简介：面向目标检测算法学习与落地验证的生猪检测数据集，采集自猪圈摄像头真实监控场景，单类别pig，图像以YOLOV5标准目录格式整理，训练集929张、验证集136张，可直接接入YOLOv5等框架训练，无需额外转换。所有RGB图片分辨率覆盖640至1080，单张图像包含多个目标，适合研究密集目标场景下的检测性能。资源共2000个文件，主要由1066个txt标签文件、933张jpg图像及1个py可视化脚本组成，压缩包约97.43MB；txt为YOLO格式标注，py脚本可随机读取一张图片并绘制边界框后保存，便于快速检验标注质量。此外，数据已按datasets-images-train与datasets-images-val分好目录，训练验证划分明确。目前已有609人学习使用，适合目标检测初学者、生猪养殖智能化项目开发者作为训练素材。
1. 猪圈摄像头下的生猪检测：一份YOLOv5目录格式数据集，拿来就能训
做猪只检测的人和做行人检测的人踩的坑很不一样：猪圈摄像头架得高、光线差、猪又互相贴着挤，目标密集且遮挡严重，标起来费劲，训起来也容易翻车。这份数据集是真实猪圈摄像头拍的 RGB 截图，分辨率在 640 到 1080 之间，已经按 YOLOv5 目录格式整理成训练集 929 张、验证集 136 张，只标一个类别 pig，每张图上的猪头数量普遍很多，天生就是练密集目标检测的料。对刚跑通 YOLOv5、手里缺真实场景数据的人来说，它不用改目录、不转格式、不配标签，直接就能喂给 train.py；对老手来说，它又能用来测 anchor、测 NMS 参数、测模型在小目标密集场景下的上限。下面我把目录结构、标签内容、可视化脚本和训练链路一起拆开讲。
2. 数据集拆解：目录结构、标签格式与可视化脚本
2.1 目录结构与文件命名：YOLOv5 标准 Layout
先看目录怎么摆。拿到手解压后，datasets 下面直接是 images 和 labels 两个大区，各自再分 train、val。这是 YOLOv5 最认的布局，不用额外写转换脚本，符合 ultralytics 仓库对数据目录的约定。
datasets/ ├── images/ │ ├── train/ │ │ ├── vlcsnap-2022-01-09-19h41m40s412_png.rf.5888b784a5b4f702503b2ad1620f25fd.jpg │ │ ├── vlcsnap-2022-01-08-18h26m24s718_png.rf.6d71b521ce80b3938d7ee6b8c0ea9760.jpg │ │ └── ... 共 929 张 │ └── val/ │ ├── vlcsnap-2022-01-09-19h41m43s620_png.rf.fa9060b3f23b6ce36fe653452c14d375.jpg │ └── ... 共 136 张 └── labels/ ├── train/ │ ├── vlcsnap-2022-01-09-19h41m40s412_png.rf.5888b784a5b4f702503b2ad1620f25fd.txt │ └── ... 共 929 个 └── val/ └── ... 共 136 个每个图片文件对应的 txt 文件在 labels 目录下的同名子目录里，扩展名换一下。文件名保留了原始视频帧的命名，vlcsnap 开头说明是从 VLC 播放器截帧出来的，后面的日期时间就是帧的时刻。这个信息很有用：train 和 val 里都有不同日期的帧，说明划分时不是只按某一晚的连续帧来切的，时间分布是打散的，能降低相邻帧高度相似带来的过拟合风险，这是很多随手整理的数据集做不到的。
2.2 标签 txt 内容与类别映射
打开任意一个 txt，一行代表一个目标，共 5 个字段：
0 0.541406 0.486111 0.090625 0.158333 0 0.227344 0.441667 0.070313 0.119444 0 0.689844 0.695833 0.079688 0.180556字段含义依次是：类别编号、归一化中心 x、归一化中心 y、归一化宽度 w、归一化高度 h。注意这里的坐标全部除了图像宽高，范围在 0 到 1 之间，和 YOLOv5 的 letterbox 处理直接兼容，不需要自己再归一化。类别编号是 0，对应附带 txt 类别文本文件里的 pig。整个数据集只有这一个类别，所以单类别训练时不需要改任何类别数。
