简介：这份资源是面向野火探测与火灾识别方向的航空图像数据集，适合从事深度学习目标检测的研究者、算法工程师及高校学生使用，可支撑火灾预警、灾害监测等场景下的模型训练与验证。压缩包共包含2000个文件，全部为XML格式的标注文件，整体约165.02MB，每份标注以手动方式记录图像中目标对象的精确位置及对应标签，并借助Roboflow完成，保证了标注质量与一致性。数据集专门为野火探测设计，配套4500个图像注释文件，覆盖fire系列样本，便于直接接入主流检测框架进行训练与评估。目前已有362人学习下载，读者可借此获得结构清晰的标注数据，用于构建火灾识别模型、验证检测算法效果，或作为迁移学习与数据增强的素材，快速推进野火监测相关实验。
1. 航空图像野火检测数据集：4500 份 XML 标注到底怎么用
去年帮一个做林火预警的团队看模型，他们 mAP 卡在 0.4 上不去，第一反应是换 backbone、加注意力、调学习率，折腾两周没动静。我让他们把训练集里随机抽 50 张图连标注一起打开看，问题当场就露了：一半以上的火点框只框了明火，把烟雾和过火区域全漏了，模型学到的“火”其实是“亮橙色像素块”。这就是野火检测里最典型的翻车方式——数据没吃透，模型再花哨也是白搭。这份专门为探测野火设计的综合性航空图像数据集，价值就在这儿：它把 4500 个图像注释文件用 XML 格式手动标好，指定了图像中对象及其对应标签的确切位置，注释统一走 Roboflow 流程，保证整批数据的一致性和质量。它适合三类人：刚入门目标检测想找一个真实场景练手的新手、做林火/环保监测需要快速搭 baseline 的工程师、以及想验证自己数据清洗流程的老手。下面我按“先看清数据长什么样，再动手转格式、切分、训练，最后讲坑”的顺序拆一遍。
2. 先读懂 XML 标注：VOC 结构与野火标签的对应关系
2.1 一份 XML 里到底存了什么
这批注释文件命名形如fire-1044-_png.rf.a911498c3329c5db1b99383926264140.xml，文件名里的fire-1044是图像编号，.rf.后面那串哈希是 Roboflow 导出时生成的唯一标识，用来防止不同批次文件重名覆盖。打开任意一份 XML，结构是标准的 PASCAL VOC 格式，核心节点就几个：folder、filename、size（宽高和通道数）、以及一个或多个object。每个object下面挂name（类别名）、pose、truncated、difficult，再往下是bndbox，里面xmin/ymin/xmax/ymax四个值就是目标框的左上角和右下角坐标。
野火场景里，name通常不会只有fire一个类。常见做法是把明火、烟雾、过火区域分开标，因为这三者在航空视角下的纹理和颜色差异很大，混成一类会让模型在“有烟无火”的图上疯狂误检。你拿到数据后第一件事不是写训练脚本，而是把所有 XML 的name值统计一遍，看看类别分布。我一般会跑这么一段：
import glob import xml.etree.ElementTree as ET from collections import Counter # 统计所有 XML 中的类别名分布 counter = Counter() for xml_path in glob.glob("annotations/*.xml"): tree = ET.parse(xml_path) root = tree.getroot() for obj in root.findall("object"): name = obj.find("name").text.strip() counter[name] += 1 for cls, cnt in counter.most_common(): print(f"{cls}: {cnt}")这段代码遍历注释目录，用ElementTree解析每个 XML，把object/name取出来计数。glob.glob的路径按你实际存放位置改，strip()是防止导出时类别名前后带空格导致统计出fire和fire两个类。跑完你会得到一张类别频次表，如果某个类少于总框数的 5%，训练时要么给它加权，要么先合并，否则模型基本学不动。
2.2 坐标是绝对像素还是归一化值
VOC 格式的bndbox存的是绝对像素坐标，不是 YOLO 那种 0~1 的归一化值。这意味着你转格式时必须拿size里的width和height去做除法。很多人转完发现框全挤在左上角，就是因为忘了除，或者除反了（拿 x 除 height）。验证方法很简单：随便挑一张图，用 OpenCV 把框画出来看一眼。
import cv2 import xml.etree.ElementTree as ET xml_path = "annotations/fire-1044-_png.rf.a911498c3329c5db1b99383926264140.xml" img_path = "images/fire-1044-_png.rf.a911498c3329c5db1b99383926264140.jpg" tree = ET.parse(xml_path) root = tree.getroot() img = cv2.imread(img_path) for obj in root.findall("object"): 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) # 在图上画矩形，颜色用绿色，线宽 2 cv2.rectangle(img, (xmin, ymin), (xmax, ymax), (0, 255, 0), 2) cv2.imwrite("check_1044.jpg", img)int()转换是因为 XML 里坐标可能是浮点字符串，画框需要整数。cv2.rectangle的坐标顺序是(x, y)，别写成(ymin, xmin)。画完打开图，如果框正好套住火点或烟雾区域，说明坐标没问题；如果框偏移或大小不对，回去检查size节点读的是不是对的图。这一步花两分钟，能省掉后面几小时的排查。
