企业官网建设流程全解析

简介：这份烟雾火焰数据集面向计算机视觉方向的学习者与算法开发者，聚焦烟火目标检测这一典型场景，可用于训练和验证烟雾、火焰两类目标的识别模型，适合课程设计、毕业项目或算法入门练手。资源包共收录4118个文件，包含2059张jpg图像与2059个同名xml标注文件，图像与标签一一对应，压缩包整体约168.41MB，xml采用常见目标检测标注格式，可直接接入主流检测框架进行训练与评估。目前已有2327人学习下载，说明其在烟火检测任务中具备一定的参考价值。数据集覆盖烟雾与火两类目标，样本数量较为充足，标注文件完整，省去自行采集与标注的成本，读者拿到后即可快速搭建训练流程，用于模型调参、效果对比或迁移学习实验，也能作为烟火预警类应用的原型数据基础。

1. 烟雾火焰数据集：2056 张图、xml 标签，拿到手先别急着训练

你从网上拖下来一个烟雾火焰数据集，解压一看：2056 张图，两个类别，烟雾和火，每张图配一个 xml 标签文件。第一反应大概率是“太好了，直接丢进 YOLO 开跑”。我劝你先停一下。xml 标签是 PASCAL VOC 格式，不是 YOLO 的 txt，也不是 COCO 的 json。你如果直接拿 ultralytics 的 YOLO 去读，它会告诉你找不到标签，或者更糟——它不报错，但训练时 loss 一直不降，你以为是模型不行，其实是标签根本没被读进去。这个数据集真正的价值在于：它已经帮你省掉了最耗时的“画框”环节，2056 张带 xml 的烟雾火焰图，在公开数据里算中等偏上的量级，足够训出一个能用的检测模型。但前提是，你得先把 xml 转成训练框架认识的格式，再搞清楚烟雾和火这两类在标注上的分布是否均衡。这篇文章就是讲这件事：从拿到 xml 到跑通训练，中间每一步怎么做、参数怎么设、哪里容易翻车。

2. 先看清 xml 里到底存了什么：VOC 结构逐字段拆解

2.1 一个 xml 文件里哪些字段真正影响训练

PASCAL VOC 格式的 xml 文件，结构是固定的。你打开任意一个，会看到<annotation>下面挂着<folder>、<filename>、<size>、<object>这几块。真正影响训练的只有三处：<filename>决定这张图对应哪个文件；<size>里的<width>和<height>决定坐标归一化的分母；每个<object>里的<name>是类别名，<bndbox>里的xmin/ymin/xmax/ymax是框的绝对像素坐标。其他字段像<folder>、<path>、<segmented>在转换时可以直接忽略，它们不影响检测任务。

我一般会先写个脚本统计一下所有 xml 里的类别名到底有几种。标题说“包括烟雾和火两类”，但实际文件里可能写的是smoke和fire，也可能是Smoke、smoke、yanwu混着来。类别名不一致是转换后训练失败的头号原因，没有之一。

import os import xml.etree.ElementTree as ET from collections import Counter xml_dir = "annotations" # 存放 xml 的目录 class_counter = Counter() file_count = 0 for fname in os.listdir(xml_dir): if not fname.endswith(".xml"): continue file_count += 1 tree = ET.parse(os.path.join(xml_dir, fname)) root = tree.getroot() for obj in root.findall("object"): name = obj.find("name").text.strip() class_counter[name] += 1 print("xml 文件总数:", file_count) print("类别分布:", class_counter)

这段代码做两件事：遍历所有 xml，统计文件总数和每个类别名出现的次数。ET.parse解析 xml，findall("object")拿到所有目标框，find("name").text取类别名。跑完之后你会得到类似Counter({'fire': 3200, 'smoke': 1800})的结果。如果出现Counter({'fire': 3200, 'smoke': 1800, 'Smoke': 12})这种，说明有 12 个框的类别名大小写不一致，必须统一，否则训练时会被当成第三个类，而那个类只有 12 个样本，模型根本学不会。