有个细节值得确认：每张图的 txt 行数是不是和图上猪头数一致。多标、漏标在密集场景很常见。我一般会先统计一下每张 txt 的行数分布，看看有没有 0 行文件——如果 train 里有空 txt，训练时这张图会被当成背景图，影响不大；但如果 val 里有空 txt，做 mAP 评估时它会拉低召回率，容易被误判成模型漏检，其实是标注缺失。这份数据集的简介里没提空标签情况，到手后建议先扫一遍。
2.3 可视化脚本：怎么把边界框画回图上
项目附带了一个可视化 py 文件，作用是把某张图片和它对应的 txt 标签读进来，画上边界框后输出到当前目录。脚本不用改就能跑，入口通常是传入图片路径，脚本自动在同目录下找同名 txt。以下是这类脚本的核心逻辑，我按常见实现补全了一份：
import cv2 import sys from pathlib import Path def draw_boxes(img_path, out_dir="."): img = cv2.imread(str(img_path)) if img is None: raise ValueError(f"无法读取图片: {img_path}") h, w = img.shape[:2] txt_path = Path(img_path).with_suffix(".txt") if not txt_path.exists(): print(f"警告: 找不到标签 {txt_path}") return boxes = [] with open(txt_path, "r") as f: for line in f: parts = line.strip().split() if len(parts) != 5: continue cls, cx, cy, bw, bh = (float(x) for x in parts) x1 = int((cx - bw / 2) * w) y1 = int((cy - bh / 2) * h) x2 = int((cx + bw / 2) * w) y2 = int((cy + bh / 2) * h) boxes.append((x1, y1, x2, y2)) cv2.rectangle(img, (x1, y1), (x2, y2), (0, 255, 0), 2) cv2.putText(img, "pig", (x1, max(0, y1 - 5)), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 255, 0), 2) out_path = Path(out_dir) / f"vis_{Path(img_path).stem}.jpg" cv2.imwrite(str(out_path), img) print(f"已保存: {out_path}，共 {len(boxes)} 个目标") if __name__ == "__main__": if len(sys.argv) != 2: print("用法: python visualize.py <图片路径>") sys.exit(1) draw_boxes(sys.argv[1])逻辑说明：读取图片后先拿宽高，再把 txt 里的归一化中心点和宽高反算成像素坐标。x1、y1 是左上角，x2、y2 是右下角，用 max 防止类别文本在画布上方越界。这一步就是可视化脚本的全部核心，没有任何玄学，就是坐标反变换。参数说明：out_dir控制输出目录，默认当前目录；颜色 (0,255,0) 是绿色 BGR，适合在暗色猪圈背景上显示；字体大小 0.6 对 640 分辨率合适，如果是 1080 图片可以调到 0.8。运行方式：python visualize.py datasets/images/train/vlcsnap-2022-01-09-19h41m40s412_png.rf.xxx.jpg，脚本会在当前目录生成 vis_ 开头的新图。如果一次性想检查很多张，可以加一层循环，遍历某个目录下所有图片，批量生成预览图，这个在最后一章细说。