2.3 为什么选 VOC 而不是直接上 COCO
这批数据给的是 XML，不是 COCO JSON。有人会问要不要先转 COCO 再转 YOLO，我的建议是别绕。VOC 结构简单，解析成本低，直接写脚本转成 YOLO 的 txt 或者 COCO 的 json 都行。COCO 的优势在于支持分割掩码和关键点，但野火检测目前主流还是矩形框，用不上那些字段。多转一道手，就多一个引入坐标错误的机会。常见做法是：如果训练框架用 YOLO 系列，直接 VOC→YOLO txt；如果用 Detectron2 或 MMDetection，再转 COCO。转换脚本我放在下一章。
3. 从 XML 到训练集：转换、切分与类别平衡的完整脚本
3.1 VOC 转 YOLO txt 的转换脚本
YOLO 格式每张图对应一个 txt，每行是class_id x_center y_center width height，全部归一化到 0~1。下面这个脚本把 XML 批量转成 YOLO 标签，同时生成classes.txt。
import glob import os import xml.etree.ElementTree as ET # 类别列表，顺序决定 class_id，必须和训练配置一致 classes = ["fire", "smoke", "burned"] # 建立类别到 id 的映射 cls_map = {name: idx for idx, name in enumerate(classes)} def convert(xml_path, out_dir): tree = ET.parse(xml_path) root = tree.getroot() size = root.find("size") w = int(size.find("width").text) h = int(size.find("height").text) # 用文件名（不含扩展名）作为输出 txt 名 base = os.path.splitext(os.path.basename(xml_path))[0] lines = [] for obj in root.findall("object"): name = obj.find("name").text.strip() if name not in cls_map: continue # 跳过未定义类别，避免训练时报错 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) # 归一化并转为中心点+宽高 x_center = (xmin + xmax) / 2.0 / w y_center = (ymin + ymax) / 2.0 / h bw = (xmax - xmin) / w bh = (ymax - ymin) / h lines.append(f"{cls_map[name]} {x_center:.6f} {y_center:.6f} {bw:.6f} {bh:.6f}") out_path = os.path.join(out_dir, base + ".txt") with open(out_path, "w") as f: f.write("\n".join(lines)) os.makedirs("labels", exist_ok=True) for xml_path in glob.glob("annotations/*.xml"): convert(xml_path, "labels")classes列表的顺序就是class_id，训练时的names配置必须和它一字不差，否则模型会把烟雾当火。if name not in cls_map: continue这行是保险丝，防止 XML 里出现你没预料到的类别导致整个脚本崩掉。归一化时.6f保留六位小数，YOLO 官方实现能接受，精度也够。转完检查一下 txt 行数是否和 XML 里的object数量一致，不一致就说明有类别被跳过了。
3.2 训练集/验证集切分：别用随机切分
目标检测数据切分有个血泪经验：不能简单random.shuffle然后按比例切。因为航空图像往往是连续帧或者同一区域的多角度拍摄，随机切分会让同一场景的图同时出现在训练集和验证集里，验证指标虚高，上线就崩。正确做法是按图像编号或拍摄区域分组切分。文件名里的fire-1044这种编号，如果相邻编号是同一片火场，就按编号段切。
import glob import os import random # 按文件名前缀分组，这里假设 fire-XXXX 中 XXXX 连续的是同一区域 all_xml = sorted(glob.glob("annotations/*.xml")) # 提取编号并排序 def get_id(path): base = os.path.basename(path) return int(base.split("-")[1]) all_xml.sort(key=get_id) # 按 8:2 切分，前 80% 训练，后 20% 验证 split_idx = int(len(all_xml) * 0.8) train_xml = all_xml[:split_idx] val_xml = all_xml[split_idx:] with open("train.txt", "w") as f: f.write("\n".join(train_xml)) with open("val.txt", "w") as f: f.write("\n".join(val_xml))get_id从文件名里抠出编号，sort保证顺序稳定。按编号排序后切分，能最大程度让同一区域的图落在同一侧。如果你的数据编号本身是打乱的，那就得靠图像内容做聚类分组，或者至少用hash按文件名分组。切完看一眼两个 txt 的行数比例，8:2 是常规起点，数据量少于 2000 张时建议 7:3，给验证集多留点。
3.3 类别不平衡怎么处理
