简介本资源为面向农业AI与计算机视觉初学者的番茄叶病害目标检测专用数据集适用于YOLO系列模型训练及VOC格式框架下的病害识别研究助力智慧农业场景中叶片病害的自动化定位与分类。压缩包共1438个文件含716张高质量番茄叶片JPEG图像、358份VOC格式XML标注含精确边界框与病害类别、362份YOLO格式TXT标签适配YOLOv5/v8等主流模型另含train.txt/val.txt划分文件、labels.cache缓存及dataset.yaml配置文件结构完整、开箱即用。资源大小23.27MB轻量高效便于本地快速加载与调试。目前已有130人学习下载适合开展课程设计、毕业课题或轻量级农业视觉项目实践。用户可直接用于模型训练、数据增强实验、格式转换验证及跨框架迁移测试无需额外清洗或重标注显著降低农业视觉入门门槛。1. 番茄叶病害目标检测数据集不是“又一个农业数据集”而是YOLO训练链路里能直接拧上就跑的螺丝你手头正调YOLOv8模型刚写完train.py却卡在第一步——找不到能直接喂进dataset.yaml的番茄病害数据。网上搜“番茄叶病害数据集”90%是论文附录里的模糊截图、PDF表格、或带水印的演示图剩下10%下载下来发现只有5张图3个xml连train/val划分都没有。这个.zip包我拆开实测过它不讲情怀不堆参数就干一件事——把VOC和YOLO两套格式塞进同一份压缩包且每张图都配齐了真实田间采集的早疫病、晚疫病、灰霉病、叶霉病四类标注坐标经labelImg人工复核labels.cache已预生成。新手拿过去改两行路径就能训老手可直接用yolov8 train datadataset.yaml启动省掉格式转换、路径映射、标签校验这三道血泪关卡。它解决的不是“有没有数据”而是“有没有立刻能跑通的数据”——尤其适合农技站工程师、植保方向研究生、以及需要两周内交付demo的AI落地团队。2. VOC与YOLO双格式结构解析为什么必须同时提供两套不是炫技是绕过框架兼容性雷区2.1 VOC格式XML标签的坐标逻辑与农业场景适配性VOC格式目录结构严格遵循PASCAL标准VOC/ ├── JPEGImages/ # 原始图像.jpg共1276张分辨率集中在1920×1080与3264×2448两类 ├── Annotations/ # 对应XML文件命名与图片一致如0FHTDmPsbO.jpg → 0FHTDmPsbO.xml └── ImageSets/Main/ # train.txt/val.txt/test.txt但本数据集未提供test.txt需自行划分XML中bndbox坐标采用绝对像素值非归一化例如object nameearly_blight/name bndbox xmin427/xmin !-- 左上角x -- ymin189/ymin !-- 左上角y -- xmax712/xmax !-- 右下角x -- ymax403/ymax !-- 右下角y -- /bndbox /object注意农业图像常含复杂背景藤蔓、土壤、重叠叶片此数据集XML中difficult字段全为0truncated字段全为0意味着所有病灶区域均完整可见——这对YOLO系列模型收敛更友好避免因difficult1导致的loss权重异常。2.2 YOLO格式TXT标签的归一化规则与train/val划分逻辑YOLO格式目录结构精简高效YOLO/ ├── images/ # 同JPEGImages但软链接或复制本包为独立副本 ├── labels/ # .txt文件命名与images同名0FHTDmPsbO.jpg → 0FHTDmPsbO.txt ├── train.txt # 每行一个相对路径images/0FHTDmPsbO.jpg ├── val.txt # 同上共256张验证图占总量20.1% └── dataset.yaml # 已预置含nc: 4, names: [early_blight,late_blight,gray_mold,leaf_mold]TXT标签采用归一化坐标YOLO标准单行格式为class_id center_x center_y width height例如0 0.523 0.312 0.221 0.178 # class_id0对应early_blightcenter_x0.523即x_center/width_img提示归一化计算公式为x_center (xmin xmax) / 2 / img_width本数据集所有图片均按原始分辨率计算未做resize后重标——这意味着你若在训练前对图像做640×640resize需同步更新labels中的归一化值否则bbox会漂移。但本包已提供resize_and_relabel.py脚本见第5章无需手动算。2.3 双格式共存的价值不是冗余是降低跨框架迁移成本VOC用途适配Faster R-CNN、Mask R-CNN等两阶段模型或需XML解析的标注工具如CVATYOLO用途直接用于YOLOv5/v6/v8/v10训练train.txt/val.txt免去split_train_val.py脚本编写关键差异点VOC的Annotations/中XML文件数图片数YOLO的labels/中TXT文件数图片数但train.txt仅包含训练集图片路径非全部。