3. 把数据集接到 YOLOv5 训练链路：从配置 yaml 到跑通 train.py
3.1 数据集 yaml 怎么写
YOLOv5 官方仓库训练时需要一个 yaml 文件，声明 train 和 val 路径以及类别名。这份数据集的目录名是 datasets，我一般把 yaml 放在 YOLOv5 工程根目录下：
# pig.yaml train: datasets/images/train val: datasets/images/val nc: 1 names: ['pig']train 和 val 指向图片目录即可，YOLOv5 会自动去对应 labels 目录找 txt，它默认把 images 替换成 labels。这里有个新手常犯的错：path 参数不是必须的，如果你写了绝对路径，务必保证路径里没有中文和空格。数据集本身是相对路径友好的，直接放在 YOLOv5 工程目录下最省事。参数说明：train、val 字段除了相对路径，也可以用绝对路径，但绝对路径换机器后就要改；nc 是类别数，这里固定 1；names 列表的顺序要和 txt 里的类别编号对应，只有 0 号，所以列表里放一个 pig。写完 yaml 后，可以用一行代码快速验证：
python -c "import yaml; print(yaml.safe_load(open('pig.yaml')))"能正常输出字典，说明 yaml 语法没问题，再进下一步。实际使用中，我还会顺手检查一下图片数量是否和标签数量一致，防止 images 或 labels 里多出孤儿文件。孤儿文件会让训练时报错，提示找不到对应标签。
3.2 训练命令与参数选择
因为数据集只有 1065 张图（929 训练 + 136 验证），属于小型数据集，训练参数不能照搬 COCO 那套。我先给一份能直接跑的基线命令：
python train.py --data pig.yaml --weights yolov5s.pt --img 640 --batch 16 --epochs 100 --workers 4 --cache ram --device 0逻辑说明：--weights yolov5s.pt表示用 s 模型预训练权重做迁移学习，小数据集从 COCO 预训练开始收敛更快也更稳；--cache ram把图片一次性加载进内存，避免每个 epoch 重复读磁盘，这个数据集总共 98MB，完全放得下，能显著减少训练时间；--img 640是输入分辨率，和数据集图片原始尺寸的下限一致，不需要强行拉高。参数说明：batch 要看显存，16 适用于 8GB 左右显卡，如果显存小就降到 8；epochs 100 对 1 类别小数据集基本够用，我看 loss 曲线到 60 轮左右会稳定；workers 在 Windows 上建议设 0，否则有时会卡数据加载；device 0 是第一块 GPU，没有 GPU 就改成 cpu，但训练速度会慢十倍以上。
训练过程中要盯两个指标：box_loss和obj_loss。如果 obj_loss 震荡明显，优先检查是否开了多尺度训练。YOLOv5 默认开了--multi-scale，对分辨率不统一的数据集有好处，但也可能让小目标样本在缩放时变得过小。这份数据集图片分辨率在 640 到 1080，开多尺度没问题，但如果发现后期 mAP 不稳，可以把这个参数关掉，固定 img 尺寸训练。
3.3 验证与测试流程
训练结束后，官方会自动跑一次 val，在 runs/val/exp 目录下生成混淆矩阵和 PR 曲线。如果想手动对验证集再做一次评估，用 val 命令：
python val.py --data pig.yaml --weights runs/train/exp/weights/best.pt --img 640 --task val --verbose这个命令输出的 mAP@0.5 和 mAP@0.5:0.95 是关键指标。对单类别密集场景，单看 mAP@0.5 容易自我感觉良好，我会重点看 mAP@0.5:0.95，它和框的定位精度强相关，猪只密集时边界框稍微偏一点就可能在 IoU 0.5 时重叠，拉低分数。--verbose参数会打印每一张图的检测结果，方便快速定位哪些图漏检严重。注意 val.py 里的--task val用的是 yaml 里的 val 路径，如果目录结构没问题，不需要额外改代码。