2.2 坐标越界和宽高为 0 的框怎么提前发现

xml 里的bndbox是人工画的，难免有手抖的时候。常见问题有三种：xmin > xmax、ymin > ymax、框的宽或高为 0。这些框如果不提前清掉，转换后归一化坐标会出现负数或大于 1 的值，训练时要么报错，要么产生 NaN loss。更隐蔽的是框超出图像边界，比如xmax比<width>还大，归一化后大于 1，YOLO 默认会忽略这种框，但你会损失一个正样本。

def check_bbox(root): size = root.find("size") w = int(size.find("width").text) h = int(size.find("height").text) issues = [] for obj in root.findall("object"): bbox = obj.find("bndbox") xmin = int(float(bbox.find("xmin").text)) ymin = int(float(bbox.find("ymin").text)) xmax = int(float(bbox.find("xmax").text)) ymax = int(float(bbox.find("ymax").text)) if xmin >= xmax or ymin >= ymax: issues.append(("宽高异常", xmin, ymin, xmax, ymax)) if xmin < 0 or ymin < 0 or xmax > w or ymax > h: issues.append(("越界", xmin, ymin, xmax, ymax)) return issues

check_bbox接收一个 xml 的 root 节点，先读图像宽高，再逐个框检查。int(float(...))是为了兼容 xml 里写成123.0这种浮点字符串的情况。返回的 issues 列表里，每条记录包含问题类型和四个坐标。我一般会把这个函数套在遍历循环里，把所有有问题的文件名和框打印出来，人工确认是删掉还是修正。2056 张图里通常会有十几到几十个这种框，占比不大，但不处理就是隐患。

3. 把 VOC 的 xml 转成 YOLO 的 txt：脚本、参数与四个边界坑

3.1 转换脚本的核心逻辑与归一化公式

YOLO 格式的 txt 每行是class_id x_center y_center width height，全部归一化到 0 到 1 之间。转换公式不复杂：x_center = (xmin + xmax) / 2 / img_w，y_center = (ymin + ymax) / 2 / img_h，width = (xmax - xmin) / img_w，height = (ymax - ymin) / img_h。class_id 从 0 开始，你需要维护一个类别名到 id 的映射字典。我一般把fire设为 0，smoke设为 1，顺序无所谓，但训练和推理时必须一致。

import os import xml.etree.ElementTree as ET classes = ["fire", "smoke"] # 类别顺序固定，不要随意改 xml_dir = "annotations" out_dir = "labels" os.makedirs(out_dir, exist_ok=True) for fname in os.listdir(xml_dir): if not fname.endswith(".xml"): continue tree = ET.parse(os.path.join(xml_dir, fname)) root = tree.getroot() size = root.find("size") w = int(size.find("width").text) h = int(size.find("height").text) lines = [] for obj in root.findall("object"): name = obj.find("name").text.strip() if name not in classes: continue # 跳过未知类别，避免写入错误 id cid = classes.index(name) bbox = obj.find("bndbox") xmin = float(bbox.find("xmin").text) ymin = float(bbox.find("ymin").text) xmax = float(bbox.find("xmax").text) ymax = float(bbox.find("ymax").text) # 裁剪到图像边界内，防止归一化越界 xmin = max(0, min(xmin, w)) xmax = max(0, min(xmax, w)) ymin = max(0, min(ymin, h)) ymax = max(0, min(ymax, h)) if xmax <= xmin or ymax <= ymin: continue # 裁剪后无效的框直接丢弃 xc = (xmin + xmax) / 2 / w yc = (ymin + ymax) / 2 / h bw = (xmax - xmin) / w bh = (ymax - ymin) / h lines.append(f"{cid} {xc:.6f} {yc:.6f} {bw:.6f} {bh:.6f}") out_path = os.path.join(out_dir, fname.replace(".xml", ".txt")) with open(out_path, "w") as f: f.write("\n".join(lines))

这段脚本的关键点有三个。第一，classes列表的顺序就是最终 class_id 的顺序，fire是 0，smoke是 1，训练时的 data.yaml 必须和它一致。第二，max(0, min(xmin, w))这行做了边界裁剪，把越界坐标拉回图像范围内，比直接丢弃整个框更温和。第三，if xmax <= xmin or ymax <= ymin: continue在裁剪之后再做一次有效性判断，防止裁剪后框退化成一条线。{:.6f}保留六位小数，YOLO 读取时精度足够，文件也不会太大。