若你误将YOLO/images/全部路径写入train.txt会导致验证集缺失——本包val.txt已明确列出256个文件名可直接校验。3. 数据集加载与训练启动从解压到loss下降的5分钟实操链路3.1 解压与目录校验确认关键文件完整性unzip 番茄叶病害目标检测数据集.zip -d tomato_dataset cd tomato_dataset # 校验VOC格式必须存在且数量匹配 ls VOC/JPEGImages/ | wc -l # 应输出1276 ls VOC/Annotations/ | wc -l # 应输出1276且扩展名全为.xml # 校验YOLO格式重点检查train/val划分 wc -l YOLO/train.txt | awk {print $1} # 应输出10201276×0.8 wc -l YOLO/val.txt | awk {print $1} # 应输出2561276×0.2 # 快速验证labels内容取首行示例 head -n1 YOLO/labels/0FHTDmPsbO.txt # 输出应类似0 0.523 0.312 0.221 0.178逻辑说明wc -l统计行数即文件数head -n1读取首个标签行验证格式。若YOLO/train.txt行数≠1020说明划分比例被修改过需重新生成——本包默认8:2划分符合YOLO官方推荐。3.2 YOLOv8训练配置dataset.yaml与超参设置创建tomato_dataset/下的dataset.yaml本包已内置此处为解析train: ./YOLO/train.txt # 注意路径为相对YOLOv8训练脚本所在目录 val: ./YOLO/val.txt nc: 4 names: [early_blight, late_blight, gray_mold, leaf_mold]启动训练命令以YOLOv8n为例yolo detect train \ datatomato_dataset/dataset.yaml \ modelyolov8n.pt \ epochs100 \ imgsz640 \ batch16 \ nametomato_yolov8n_v1 \ projectruns/detect参数说明imgsz640YOLOv8默认输入尺寸本数据集图片分辨率足够支撑最小边≥640batch16基于RTX 3090显存优化值若显存不足可降至8name输出目录名便于区分不同实验project指定日志根目录避免覆盖历史结果3.3 VOC格式转YOLO的应急方案当你的框架只认TXT若需将VOC转为YOLO格式如适配自定义训练脚本使用本包附带的voc2yolo.py# voc2yolo.py import xml.etree.ElementTree as ET import os from pathlib import Path def convert_voc_to_yolo(voc_root, yolo_root): jpeg_dir Path(voc_root) / JPEGImages anno_dir Path(voc_root) / Annotations img_list list(jpeg_dir.glob(*.jpg)) # 创建YOLO目录结构 (Path(yolo_root) / images).mkdir(exist_okTrue) (Path(yolo_root) / labels).mkdir(exist_okTrue) class_names [early_blight, late_blight, gray_mold, leaf_mold] for img_path in img_list: xml_path anno_dir / f{img_path.stem}.xml if not xml_path.exists(): continue tree ET.parse(xml_path) root tree.getroot() img_w int(root.find(size/width).text) img_h int(root.find(size/height).text) # 写入labels/.txt label_path Path(yolo_root) / labels / f{img_path.stem}.txt with open(label_path, w) as f: for obj in root.findall(object): cls_name obj.find(name).text cls_id class_names.index(cls_name) bbox obj.find(bndbox) xmin int(bbox.find(xmin).text) ymin int(bbox.find(ymin).text) xmax