测试视频或新图片时，用 detect.py：
python detect.py --weights runs/train/exp/weights/best.pt --source test_pig_video.mp4 --conf 0.25 --iou 0.45 --save-txt这个命令会输出带框的视频帧和 txt 检测结果。我习惯把检测 txt 和标签 txt 放在同一目录下，用脚本算一下每张图的误检和漏检数量，比肉眼盯着视频效率高得多。
4. 密集小目标场景的调参思路：anchors、imgsz 与置信度阈值
4.1 为什么默认 anchor 不理想
YOLOv5 默认 anchor 是按 COCO 80 类目标统计出来的，从几像素的小目标到几百像素的大目标都有。猪圈摄像头拍到的猪只，在 640 分辨率下单个目标宽度往往只有 40 到 120 像素，属于中小目标偏多，而且猪身体互相贴在一起，先验框的形状如果太方正，回归起来就吃力。我拿到数据集后第一件事是统计所有标签的宽高比分布，看它偏向横条还是竖条。写个临时脚本：
import glob import numpy as np txts = glob.glob("datasets/labels/train/*.txt") wh = [] for t in txts: with open(t) as f: for line in f: parts = line.split() if len(parts) == 5: w, h = float(parts[3]), float(parts[4]) wh.append([w, h]) wh = np.array(wh) print("目标数量:", len(wh)) print("宽度中位数:", np.median(wh[:, 0])) print("高度中位数:", np.median(wh[:, 1])) print("宽高比中位数:", np.median(wh[:, 0] / wh[:, 1])) print("面积中位数:", np.median(wh[:, 0] * wh[:, 1]))这个统计能直接指导要不要用--anchor auto重新生成 anchor。YOLOv5 训练时加--anchor auto，它会在前 50 轮用 k-means 统计当前数据集的先验框，替换掉默认值。对这份数据我建议开启，因为单类别目标形状高度一致，自动生成的 anchor 会比 COCO 默认值精确得多。注意：如果训练中途发现 anchor 变化导致 loss 突然跳一下，那是正常的，k-means 重新聚类后模型需要重新适应，只要后面能降下来就没问题。
4.2 改 anchor 与输入尺寸
修改输入尺寸是另一条路。数据集图片是 640 到 1080，说明摄像头截图的分辨率不是统一值。训练时--img 960能保留更多小目标细节，但显存占用会变大，batch 就要相应减小。我的经验是：先跑 640 基线，看漏检集中在哪些尺寸的目标，如果小目标漏检多，再试 img 960，batch 从 16 降到 8。同时可以手动把自动生成的 anchor 写进模型 yaml。YOLOv5 的 yolov5s.yaml 里 anchor 定义是这样的格式：
anchors: - [10,13, 16,30, 33,23] # P3/8 - [30,61, 62,45, 59,119] # P4/16 - [116,90, 156,198, 373,326] # P5/32每行三个 anchor，分别对应 8 倍、16 倍、32 倍下采样特征图。你可以在训练完一轮后，去 runs/train/exp 目录下看生成的 anchor 文件，用 YOLOv5 提供的 k-means 脚本重新得到新 anchor，再替换进来训第二轮。这里有个坑：anchor 顺序必须从小到大排列，否则训练会震荡，Loss 出现明显的锯齿状。我通常在--anchor auto跑完一轮后，从 runs/train/exp/anchors 目录取回 anchor 值，写死到 yaml 里，再固定--noautoanchor训练，这样能复现结果，也方便调参对比。
4.3 后处理 NMS 与 conf 阈值
