简介：针对板蓝根颗粒袋装药品检测任务，这份数据集面向计算机视觉初学者和工业质检应用开发者，提供111张真实拍摄的jpg原图以及完全对应的VOC格式xml与YOLO格式txt标注文件，覆盖“999ganmaoling”和“banlangen”两个类别，可用于训练目标检测模型、验证标签格式转换或搭建药品包装识别小项目。压缩包内共335个文件，主体为jpg图像、xml标注和txt标注三类，整体仅3.71MB，轻量易用；所有标注由labelImg工具完成，共包含134个目标框，其中banlangen类85个、999ganmaoling类49个，类别分布清晰，适合快速跑通从数据加载到模型评估的完整流程。三类文件一一对应，方便对照原图检查标注效果，也可直接作为YOLO、SSD、Faster R-CNN等常见检测器的训练输入。已有121人学习这一资源，对入门级开发者而言是理解VOC与YOLO两种标注规范差异、练习自制数据集制作全流程的实用素材。
1. 目标检测数据集里的“小样本特例”：板蓝根颗粒检测该怎么做
做目标检测的朋友应该都有体会：通用数据集好找，但像药品这种垂直场景，想拿现成的标注数据基本靠缘分。这份“药品板蓝根颗粒检测数据集”一共111张JPEG图片，同时给了Pascal VOC的xml和YOLO的txt两套标注，类别只有两个：999ganmaoling和banlangen，总框数134个。数据量不大，但它是真实药品袋装拍摄样本，对想做药品识别、货架陈列检测、颗粒袋定位这类小目标任务的从业者来说，属于难得的起步数据。本文就把这套数据集的内部结构、格式转换方法、训练配置和踩坑点一次拆完。
2. 拆解数据集文件布局：VOC与YOLO双格式的对应关系
2.1 图片、xml、txt三者如何一一对应
拿到手解压之后，文件结构非常直白：一张jpg对应一个同名xml，再对应一个同名txt。比如banlangen_xyxr_3.jpg，旁边就是banlangen_xyxr_3.xml和banlangen_xyxr_3.txt。这种命名规整的格式是labelImg直接导出的典型产物，做数据集校验和二次开发都很省事。
实际使用时会发现一个关键点：YOLO格式的txt文件里不包含类别名称，只存类别ID和归一化坐标。类别ID的顺序取决于标注时定义的classes.txt，如果这份classes.txt里的顺序是999ganmaoling在前、banlangen在后，那么txt第一列是0就代表999ganmaoling，是1就代表banlangen。很多人会在这里翻车——把txt当成独立文件用，却不核对类别顺序，训练出来的模型两个类别全乱套。
2.2 XML标注内容逐字段读一遍
打开任意一个xml文件，里面的字段是VOC标准结构：filename是图片名，size里记录width、height、depth三个维度，object节点下name是类别名，bndbox给出xmin、ymin、xmax、ymax四个整数坐标。这套结构是CV领域最通用的标注交换格式，几乎所有检测框架都支持直接读。
<annotation> <folder>banlangen</folder> <filename>banlangen_xyxr_3.jpg</filename> <size> <width>960</width> <height>540</height> <depth>3</depth> </size> <object> <name>banlangen</name> <bndbox> <xmin>120</xmin> <ymin>98</ymin> <xmax>362</xmax> <ymax>310</ymax> </bndbox> </object> </annotation>xml里最关键的是bndbox的四个值，它是像素绝对坐标，左上角为原点，x向右增大，y向下增大。如果之后要自己标数据，labelImg画框存成xml是完全一致的格式，这也是数据集作者选择labelImg的原因——开源免费，导出格式兼容性最好。
2.3 TXT标注的归一化坐标换算逻辑
YOLO格式的txt每一行代表一个目标框，结构是：类别ID、x_center、y_center、width、height。五个值用空格分隔，其中坐标全部做了归一化，也就是用像素坐标除以图片宽高得到的0到1之间的浮点数。
1 0.251042 0.377778 0.252083 0.392593 0 0.718125 0.427778 0.229167 0.437037第一行开头是1，对应banlangen类别；第二行开头是0，对应999ganmaoling类别。从坐标值能反推出原图尺寸是960x540，比如x_center=0.251042，乘以960约等于241，正好落在xml标注的xmin到xmax区间内。这个换算是理解VOC和YOLO格式差异的钥匙：VOC存绝对坐标方便人读，YOLO存归一化坐标方便模型训练。