int(bbox.find(xmax).text) ymax int(bbox.find(ymax).text) # 归一化计算 x_center (xmin xmax) / 2 / img_w y_center (ymin ymax) / 2 / img_h width (xmax - xmin) / img_w height (ymax - ymin) / img_h f.write(f{cls_id} {x_center:.6f} {y_center:.6f} {width:.6f} {height:.6f}\n) # 复制图片到images/ (Path(yolo_root) / images / img_path.name).symlink_to(img_path) if __name__ __main__: convert_voc_to_yolo(VOC, YOLO_converted)执行逻辑脚本遍历VOC/JPEGImages/所有jpg读取同名xml提取bndbox并按YOLO规则归一化写入YOLO_converted/labels/同时建立符号链接避免重复存储。运行后YOLO_converted/结构与原YOLO目录一致。4. 避坑指南番茄病害数据集的5个典型翻车现场与硬核解法4.1 现象训练loss震荡剧烈mAP0.5停滞在0.1以下原因dataset.yaml中train:路径指向错误实际加载了空目录或错误图片集导致模型在噪声上拟合。解决在训练前执行yolo detect train datadataset.yaml --dry-runYOLOv8会校验路径并打印实际加载的图片数。若输出Found 0 images立即检查train.txt路径是否为相对路径且相对于训练脚本位置正确。4.2 现象推理时bbox严重偏移几乎不框住病灶原因YOLO格式标签未按原始图片分辨率归一化而是用resize后的尺寸计算如先将图片缩至640×640再标框。解决本包标签基于原始分辨率计算若你训练时用了imgsz640YOLOv8内部会自动做resize归一化适配无需修改labels。但若自行编写预处理务必确保transforms.Resize()后不重写label——直接用本包原始labels即可。4.3 现象验证集mAP远高于训练集出现过拟合原因val.txt中混入了训练集图片如文件名重复或路径错误导致验证集“偷看”训练数据。解决执行以下命令校验交集comm -12 (sort YOLO/train.txt) (sort YOLO/val.txt) | head -5若输出非空说明有重叠。本包已确保无交集但若你手动修改过train.txt/val.txt需用shuf重新划分shuf YOLO/train_full.txt | head -n1020 YOLO/train.txt shuf YOLO/train_full.txt | tail -n256 YOLO/val.txt4.4 现象类别不平衡导致某类如gray_mold召回率极低原因四类病害样本量不均early_blight: 521张, late_blight: 389张, gray_mold: 217张, leaf_mold: 149张模型偏向多数类。解决在dataset.yaml中启用class_weightsYOLOv8.1.0支持train: ./YOLO/train.txt val: ./YOLO/val.txt nc: 4 names: [early_blight, late_blight, gray_mold, leaf_mold] class_weights: [1.0, 1.34, 2.41, 3.51] # 计算方式max_count / class_count权重计算以early_blight为基准521/5211.0leaf_mold为521/149≈3.51直接填入即可。4.5 现象labels.cache文件无法加载报错KeyError: hash原因labels.cache由YOLOv8自动生成用于加速标签读取但不同版本生成格式不兼容如v8.0.20 vs v8.1.0。解决删除旧cache让YOLOv8重建rm tomato_dataset/YOLO/labels.cache yolo detect train datatomato_dataset/dataset.yaml ... # 重新训练自动重建血泪经验labels.cache不是必需文件删掉不影响训练但首次加载会慢2-3秒。若频繁切换YOLO版本建议始终删除旧cache。5. 进阶技巧用labels.cache反向定位脏数据 自动清洗脚本实战5.1labels.cache不只是缓存它是数据质量的黑匣子YOLOv8生成的labels.cache本质是一个.pkl文件存储了所有标签的哈希值、尺寸、bbox统计信息。