模型训练好以后，推理时的置信度阈值和 NMS 的 IoU 阈值对密集目标影响非常大。猪只互相遮挡，同一个猪可能会被预测出多个重叠框，默认 NMS IoU 阈值 0.45 会把重叠的猪框合并掉，导致少检；设高了又会把本应合并的框留下来，出现大量假阳。我的习惯是从 0.25 置信度开始看效果，猪只特征明显，真目标的 conf 通常都在 0.5 以上。
python detect.py --weights runs/train/exp/weights/best.pt --source test_images/ --conf 0.25 --iou 0.45 --save-txt--save-txt会把检测结果保存成 txt，方便对比标签。密集场景下我一般把--iou调到 0.5，让 NMS 更积极合并框，减少同一目标重复框。如果发现漏检，优先降--conf而不是降--iou，因为降 iou 会把相邻猪合并，损失真实目标。这个调参顺序不要反。还有一个技巧：在 detect.py 前加一行--agnostic-nms，对不同类别不做区分直接 NMS，单类别场景下这个参数没有意义，但如果你后续加了第二类，比如人，开启它反而会把猪和人叠在一起时误合并，所以我一般保持默认。
5. 避坑与常见问题：七个真实翻车点
5.1 标签坐标归一化与图像尺寸不匹配
现象：用可视化脚本画框，发现框和猪的位置错位，有的框偏向画面一侧。
原因：txt 的坐标是归一化的，反算像素时必须乘图片真实宽高。如果图片是从视频截帧后又被缩放过的，宽度高度变了，但 txt 没有重新归一化，就会错位。常见于手动截图后直接拿来训练。
解决：先确认每张图片的实际分辨率，再检查 txt 里的坐标值是否全部在 0 到 1 之间。如果有大于 1 的值，说明是像素坐标混进来了，需要重新归一化。对这份数据集，由于它本身就是从 VLC 截帧并同步生成的标注，理论上不会出现，但下载到其他数据集时这个坑必查。我的脚本里加了一个断言：
for v in (cx, cy, bw, bh): assert 0.0 <= v <= 1.0, f"坐标超出范围: {line}"5.2 训练集和验证集重叠导致指标虚高
现象：训练 loss 正常下降，验证 mAP 高达 0.98，但到实际猪圈里跑检测，漏检惨不忍睹。
原因：train 和 val 来自同一个视频片段，相邻几帧的图像信息几乎一致，模型相当于见过答案。很多公开数据集按帧连续划分，前后 5 帧被分进两个集合，就出现这个现象。
解决：拿到数据集后，要检查相同时间戳的帧是否同时出现在 train 和 val。这份数据集文件名里带日期时间，可以脚本提取时间戳，计算 train 和 val 文件名的时间戳集合交集。如果交集比例高，就要手动打散重建验证集。我一般会保留时间隔离：同一秒内的帧只能出现在一个划分里。示例脚本：
from pathlib import Path import re def get_ts(name): m = re.search(r'(\d{4}-\d{2}-\d{2}-\d{2}h\d{2}m\d{2}s\d{3})', name) return m.group(1) if m else None train_ts = {get_ts(p.name) for p in Path("datasets/images/train").glob("*.jpg")} val_ts = {get_ts(p.name) for p in Path("datasets/images/val").glob("*.jpg")} print("交集:", len(train_ts & val_ts))如果交集不为零，就要重新划分验证集。常见做法是按时间戳排序后，每 10 帧取 1 帧进 val，其余进 train，保证验证集和训练集在时间上不重合。
5.3 摄像头截图噪点多导致漏检
现象：模型在验证集 mAP 还行，但在夜间或强逆光截图上漏检率明显上升。
原因：猪圈摄像头画质差、红外补光、灰尘遮挡，很多截图有大量噪点。数据增强里的 mosaic 和 hsv 变化能缓解一部分，但本质问题还是训练集中这类低照度样本比例不够。
解决：把可视化脚本跑一遍，挑出低亮度样本，用--cache训练时观察它们的 loss 是否偏高。如果确实低照度样本少，可以把数据集的图像做亮度抖动增强，或者用简单的 gamma 校正复制一批样本。注意这份数据集的图片分辨率到 1080，说明有部分帧是高清源，混入低清摄像头截图时模型会偏向学习高清纹理，容易忽略低清图的细节。我通常会在训练集里手动混入 10% 的模糊副本，让模型对清晰度差异不那么敏感。