3. 用Python脚本统一处理数据集：从校验到划分
3.1 校验框坐标是否越界和格式是否齐全
数据集在训练前最怕的是标注错误。我写了一个快速的校验脚本，逐个xml读bndbox，和图片宽度高度做对比，检测坐标越界、框宽高是否为负、图片是否缺失标注文件这三个最常见问题。
import os import xml.etree.ElementTree as ET from PIL import Image xml_dir = "Annotations" jpg_dir = "JPEGImages" for xml_name in os.listdir(xml_dir): xml_path = os.path.join(xml_dir, xml_name) 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) for obj in root.findall("object"): box = obj.find("bndbox") xmin = float(box.find("xmin").text) ymin = float(box.find("ymin").text) xmax = float(box.find("xmax").text) ymax = float(box.find("ymax").text) assert xmin >= 0 and ymin >= 0, f"{xml_name} 坐标出现负值" assert xmax <= img_w and ymax <= img_h, f"{xml_name} 坐标越界" assert xmax > xmin and ymax > ymin, f"{xml_name} 框宽高异常"这段逻辑并不复杂，但能拦下90%的脏数据。坐标越界是标注时手滑拖出画布导致的，框宽高异常通常是误操作画了个点。如果xml里size的宽高和jpg实际尺寸对不上，说明图片被压缩或旋转过，这个也要提前发现。
3.2 VOC坐标转YOLO坐标的具体实现
虽然这份数据集已经同时给了VOC和YOLO两种格式，但如果你之后自己扩充数据，或者从网上找其他VOC数据集用，转换脚本是躲不开的。转换的原理很简单：用box坐标除以图片宽高得到归一化值。
import os import xml.etree.ElementTree as ET def voc_to_yolo(xml_path, out_path, class_names): 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) lines = [] for obj in root.findall("object"): name = obj.find("name").text if name not in class_names: continue class_id = class_names.index(name) box = obj.find("bndbox") xmin = float(box.find("xmin").text) ymin = float(box.find("ymin").text) xmax = float(box.find("xmax").text) ymax = float(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 lines.append(f"{class_id} {x_center:.6f} {y_center:.6f} {width:.6f} {height:.6f}") with open(out_path, "w") as f: f.write("\n".join(lines)) class_names = ["999ganmaoling", "banlangen"] voc_to_yolo("banlangen_xyxr_3.xml", "banlangen_xyxr_3.txt", class_names)class_names的顺序就是YOLO模型训练时的类别ID映射，写死顺序会导致ID错乱。我一般把class_names单独存成classes.txt文件，每次训练前都检查一遍。
3.3 数据集按8:1:1比例切分训练集和验证集
111张图的数据量，全部塞进训练集容易过拟合，划分时我建议训练集占八成左右，验证集留十来张。注意这里有一个容易被忽略的细节：划分后要把图片和标注文件同步移动，或者统一生成路径列表文件，保证训练时正样本对得上。