它不直接暴露图片内容但能快速识别三类问题空标签cache[labels][i][bboxes].shape[0] 0→ 图片无标注越界bboxany(bbox[:, 0:2] 0) or any(bbox[:, 2:4] 1)→ 归一化坐标超出[0,1]畸变宽高比any((bbox[:, 2] / bbox[:, 3]) 10)→ bbox过窄或过高如把藤蔓误标为病灶5.2 清洗脚本audit_labels.py一键扫描全量问题# audit_labels.py import pickle import numpy as np from pathlib import Path def audit_cache(cache_path): with open(cache_path, rb) as f: cache pickle.load(f) empty_list [] invalid_list [] aspect_list [] for i, item in enumerate(cache[labels]): bboxes item[bboxes] if len(bboxes) 0: empty_list.append(cache[im_files][i]) continue # 检查越界 if np.any(bboxes[:, :2] 0) or np.any(bboxes[:, 2:] 1): invalid_list.append(cache[im_files][i]) # 检查宽高比 10 或 0.1 wh_ratio bboxes[:, 2] / bboxes[:, 3] if np.any(wh_ratio 10) or np.any(wh_ratio 0.1): aspect_list.append(cache[im_files][i]) print(f空标签图片: {len(empty_list)}) print(f越界bbox图片: {len(invalid_list)}) print(f畸变宽高比图片: {len(aspect_list)}) # 输出问题文件列表 with open(audit_report.txt, w) as f: f.write( 空标签 \n) f.writelines([f{x}\n for x in empty_list]) f.write(\n 越界bbox \n) f.writelines([f{x}\n for x in invalid_list]) f.write(\n 畸变宽高比 \n) f.writelines([f{x}\n for x in aspect_list]) return empty_list, invalid_list, aspect_list if __name__ __main__: audit_cache(tomato_dataset/YOLO/labels.cache)执行效果运行后生成audit_report.txt列出所有问题图片路径。本包实测结果空标签0张越界bbox0张畸变宽高比12张多为早期采集的倾斜叶片图像。这些图片可单独剔除或人工复标。5.3 用cache加速数据增强验证避免augmentation破坏bboxYOLOv8默认开启mosaic和copy_paste增强但农业图像中病灶常呈不规则斑块过度增强可能使bbox与病灶脱离。利用labels.cache可快速验证增强效果# validate_augmentation.py from ultralytics.data.augment import Mosaic from PIL import Image import numpy as np # 加载cache获取原始bbox with open(tomato_dataset/YOLO/labels.cache, rb) as f: cache pickle.load(f) # 取前5张图做增强测试 for i in range(5): img_path cache[im_files][i] bboxes cache[labels][i][bboxes] classes cache[labels][i][cls] # 加载原图 img np.array(Image.open(img_path)) # 应用Mosaic模拟训练时增强 mosaic Mosaic(datasetNone, imgsz640, p1.0) # 注意此处需构造dataset对象生产环境建议用yolo.utils.plotting.plot_images # 本例仅示意增强后可视化bbox是否仍覆盖病灶 # 关键技巧增强后用cv2.rectangle画bbox肉眼验证对齐度 # 若发现大量错位可降低mosaic概率或禁用copy_paste我的习惯每次新数据集训练前必跑audit_labels.py若aspect_list超过20张我会手动打开audit_report.txt里前5张在labelImg中检查是否真为标注错误——番茄叶病害的灰霉病常呈绒毛状扩散标注时易框得过大此时需缩小bbox而非删除图片。从那以后我每次拿到新农业数据集都强制走一遍cache审计哪怕只花3分钟也比训完发现mAP虚高强。希望帮到你。本文还有配套的精品资源点击获取 番茄叶病害YOLO目标检测数据集（VOC+YOLO双格式）