3.2 图像和标签的目录结构怎么摆才不会被框架漏读

YOLO 训练时对目录结构有约定。常见做法是建一个datasets目录，下面放images和labels，各自再分train和val。图像和标签的文件名必须一一对应，只是扩展名不同。比如images/train/fire_001.jpg对应labels/train/fire_001.txt。如果你把标签全放在一个目录里，框架在找fire_001.txt时可能因为路径拼接规则不同而找不到，然后它不会报错，只是把这张图当成负样本。这就是为什么很多人训练时 mAP 一直是 0，查了半天才发现标签没被加载。

# 推荐的目录结构 datasets/ images/ train/ # 放训练集图片，比如 1645 张 val/ # 放验证集图片，比如 411 张 labels/ train/ # 对应训练集的 txt val/ # 对应验证集的 txt

划分比例我一般按 8:2 走，2056 张里拿 1645 张做训练，411 张做验证。如果烟雾和火两类在数量上差距很大，比如火比烟雾多一倍，那划分时要保证验证集里两类的比例和整体一致，否则验证集的 mAP 会偏向多的那一类，看起来很高，实际部署时烟雾漏检严重。可以用sklearn.model_selection.train_test_split加stratify参数按类别分层抽样，但前提是你得先从 xml 里把每张图的主类别提取出来。

3.3 data.yaml 里三个必须对齐的字段

YOLO 训练需要一个 data.yaml 文件，里面path、train、val、nc、names这几个字段必须和实际目录、类别数对齐。nc是类别数，这里是 2。names是类别名列表，顺序必须和转换脚本里的classes完全一致。train和val写相对于path的路径。我见过有人把names写成['smoke', 'fire']，但转换时fire是 0，结果训练出来的模型把火识别成烟雾，这种错误在验证集上 mAP 看不出来，只有实际跑图才会发现。

path: ./datasets train: images/train val: images/val nc: 2 names: 0: fire 1: smoke

提示：改完 data.yaml 后，先跑一次yolo detect train data=data.yaml model=yolov8n.pt epochs=1，只训一个 epoch，看输出里train和val的图片数量是不是和你预期的一致。如果数量是 0 或者少了很多，说明路径或文件名对应有问题，别急着跑完整训练。

4. 训练参数怎么设：从 2056 张图里榨出可用模型

4.1 小数据集防过拟合的三个关键参数

2056 张图在目标检测里不算大，尤其是烟雾这种形态多变、边界模糊的目标。如果直接用默认参数跑 100 个 epoch，训练集 loss 会降得很低，但验证集 mAP 到 0.5 左右就上不去了，这是典型的过拟合。我一般会调三个参数：epochs设 80 到 120 之间，配合patience=20做早停；lr0初始学习率从默认的 0.01 降到 0.005，让模型在前期不要冲得太猛；weight_decay加到 0.0005，给权重加一点约束。这三个参数组合下来，验证集 mAP 通常能比默认参数高 3 到 5 个点。

from ultralytics import YOLO model = YOLO("yolov8n.pt") # 用预训练权重，小数据集必须迁移学习 model.train( data="data.yaml", epochs=100, patience=20, # 20 轮验证集没提升就停 lr0=0.005, # 初始学习率降低 weight_decay=0.0005,# 权重衰减防过拟合 batch=16, # 根据显存调整，8G 显存用 16 够 imgsz=640, # 输入尺寸，烟雾火焰用 640 足够 augment=True, # 开启默认数据增强 mosaic=1.0, # 马赛克增强，对小数据集很有效 mixup=0.1, # 混合增强，比例不要太高 device=0 # 用第一块 GPU )

yolov8n.pt是 nano 版本，参数量小，适合 2056 张这种量级。如果你用yolov8l.pt，参数量大十倍，过拟合会更严重，除非你有上万张图。mosaic=1.0表示每张图都做马赛克增强，把四张图拼成一张，等效于增加了数据多样性。mixup=0.1是混合两张图，比例低一点，太高会让烟雾和火的边界更模糊，反而不好学。batch=16在 8G 显存上跑 640 尺寸没问题，如果显存不够就降到 8，但 batch 太小 BN 层统计不稳定，mAP 会抖。

