果空标签文件被随机分到了训练集验证集会少掉一部分本来该测的样本。我自己处理越界框时不直接删图片而是做坐标裁剪xmin max(0, min(xmin, w - 1)) ymin max(0, min(ymin, h - 1)) xmax max(0, min(xmax, w - 1)) ymax max(0, min(ymax, h - 1))裁剪后如果xmax - xmin 2或ymax - ymin 2就丢弃这个框并计入异常清单。这种几像素宽的框保留只会污染回归损失没有学习价值。3.4 类别不平衡与主观标注烟和火的标准要提前定死火灾检测的2类别看起来简单实际标注标准非常主观。烟和火在视觉上是相连的烟柱根部往往有火焰有些标注者把火焰上方的整条烟羽都算作fire框有些则严格区分。如果两套标注混在一起模型会自我矛盾。我拿到数据集后会先统计两个类别的实例数如果smoke和fire的框数量差异超过3倍就要考虑对少数类做针对性增强不能只靠全局训练。更实际的办法是重新审视标注定义框住火焰可见区域烟羽单独框哪怕两个框有重叠。俯拍视角下烟通常比火先出现、覆盖面积更大这也决定了实际预警系统里smoke类的召回率优先级更高。如果你发现大量smoke框包含了火焰区域建议在训练前统一修正这个动作对最终检测精度的影响比调任何训练参数都大。4. 用YOLO训练森林火灾检测数据划分、模型选型与关键参数4.1 训练前把目录重组为YOLO标准布局并划分训练集VOC目录结构不能直接拿去跑YOLO需要先切分训练集和验证集。YOLO的train和val目录下分别有images和labels图片与txt文件名必须完全同名。用下面的Python脚本完成划分from pathlib import Path import random import shutil dataset_root Path(forest_data) train_img dataset_root / train / images train_lbl dataset_root / train / labels val_img dataset_root / val / images val_lbl dataset_root / val / labels for d in [train_img, train_lbl, val_img, val_lbl]: d.mkdir(parentsTrue, exist_okTrue) image_dir dataset_root / JPEGImages label_dir dataset_root / labels images sorted(image_dir.glob(*.jpg)) random.seed(2024) random.shuffle(images) val_count int(len(images) * 0.2) for i, img in enumerate(images): if i val_count: img_dst, lbl_dst val_img, val_lbl else: img_dst, lbl_dst train_img, train_lbl shutil.copy(img, img_dst / img.name) txt label_dir / (img.stem .txt) if txt.exists(): shutil.copy(txt, lbl_dst / txt.name)我保留随机种子是2024这样做出来的划分可复现别人用同一份数据能对比结果。划分比例设为0.2对6116张图来说验证集约1223张足够稳定评估。注意这里做的是整图划分不做按帧的时序划分因为火灾场景本身没有强连续性约束。4.2 data.yaml与预训练权重COCO模型在火灾数据上要不要迁移划分之后创建forest.yaml内容如下path: /absolute/path/to/forest_data train: train/images val: val/images nc: 2 names: 0: fire 1: smokepath我建议写绝对路径不要用相对路径因为训练和验证阶段的工作目录可能不同。names的索引必须和txt文件中第一列的数字严格对应如果原数据集是用0代表fire、1代表smoke就不要调换。模型选型上我一般从yolov8s.pt或称yolov8s.yaml开始。预训练权重在COCO上跑过虽然COCO没有火灾类别但底层特征提取器对颜色、纹理、边缘的响应已经很强了从预训练权重开始比从头训练收敛快得多。不要直接跳过预训练航拍视角的特殊性主要体现在目标尺度和背景纹理上预训练特征依然有效这是非常常见的经验。4.3 训练参数设错等于白跑imgsz、batch、patience与BN崩溃训练命令参考如下yolo detect train \ dataforest.yaml \ modelyolov8s.pt \ epochs100 \ imgsz640 \ batch16 \ workers4 \ patience20 \ projectruns \ nameforest_fire_smoke参数这东西很有玄学但有几个必须说清楚。imgsz640是显存和模型精度的平衡点航拍图原始分辨率可能超过2000×2000但火点和烟羽的绝对像素尺度并不大直接上1280会让batch体积急剧下降训练时间拉长收益却很有限。batch16对航拍数据是个底线小于8时BN统计量剧烈波动很容易出现训练中BN崩溃的典型现象loss突然变成NaN且后续每个epoch都回不来。BN崩溃的解决办法一是检查输入图片是否有异常通道值灰度图混入RGB训练集是老牌坑二是把初始学习率从默认值调低比如lr00.001三是加大batch让BN统计量更稳定。patience20表示验证集mAP连续20轮不提升就早停对6116张的中等规模数据集100个epoch足够见分晓不要一开始就设300个epoch。YOLOv8的损失函数由分类损失、CIoU回归损失和DFL组成默认权重一般是合理的不需要手动重调。5. 验证火焰检测不是只看mAP混淆矩阵、误检分析与改进方向5.1 混淆矩阵要盯fire与smoke的交叉误检训练完跑一次验证把confusion matrix存出来yolo val \ modelruns/forest_fire_smoke/weights/best.pt \ dataforest.yaml \ imgsz640 \ conf0.001mAP数字高不代表能值班真正要看的是fire被误判为smoke、smoke被误判为fire的比例。如果这两类互相串实际场景里火警定位就会偏。这时我会单独统计误检样本的置信度分布找出高分误检的共同特征。5.2 误检定位技巧降阈值导出全部预测再逐张回查把阈值降到0.001把模型认为有目标的图都导出再按错误类型分类。常见的坑有两类一类是太阳逆光下的树叶反光被识别为火这类样本往往颜色饱和度高、边缘锐利另一类是林区晨雾被识别为烟特征是形状分散且边界模糊。定位到具体图像后我会把这类误检作为额外负样本加入训练集或者专门采集夜间和黄昏场景做二次标注。5.3 适合俯拍火灾场景的两种改进路线第一种是切块训练把高分辨率航拍图按固定步长切成640×640的小块再对小块做检测能显著提升远处小目标的召回率第二种是针对火场区域任意朝向的问题考虑mmrotate这类旋转框检测框架把VOC转成DOTA格式后训练旋转框模型减少水平框包含背景的比例。这两个方向都比单纯堆epoch更值。我现在拿到任何检测数据集第一件事永远是先跑一遍章节2.3的校验脚本再抽200张图人工看一轮最后才碰训练命令。数据本身不骗人骗人的是标签里藏着的主观定义——先把标准统一模型自然会给你讲实话。希望帮到你。本文还有配套的精品资源点击获取