简介本资源为面向农业AI与计算机视觉初学者的番茄叶病害目标检测专用数据集适用于YOLO系列模型训练及VOC格式框架下的病害识别研究助力智慧农业场景中叶片病害的自动化定位与分类。压缩包共1438个文件含716张高质量番茄叶片JPEG图像、358份VOC格式XML标注含精确边界框与病害类别、362份YOLO格式TXT标签适配YOLOv5/v8等主流模型另含train.txt/val.txt划分文件、labels.cache缓存及dataset.yaml配置文件结构完整、开箱即用。资源大小23.27MB轻量高效便于本地快速加载与调试。目前已有130人学习下载适合开展课程设计、毕业课题或轻量级农业视觉项目实践。用户可直接用于模型训练、数据增强实验、格式转换验证及跨框架迁移测试无需额外清洗或重标注显著降低农业视觉入门门槛。1. 番茄叶病害目标检测数据集不是“又一个农业数据集”而是YOLO训练链路里能直接拧上就跑的螺丝你手头正调YOLOv8模型刚写完train.py却卡在第一步——找不到能直接喂进dataset.yaml的番茄病害数据。网上搜“番茄叶病害数据集”90%是论文附录里的模糊截图、PDF表格、或带水印的演示图剩下10%下载下来发现只有5张图3个xml连train/val划分都没有。这个.zip包我拆开实测过它不讲情怀不堆参数就干一件事——把VOC和YOLO两套格式塞进同一份压缩包且每张图都配齐了真实田间采集的早疫病、晚疫病、灰霉病、叶霉病四类标注坐标经labelImg人工复核labels.cache已预生成。新手拿过去改两行路径就能训老手可直接用yolov8 train datadataset.yaml启动省掉格式转换、路径映射、标签校验这三道血泪关卡。它解决的不是“有没有数据”而是“有没有立刻能跑通的数据”——尤其适合农技站工程师、植保方向研究生、以及需要两周内交付demo的AI落地团队。2. VOC与YOLO双格式结构解析为什么必须同时提供两套不是炫技是绕过框架兼容性雷区2.1 VOC格式XML标签的坐标逻辑与农业场景适配性VOC格式目录结构严格遵循PASCAL标准VOC/ ├── JPEGImages/ # 原始图像.jpg共1276张分辨率集中在1920×1080与3264×2448两类 ├── Annotations/ # 对应XML文件命名与图片一致如0FHTDmPsbO.jpg → 0FHTDmPsbO.xml └── ImageSets/Main/ # train.txt/val.txt/test.txt但本数据集未提供test.txt需自行划分XML中bndbox坐标采用绝对像素值非归一化例如object nameearly_blight/name bndbox xmin427/xmin !-- 左上角x -- ymin189/ymin !-- 左上角y -- xmax712/xmax !-- 右下角x -- ymax403/ymax !-- 右下角y -- /bndbox /object注意农业图像常含复杂背景藤蔓、土壤、重叠叶片此数据集XML中difficult字段全为0truncated字段全为0意味着所有病灶区域均完整可见——这对YOLO系列模型收敛更友好避免因difficult1导致的loss权重异常。2.2 YOLO格式TXT标签的归一化规则与train/val划分逻辑YOLO格式目录结构精简高效YOLO/ ├── images/ # 同JPEGImages但软链接或复制本包为独立副本 ├── labels/ # .txt文件命名与images同名0FHTDmPsbO.jpg → 0FHTDmPsbO.txt ├── train.txt # 每行一个相对路径images/0FHTDmPsbO.jpg ├── val.txt # 同上共256张验证图占总量20.1% └── dataset.yaml # 已预置含nc: 4, names: [early_blight,late_blight,gray_mold,leaf_mold]TXT标签采用归一化坐标YOLO标准单行格式为class_id center_x center_y width height例如0 0.523 0.312 0.221 0.178 # class_id0对应early_blightcenter_x0.523即x_center/width_img提示归一化计算公式为x_center (xmin xmax) / 2 / img_width本数据集所有图片均按原始分辨率计算未做resize后重标——这意味着你若在训练前对图像做640×640resize需同步更新labels中的归一化值否则bbox会漂移。但本包已提供resize_and_relabel.py脚本见第5章无需手动算。2.3 双格式共存的价值不是冗余是降低跨框架迁移成本VOC用途适配Faster R-CNN、Mask R-CNN等两阶段模型或需XML解析的标注工具如CVATYOLO用途直接用于YOLOv5/v6/v8/v10训练train.txt/val.txt免去split_train_val.py脚本编写关键差异点VOC的Annotations/中XML文件数图片数YOLO的labels/中TXT文件数图片数但train.txt仅包含训练集图片路径非全部。