4.2 验证集 mAP 卡在 0.5 上不去时先查什么

训练跑完，验证集 mAP50 在 0.5 左右，mAP50-95 只有 0.2 出头，这是烟雾火焰检测的常见水平。先别急着换模型，按顺序查三件事。第一，看验证集的标注框有没有漏标。烟雾的边界很主观，不同人画出来的框可能差很多，如果验证集里有些烟雾没标，模型检出来了反而算误报，mAP 会被拉低。第二，看conf阈值。YOLO 验证时默认conf=0.001，会输出大量低置信度框，如果烟雾的置信度普遍偏低，调低conf能召回更多，但精度会降。我一般会在验证时加conf=0.25跑一次，对比一下 mAP 变化。第三，看图像尺寸。如果原图是 1920x1080，你直接缩到 640 训练，烟雾的小目标会变得很小，模型学不到。这种情况可以把imgsz提到 960 或 1280，但显存占用会翻倍。

metrics = model.val( data="data.yaml", conf=0.25, # 验证时置信度阈值 iou=0.6, # NMS 的 IoU 阈值 imgsz=640, batch=16 ) print("mAP50:", metrics.box.map50) print("mAP50-95:", metrics.box.map) print("每类 AP:", metrics.box.ap_class_index)

metrics.box.map50是 IoU 0.5 时的 mAP，metrics.box.map是 0.5 到 0.95 的平均。ap_class_index会告诉你每个类别的 AP，如果火的 AP 是 0.6，烟雾的 AP 是 0.3，说明烟雾更难学，可能需要单独对烟雾做增强，或者检查烟雾的标注质量。我遇到过烟雾 AP 只有 0.2 的情况，最后发现是烟雾的框画得太紧，只框住了最浓的部分，边缘的薄烟没框进去，模型学到的特征不完整。

4.3 推理时烟雾和火同时出现怎么调 NMS

实际场景里烟雾和火经常同时出现，而且位置重叠。YOLO 默认的 NMS 是类别无关的，也就是说一个烟雾框和一个火框如果 IoU 超过阈值，其中一个会被抑制掉。这会导致明明有火有烟，结果只检出一个。解决办法是把 NMS 改成类别内做，或者调高iou阈值。在 ultralytics 里，推理时加agnostic_nms=False就是类别内 NMS，默认就是 False，但有些人为了提速会改成 True，那就出问题了。另外iou=0.5是默认值，如果烟雾和火重叠严重，可以提到 0.7，让两个框都保留。

results = model.predict( source="test_images", conf=0.3, iou=0.7, # 提高 IoU 阈值，减少重叠框被误抑制 agnostic_nms=False, # 类别内 NMS，烟雾和火互不抑制 imgsz=640, save=True )

conf=0.3是推理时的置信度阈值，比验证时的 0.25 稍高，减少误报。iou=0.7让重叠的烟雾和火框都能保留。agnostic_nms=False是关键，它保证烟雾和火各自做 NMS，不会互相压制。如果你发现推理结果里只有火没有烟，或者只有烟没有火，先检查这个参数。

5. 避坑与排查：xml 标签处理中最容易翻车的五件事

5.1 现象：训练 loss 正常下降但 mAP 始终为 0

原因：标签文件没有被正确加载。最常见的情况是图像和标签的目录结构不符合框架约定，或者文件名没有一一对应。YOLO 在找不到标签时不会报错，而是把该图当成没有目标的负样本，loss 会降，但模型学不到任何东西。

解决：训练前先跑一个检查脚本，遍历images/train下的每张图，确认labels/train下有同名 txt。再打开几个 txt 看内容是否为空。如果 txt 是空的，说明转换脚本里类别名没匹配上，所有框都被continue跳过了。

5.2 现象：转换后的 txt 里坐标出现负数或大于 1

原因：xml 里的bndbox坐标超出了图像宽高，或者xmin > xmax。人工标注时画框拖出了边界，保存下来的坐标就是越界的。归一化时除以宽高，自然得到负数或大于 1 的值。

解决：在转换脚本里加边界裁剪，用max(0, min(x, w))把坐标拉回有效范围。裁剪后如果xmax <= xmin，直接丢弃这个框。不要试图保留越界框，YOLO 对越界坐标的处理是不确定的，不同版本行为不一样。

5.3 现象：类别名大小写不一致导致多出一个类

原因：xml 里有的写fire，有的写Fire，有的写FIRE。转换时如果直接按字符串匹配，会生成多个 class_id，而其中一些类只有几个样本，模型完全学不会，还会拉低整体 mAP。

解决：在统计类别分布时就用.lower()统一转小写，或者在转换脚本里维护一个别名映射表，把Fire、FIRE、fire都映射到fire。转换完成后，用Counter再统计一次 txt 里的 class_id 分布，确认只有 0 和 1 两个值。