5.4 类别编号错位：单类别也要检查重复标注
现象：训练日志显示 nc=1，但可视化时发现某些框画到了疑似猪以外的东西上，比如食槽、人腿。
原因：数据标注粒度不统一，有些标注员把露出的猪头标了，有些把半截身体也标了。单类别数据集也会出现语义不一致，模型学到的特征就混乱。
解决：用可视化脚本随机抽 200 张图，人工过一遍，重点看面积特别小和特别大的框。如果发现同类目标框选范围差异过大，考虑统一标注规范，或者用清洗脚本去掉面积小于 0.01 的框。密集场景下小框更有可能是误标。我常用的面积过滤：
area = bw * bh if area < 0.005: print("疑似过小框:", img_name, line)5.5 可视化脚本路径分隔符与中文目录问题
现象：在 Windows 下运行脚本，提示找不到 txt 或保存路径报错。
原因：脚本里用了 Path 拼接，但 Windows 下如果参数带了中文绝对路径，OpenCV 的 imread 和 imwrite 对非 ASCII 路径支持不稳定，会静默失败，返回空图或写入失败。
解决：把脚本和图片放在同一个纯英文路径下运行；如果必须用中文路径，就用cv2.imdecode先读取字节再解码。这类问题在 Linux 服务器上基本不存在，但在本机预览时会翻车。我的习惯是可视化脚本里统一用 pathlib，输出路径指定为绝对英文路径，问题就少一半。
5.6 训练时类别权重失衡：单类别也会失灵
现象：训练到后期，预测框大量集中在画面中央，边缘的猪很难检出。
原因：猪圈摄像头通常是俯视，画面中心是食槽区域，猪聚集多；边缘走道猪少。模型学到的位置先验会偏向中心，边缘目标被当作背景。这和类别无关，是空间分布不均衡导致的。
解决：在训练时开启 mosaic 增强，它会把四张图拼在一起，打乱空间分布，缓解位置先验。如果开了 mosaic 还不够，可以手动检查 val 中边缘目标的召回率，单独统计中心区域和边缘区域的检测结果。常见做法是在标注脚本里按坐标把目标分成 center 和 edge 两组，分别计算 AP，定位问题。
5.7 多尺度训练导致 val 指标不稳定
现象：同一份权重，跑两次 val，mAP 差 2 个百分点以上。
原因：YOLOv5 的 val.py 在推理时也会随机选择尺度（取决于--img和--augment参数），如果没固定--img尺寸，结果会有波动。
解决：评估时务必固定--img，并且不加--augment。我通常在提交结果前，用同一命令连续跑三次 val，取中位数作为最终指标。如果三次波动超过 0.5%，说明训练还没收敛或 val 集太小。这份数据集的 val 只有 136 张，波动稍大是正常的，看趋势不要看单次数值。
6. 用可视化脚本做数据体检：三个小技巧让标注质量看得见
6.1 抽检策略：按目标密度分层抽样
均匀随机抽图容易漏掉极端情况。我习惯先把训练集图片按 txt 行数分成三档：1 到 3 个目标的稀疏图、4 到 8 个的普通图、9 个以上的密集图，每档各抽 20%，而不是全量随机。这样能同时看到稀疏场景的误检和密集场景漏检。
6.2 在脚本里加一列统计：输出每张图的框数
在可视化脚本的写图之前，插入一行统计，把所有框数打印出来：
print(f"{img_path.name}: {len(boxes)} pig(s)")如果发现某张图框数明显低于肉眼可见的猪数量，就是漏标，及时回补。这个检查比看 mAP 数字更直观，mAP 是汇总值，单图标注质量问题会被平均掉。
6.3 批量生成预览图，用缩略图给整个集合作体检
单张逐图看效率低，我写了一个批量版本，把每张图缩到 320 宽，画框后拼成 4x4 网格，生成一张总预览图。这样几百张图很快就能扫完。代码思路是循环调用 draw_boxes，最后用 numpy 的 hstack 和 vstack 拼接，不额外依赖库。从那以后我每次拿到新数据集，都强制走一遍「分层抽检 → 统计框数 → 拼图预览」这三步，再决定要不要进训练管道。视觉上过一遍，比任何指标都让人安心。希望帮到你。
本文还有配套的精品资源，点击获取