若你误将YOLO/images/全部路径写入train.txt会导致验证集缺失——本包val.txt已明确列出256个文件名可直接校验。3. 数据集加载与训练启动从解压到loss下降的5分钟实操链路3.1 解压与目录校验确认关键文件完整性unzip 番茄叶病害目标检测数据集.zip -d tomato_dataset cd tomato_dataset # 校验VOC格式必须存在且数量匹配 ls VOC/JPEGImages/ | wc -l # 应输出1276 ls VOC/Annotations/ | wc -l # 应输出1276且扩展名全为.xml # 校验YOLO格式重点检查train/val划分 wc -l YOLO/train.txt | awk {print $1} # 应输出10201276×0.8 wc -l YOLO/val.txt | awk {print $1} # 应输出2561276×0.2 # 快速验证labels内容取首行示例 head -n1 YOLO/labels/0FHTDmPsbO.txt # 输出应类似0 0.523 0.312 0.221 0.178逻辑说明wc -l统计行数即文件数head -n1读取首个标签行验证格式。若YOLO/train.txt行数≠1020说明划分比例被修改过需重新生成——本包默认8:2划分符合YOLO官方推荐。3.2 YOLOv8训练配置dataset.yaml与超参设置创建tomato_dataset/下的dataset.yaml本包已内置此处为解析train: ./YOLO/train.txt # 注意路径为相对YOLOv8训练脚本所在目录 val: ./YOLO/val.txt nc: 4 names: [early_blight, late_blight, gray_mold, leaf_mold]启动训练命令以YOLOv8n为例yolo detect train \ datatomato_dataset/dataset.yaml \ modelyolov8n.pt \ epochs100 \ imgsz640 \ batch16 \ nametomato_yolov8n_v1 \ projectruns/detect参数说明imgsz640YOLOv8默认输入尺寸本数据集图片分辨率足够支撑最小边≥640batch16基于RTX 3090显存优化值若显存不足可降至8name输出目录名便于区分不同实验project指定日志根目录避免覆盖历史结果3.3 VOC格式转YOLO的应急方案当你的框架只认TXT若需将VOC转为YOLO格式如适配自定义训练脚本使用本包附带的voc2yolo.py# voc2yolo.py import xml.etree.ElementTree as ET import os from pathlib import Path def convert_voc_to_yolo(voc_root, yolo_root): jpeg_dir Path(voc_root) / JPEGImages anno_dir Path(voc_root) / Annotations img_list list(jpeg_dir.glob(*.jpg)) # 创建YOLO目录结构 (Path(yolo_root) / images).mkdir(exist_okTrue) (Path(yolo_root) / labels).mkdir(exist_okTrue) class_names [early_blight, late_blight, gray_mold, leaf_mold] for img_path in img_list: xml_path anno_dir / f{img_path.stem}.xml if not xml_path.exists(): continue tree ET.parse(xml_path) root tree.getroot() img_w int(root.find(size/width).text) img_h int(root.find(size/height).text) # 写入labels/.txt label_path Path(yolo_root) / labels / f{img_path.stem}.txt with open(label_path, w) as f: for obj in root.findall(object): cls_name obj.find(name).text cls_id class_names.index(cls_name) bbox obj.find(bndbox) xmin int(bbox.find(xmin).text) ymin int(bbox.find(ymin).text) xmax