import os import random from sklearn.model_selection import train_test_split jpg_files = [f for f in os.listdir("JPEGImages") if f.endswith(".jpg")] train_files, val_files = train_test_split(jpg_files, test_size=0.15, random_state=42) with open("train.txt", "w") as f: for name in sorted(train_files): base = os.path.splitext(name)[0] f.write(f"JPEGImages/{name} Annotations/{base}.xml\n") with open("val.txt", "w") as f: for name in sorted(val_files): base = os.path.splitext(name)[0] f.write(f"JPEGImages/{name} Annotations/{base}.xml\n") print(f"训练集 {len(train_files)} 张，验证集 {len(val_files)} 张")random_state固定为42，保证每次跑出的划分结果一致，复现实验结果时不会因为随机切分产生偏差。如果你用的是新版YOLO，不需要手动划分train.txt和val.txt，按照目录结构放好图片，YOLO会自动扫描。
4. 用YOLOv8训练这套板蓝根数据集：完整配置流程
4.1 目录结构搭建与data.yaml配置
把这份数据集喂给YOLOv8之前，需要先按照YOLO系列框架的约定组织目录。我一般习惯把jpg和txt放在同一个目录下，保持文件名一一对应，然后写一个data.yaml描述数据集信息。
dataset/ ├── images/ │ ├── train/ │ │ └── banlangen_xyxr_3.jpg │ └── val/ │ └── banlangen_xyxr_45.jpg ├── labels/ │ ├── train/ │ │ └── banlangen_xyxr_3.txt │ └── val/ │ └── banlangen_xyxr_45.txt └── data.yamldata.yaml的内容是训练入口，路径、类别数、类别名都必须写对。这里有一个高频坑点：paths最好写绝对路径，很多新手写相对路径导致训练启动后报错找不到图片。yaml文件不能有tab缩进，只能用空格。
train: /home/user/dataset/images/train val: /home/user/dataset/images/val nc: 2 names: ['999ganmaoling', 'banlangen']注意names的列表顺序和生成txt时的class_names顺序必须严格一致，0对应999ganmaoling，1对应banlangen，顺序反了模型就是一个废物。验签方法是随机打开几个txt文件，看第一列数字是否和预期类别匹配。
4.2 YOLOv8训练命令与关键参数实测说明
YOLOv8是目前主流框架里对标签格式兼容性最好的一个，直接用yolo命令就能训练。权重建议选yolov8s.pt或者yolov8n.pt，111张图属于微型数据集，模型大了必然过拟合，s模型已经偏大，n模型更稳。
yolo train data=data.yaml model=yolov8n.pt epochs=200 imgsz=640 batch=16 device=0 patience=3epochs给到200是为了观察loss曲线是否收敛，实际可能在几十轮就早停了。patience=3是早停策略，如果验证集loss连续3轮没有下降，训练自动终止。batch=16要看显卡显存，6GB以下建议8。设备是CPU就改成device=cpu，但训练时间会拉到数小时。
训练结束后看results.csv里的指标，重点看两个数：mAP50和mAP50-95。小数据集上mAP50高只能说明模型对训练集的记忆好，mAP50-95低才是真正的泛化能力差。这个项目类别是药品颗粒袋，形状比较规整，两个指标差异不会特别夸张。
4.3 推理测试与置信度阈值调整
训练完成后用best.pt做推理，把验证集的图片跑一遍看效果：
yolo predict model=runs/detect/train/weights/best.pt source=dataset/images/val conf=0.25 iou=0.45conf参数是置信度阈值，默认0.25。这个数据集是近距离拍摄的药品袋，目标相对大且清晰，阈值可以往高调到0.4以上，减少误检。iou是NMS的IoU阈值，默认0.45，目标密集重叠时可以调低到0.35，避免两个紧挨着的药袋被合并成一个框。