5.4 现象：烟雾和火两类样本数量差距大，模型偏向多数类

原因：如果火有 3000 个框，烟雾只有 800 个框，模型在训练时看到的火远多于烟雾，梯度更新会偏向火，导致烟雾召回率很低。验证集 mAP 看起来还行，是因为火把平均值拉高了。

解决：两种做法。一是对烟雾类做过采样，在训练时重复采样含烟雾的图；二是用 YOLO 的cls损失权重参数，给烟雾类更高的权重。我一般先用过采样，简单直接。如果差距超过 3 倍，再考虑加权损失。

5.5 现象：xml 格式文件没有标签怎么办

原因：你打开 xml 发现<object>节点是空的，或者根本没有<object>。这可能是标注工具导出时出了问题，或者这个 xml 对应的是负样本图（没有目标的背景图）。标题里的数据集有 2056 张，不可能每张都有目标，有一部分是纯背景图是正常的。

解决：先统计有多少个 xml 没有<object>。如果数量在合理范围内（比如 5% 到 10%），这些图可以作为负样本保留，对应的 txt 文件留空即可。YOLO 支持空 txt，表示这张图没有目标。但如果超过 30% 的 xml 没有 object，说明标注过程有问题，需要联系数据提供方确认。另外检查一下 xml 的编码，有些文件是 GBK 编码，用 UTF-8 读会报错，ET.parse默认能处理，但如果报错就加encoding="utf-8"参数。

6. 用 2056 张图训完之后：验证模型是否真的学到了烟雾和火

训练跑完，权重文件存下来了，但你怎么知道它真的能区分烟雾和火，而不是靠背景颜色蒙的？我一般会做三件事。第一，拿一批训练集里没出现过的图，最好是不同场景的，跑推理，看烟雾和火的框是否合理。第二，用 Grad-CAM 或者 YOLO 自带的可视化，看模型关注的是烟雾本身的纹理，还是背景里的天空、墙壁。如果热力图集中在背景上，说明模型学偏了。第三，做一个简单的混淆测试：找一张只有烟没有火的图，看模型会不会误检出火。如果误检，说明两类之间的特征区分度不够，可能需要增加负样本或者调整类别权重。

import cv2 from ultralytics import YOLO model = YOLO("runs/detect/train/weights/best.pt") img = cv2.imread("test_scene.jpg") results = model(img, conf=0.3, iou=0.7, agnostic_nms=False) for r in results: for box in r.boxes: cls_id = int(box.cls[0]) conf = float(box.conf[0]) xyxy = box.xyxy[0].tolist() label = "fire" if cls_id == 0 else "smoke" print(f"{label} {conf:.2f} {xyxy}") cv2.rectangle(img, (int(xyxy[0]), int(xyxy[1])), (int(xyxy[2]), int(xyxy[3])), (0, 255, 0), 2) cv2.putText(img, f"{label} {conf:.2f}", (int(xyxy[0]), int(xyxy[1]) - 5), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 255, 0), 2) cv2.imwrite("result.jpg", img)

这段代码加载训练好的best.pt，对单张图做推理，把每个框的类别、置信度和坐标打印出来，并在图上画框。box.cls[0]是类别 id，box.conf[0]是置信度，box.xyxy[0]是左上角和右下角坐标。跑完之后看result.jpg，如果烟雾和火的框都贴合目标，置信度在 0.5 以上，说明模型基本可用。如果某个类的框明显偏移或者置信度普遍低于 0.3，回去检查那个类的标注质量和样本数量。

我自己的习惯是，每次训完模型，先拿十张验证集里的图跑一遍，肉眼过一遍框。这一步花不了五分钟，但能发现很多指标看不出来的问题。比如有一次 mAP 到了 0.65，看起来不错，但可视化之后发现模型把夕阳的橙色区域全检成了火，这就是典型的背景过拟合。后来在训练时加了hsv_h=0.015、hsv_s=0.7、hsv_v=0.4的颜色增强，让模型不要那么依赖颜色特征，误检才降下来。烟雾火焰检测这个方向，数据集的标注质量比模型结构重要得多，2056 张图如果标注得干净，用 nano 模型也能跑出可用的效果；如果标注里一堆漏标错标，换多大的模型都是白搭。希望帮到你。

本文还有配套的精品资源，点击获取