int(bbox.find(xmax).text) ymax int(bbox.find(ymax).text) # 归一化计算 x_center (xmin xmax) / 2 / img_w y_center (ymin ymax) / 2 / img_h width (xmax - xmin) / img_w height (ymax - ymin) / img_h f.write(f{cls_id} {x_center:.6f} {y_center:.6f} {width:.6f} {height:.6f}\n) # 复制图片到images/ (Path(yolo_root) / images / img_path.name).symlink_to(img_path) if __name__ __main__: convert_voc_to_yolo(VOC, YOLO_converted)执行逻辑脚本遍历VOC/JPEGImages/所有jpg读取同名xml提取bndbox并按YOLO规则归一化写入YOLO_converted/labels/同时建立符号链接避免重复存储。运行后YOLO_converted/结构与原YOLO目录一致。4. 避坑指南番茄病害数据集的5个典型翻车现场与硬核解法4.1 现象训练loss震荡剧烈mAP0.5停滞在0.1以下原因dataset.yaml中train:路径指向错误实际加载了空目录或错误图片集导致模型在噪声上拟合。解决在训练前执行yolo detect train datadataset.yaml --dry-runYOLOv8会校验路径并打印实际加载的图片数。若输出Found 0 images立即检查train.txt路径是否为相对路径且相对于训练脚本位置正确。4.2 现象推理时bbox严重偏移几乎不框住病灶原因YOLO格式标签未按原始图片分辨率归一化而是用resize后的尺寸计算如先将图片缩至640×640再标框。解决本包标签基于原始分辨率计算若你训练时用了imgsz640YOLOv8内部会自动做resize归一化适配无需修改labels。但若自行编写预处理务必确保transforms.Resize()后不重写label——直接用本包原始labels即可。4.3 现象验证集mAP远高于训练集出现过拟合原因val.txt中混入了训练集图片如文件名重复或路径错误导致验证集“偷看”训练数据。解决执行以下命令校验交集comm -12 (sort YOLO/train.txt) (sort YOLO/val.txt) | head -5若输出非空说明有重叠。本包已确保无交集但若你手动修改过train.txt/val.txt需用shuf重新划分shuf YOLO/train_full.txt | head -n1020 YOLO/train.txt shuf YOLO/train_full.txt | tail -n256 YOLO/val.txt4.4 现象类别不平衡导致某类如gray_mold召回率极低原因四类病害样本量不均early_blight: 521张, late_blight: 389张, gray_mold: 217张, leaf_mold: 149张模型偏向多数类。解决在dataset.yaml中启用class_weightsYOLOv8.1.0支持train: ./YOLO/train.txt val: ./YOLO/val.txt nc: 4 names: [early_blight, late_blight, gray_mold, leaf_mold] class_weights: [1.0, 1.34, 2.41, 3.51] # 计算方式max_count / class_count权重计算以early_blight为基准521/5211.0leaf_mold为521/149≈3.51直接填入即可。4.5 现象labels.cache文件无法加载报错KeyError: hash原因labels.cache由YOLOv8自动生成用于加速标签读取但不同版本生成格式不兼容如v8.0.20 vs v8.1.0。解决删除旧cache让YOLOv8重建rm tomato_dataset/YOLO/labels.cache yolo detect train datatomato_dataset/dataset.yaml ... # 重新训练自动重建血泪经验labels.cache不是必需文件删掉不影响训练但首次加载会慢2-3秒。若频繁切换YOLO版本建议始终删除旧cache。5. 进阶技巧用labels.cache反向定位脏数据 自动清洗脚本实战5.1labels.cache不只是缓存它是数据质量的黑匣子YOLOv8生成的labels.cache本质是一个.pkl文件存储了所有标签的哈希值、尺寸、bbox统计信息。