5. 避坑与常见问题：小样本数据集训练翻车实录
5.1 类别名带数字导致解析错乱
现象：训练时报错Class index out of range，或者推理时999ganmaoling和banlangen的框混乱。原因：999ganmaoling这个类别名以数字开头，某些框架在解析类别字符串时会把它截断或转换成数值，尤其导出ONNX或TFLite时容易出现。解决：在data.yaml里保持names顺序不变，但代码中所有读取类别的地方统一走names数组索引，不要依赖正则提取。我在实际使用中更推荐把类名改为ganmao_999这样的格式，规避数字开头的解析风险。
5.2 用labelImg续标时标签序号没对齐
现象：自己手动补标了几十张图，训练后发现某些框的类别和实际物体不符。原因：labelImg打开的是默认class_list，它把999ganmaoling和banlangen的ID顺序和你之前txt里的顺序弄混了。解决：在labelImg的设置里加载一份写死的classes.txt，每次打开都强制定位到同一份类别表；标注完之后随机抽查20%的txt文件，确认类别ID和框内物体一致。
5.3 数据集过小直接爆内存或显存溢出
现象：batch设大之后CUDA out of memory，或者模型训练一两轮loss就冲到NaN。原因：111张图还带早停，模型很容易把验证集背下来，loss曲线失真；显存溢出多半是图像尺寸和batch配置不合理。解决：imgsz从640降到416，batch降到8，开启mosaic增强。如果做迁移学习，加载预训练权重时记得加freeze=10冻结前10层，保住主干网络的特征提取能力。
5.4 框与图片尺寸不一致导致训练崩溃
现象：ValueError: zero-size image to tensor，或者训练初始化时报标签越界。原因：数据集里jpg文件和xml的尺寸是匹配的，但你用自己的代码转换后可能用了另一批图片。解决：统一用python脚本检查每张jpg的实际尺寸，和xml里size字段做比对，不一致的直接用pillow重写size字段。这个操作不麻烦，但很多做检测的都默认格式完美，结果训练一半才发现标注和图像对不上。
5.5 多标签或同一物体被画了多个框
现象：一张图里同一个药袋被标出两个重叠框，训练时loss震荡。原因：标注者手抖，或者在labelImg里画完框又没删掉旧框直接再画一遍。解决：写一个查重脚本，计算所有框的IoU，大于0.8的只保留一个。这种问题只有检查时才能发现，跑训练之前一定过一遍。用表格整理一下数据集的标注分布：类别999ganmaoling有49个框，banlangen有85个框，总框数134，类别不平衡程度在可接受范围内。
6. 进阶技巧：用数据增强和置信度调优提升小模型实战表现
先把111张原图喂给模型，假设训练结果mAP50在0.85左右，这在小样本场景已经算不错。想继续往上顶，第一个必做的是离线数据增强。不要只依赖YOLO自带的在线增强，药品袋这种目标有明显的色彩和纹理特征，做HSV扰动和随机旋转能成倍扩大有效样本量。
import imgaug.augmenters as iaa import cv2 aug_pipeline = iaa.Sequential([ iaa.Fliplr(0.5), iaa.Affine(rotate=(-15, 15)), iaa.MultiplyHue((0.8, 1.2)), iaa.LinearContrast((0.8, 1.2)) ]) image = cv2.imread("banlangen_xyxr_3.jpg") augmented = aug_pipeline(image=image) cv2.imwrite("banlangen_xyxr_3_aug.jpg", augmented)增强后的图片必须同步更新标注框，imgaug的Affine和Fliplr会自动做坐标变换，但如果自己手写平移旋转，千万记得把xml里的bndbox一起换算。我见过有人增强后只保存了图片，标注框还停在原坐标上，这种“半套增强”比不增强还坑。
第二个进阶方向是调推理置信度。药品颗粒袋在货架上经常被遮挡，遮挡后模型输出的置信度会掉到0.2左右，但你其他场景又不需要这么低的阈值。做法是跑推理时对每个类别单独设阈值，999ganmaoling的包装颜色偏浅，阈值可以设低到0.15；banlangen的包装颜色深，0.3起步都够。实际调优时在验证集上跑一遍完整推理，把所有的conf值存下来画直方图，找到两个类别置信度分布的分水岭，再分别设阈值。
从那以后我做任何小样本检测任务，都会强制走一遍流程：校验标注、统一类别清单、按比例切分、冻结主干预训练、训练后输出置信度直方图调阈值。这套流程不需要玄学，每一步都有明确产出。希望帮到你。
本文还有配套的精品资源，点击获取