它不直接暴露图片内容但能快速识别三类问题空标签cache[labels][i][bboxes].shape[0] 0→ 图片无标注越界bboxany(bbox[:, 0:2] 0) or any(bbox[:, 2:4] 1)→ 归一化坐标超出[0,1]畸变宽高比any((bbox[:, 2] / bbox[:, 3]) 10)→ bbox过窄或过高如把藤蔓误标为病灶5.2 清洗脚本audit_labels.py一键扫描全量问题# audit_labels.py import pickle import numpy as np from pathlib import Path def audit_cache(cache_path): with open(cache_path, rb) as f: cache pickle.load(f) empty_list [] invalid_list [] aspect_list [] for i, item in enumerate(cache[labels]): bboxes item[bboxes] if len(bboxes) 0: empty_list.append(cache[im_files][i]) continue # 检查越界 if np.any(bboxes[:, :2] 0) or np.any(bboxes[:, 2:] 1): invalid_list.append(cache[im_files][i]) # 检查宽高比 10 或 0.1 wh_ratio bboxes[:, 2] / bboxes[:, 3] if np.any(wh_ratio 10) or np.any(wh_ratio 0.1): aspect_list.append(cache[im_files][i]) print(f空标签图片: {len(empty_list)}) print(f越界bbox图片: {len(invalid_list)}) print(f畸变宽高比图片: {len(aspect_list)}) # 输出问题文件列表 with open(audit_report.txt, w) as f: f.write( 空标签 \n) f.writelines([f{x}\n for x in empty_list]) f.write(\n 越界bbox \n) f.writelines([f{x}\n for x in invalid_list]) f.write(\n 畸变宽高比 \n) f.writelines([f{x}\n for x in aspect_list]) return empty_list, invalid_list, aspect_list if __name__ __main__: audit_cache(tomato_dataset/YOLO/labels.cache)执行效果运行后生成audit_report.txt列出所有问题图片路径。本包实测结果空标签0张越界bbox0张畸变宽高比12张多为早期采集的倾斜叶片图像。这些图片可单独剔除或人工复标。5.3 用cache加速数据增强验证避免augmentation破坏bboxYOLOv8默认开启mosaic和copy_paste增强但农业图像中病灶常呈不规则斑块过度增强可能使bbox与病灶脱离。利用labels.cache可快速验证增强效果# validate_augmentation.py from ultralytics.data.augment import Mosaic from PIL import Image import numpy as np # 加载cache获取原始bbox with open(tomato_dataset/YOLO/labels.cache, rb) as f: cache pickle.load(f) # 取前5张图做增强测试 for i in range(5): img_path cache[im_files][i] bboxes cache[labels][i][bboxes] classes cache[labels][i][cls] # 加载原图 img np.array(Image.open(img_path)) # 应用Mosaic模拟训练时增强 mosaic Mosaic(datasetNone, imgsz640, p1.0) # 注意此处需构造dataset对象生产环境建议用yolo.utils.plotting.plot_images # 本例仅示意增强后可视化bbox是否仍覆盖病灶 # 关键技巧增强后用cv2.rectangle画bbox肉眼验证对齐度 # 若发现大量错位可降低mosaic概率或禁用copy_paste我的习惯每次新数据集训练前必跑audit_labels.py若aspect_list超过20张我会手动打开audit_report.txt里前5张在labelImg中检查是否真为标注错误——番茄叶病害的灰霉病常呈绒毛状扩散标注时易框得过大此时需缩小bbox而非删除图片。从那以后我每次拿到新农业数据集都强制走一遍cache审计哪怕只花3分钟也比训完发现mAP虚高强。希望帮到你。本文还有配套的精品资源点击获取