野火数据天然不平衡：明火框多，烟雾框少，过火区域更少。统计完类别频次后，如果发现smoke只有fire的十分之一，有三个处理方向。一是数据层面，对少类图像做增强（旋转、亮度扰动、加噪声），但注意别把火点增强成不真实的颜色。二是损失层面，YOLO 系列可以在hyp配置里调cls_pw（类别权重），少类给大权重。三是评估层面，别只看 mAP，单独看少类的 recall，否则模型全预测fire也能有不错的整体指标。我一般先跑一版不加权的，看混淆矩阵，再决定要不要动权重。常见做法是cls_pw从 1.0 开始，少类 recall 低于 0.5 时逐步加到 2.0 左右，加太多会导致多类误检飙升。
4. 训练与验证：用 YOLOv8 跑通野火检测 baseline
4.1 数据配置文件怎么写
YOLOv8 需要一份 yaml 描述数据路径和类别。假设目录结构是images/train、images/val、labels/train、labels/val，yaml 这么写：
# fire_dataset.yaml path: /data/fire_dataset # 数据集根目录 train: images/train val: images/val names: 0: fire 1: smoke 2: burnedpath用绝对路径最稳，相对路径在不同工作目录下容易找不到。names的键值必须和转换脚本里的classes顺序完全一致。写完 yaml 先别急着训，用yolo checks确认环境没问题，再跑一版 1 epoch 的冒烟测试，看 loss 有没有正常下降、有没有报“no labels found”。
4.2 启动训练与关键参数
yolo detect train \ data=fire_dataset.yaml \ model=yolov8s.pt \ epochs=100 \ imgsz=640 \ batch=16 \ lr0=0.01 \ patience=20 \ project=runs/fire \ name=baselinemodel=yolov8s.pt是速度和精度的折中，数据量 4500 张左右够用，显存小就换yolov8n.pt。imgsz=640是默认值，航空图像里火点可能很小，如果发现小目标漏检多，可以提到 1024，但显存和训练时间会涨。patience=20表示 20 个 epoch 验证指标不升就早停，防止过拟合。lr0=0.01是 SGD 的初始学习率，用 Adam 的话降到 0.001。训练过程中重点看mAP50-95和各类的recall，如果fire的 recall 高但smoke低，回去看 3.3 的类别平衡。
4.3 验证与可视化排查
训练完在验证集上跑：
yolo detect val \ model=runs/fire/baseline/weights/best.pt \ data=fire_dataset.yaml \ imgsz=640 \ conf=0.25 \ iou=0.5conf=0.25是置信度阈值，低于它的框不输出。iou=0.5是 NMS 的 IoU 阈值，野火场景里烟雾区域可能重叠，IoU 设太高会保留大量重复框，设太低会漏掉相邻火点。跑完看混淆矩阵，如果background那一列（误检）特别高，说明模型把云、夕阳、红色屋顶当成了火，需要加负样本。可视化预测结果用yolo detect predict，把预测图导出来人工过一遍，比看数字直观得多。
5. 避坑与排查：野火数据集落地时最容易翻车的五件事
5.1 现象：训练 loss 正常下降但 mAP 一直是 0
原因通常是类别名不匹配。XML 里写的是Fire或FIRE，转换脚本里classes写的是fire，cls_map匹配不上，所有框被continue跳过，生成的 txt 全是空的。解决：转换后立刻检查 txt 文件大小，空文件就是信号；或者在转换脚本里加name = name.lower()统一大小写。
5.2 现象：验证集指标很高，实际部署误检爆炸
原因是随机切分导致训练集和验证集有同场景图像，模型记住了背景而不是学到了火的特征。解决：按 3.2 的分组方式重新切分，确保同一火场、同一拍摄批次的图只出现在一侧。切完再训一版，指标会降，但那个才是真实水平。
5.3 现象：小目标火点大量漏检
原因是imgsz太小或者 anchor 不匹配。航空图像里早期火点可能只有十几个像素，640 分辨率下经过多次下采样就没了。解决：把imgsz提到 1024 或 1280，同时在数据增强里关掉mosaic的最后几个 epoch（YOLO 有close_mosaic参数），让模型在真实尺度上收敛。
5.4 现象：烟雾和云被混为一类
原因是负样本不足。数据集里如果只有火和烟的正样本，模型没见过云，就会把白色团状物都判成烟。解决：从数据集中挑出含云但不含火的图，作为背景负样本加入训练，或者用burned类之外的图做 hard negative mining。常见做法是负样本占训练集 10%~20%。
5.5 现象：XML 解析报ParseError
原因是文件编码不是 UTF-8，或者 XML 里有非法字符。Roboflow 导出的文件偶尔会带 BOM 头。解决：用ET.parse前先以二进制读入并去掉 BOM，或者用lxml的recover=True模式容错解析。批量处理时加try/except跳过坏文件并记录，别让一个坏文件卡住整个流程。
6. 进阶技巧：用分层采样和 TTA 把少类召回再拉一截
baseline 跑通之后，如果smoke或burned的召回还是上不去，有两个成本低、见效快的技巧。第一个是分层采样：重写 DataLoader 的 sampler，让每个 batch 里少类样本的出现概率和fire接近。YOLO 官方没直接暴露这个接口，但可以在生成训练 txt 时对少类图像做重复采样（oversampling），把少类图的路径在train.txt里多写几遍。注意别复制太多，一般少类重复 2~3 倍就够，再多会过拟合。
第二个是测试时增强（TTA）。推理时把同一张图做水平翻转、多尺度缩放，分别预测后再做 NMS 融合。YOLOv8 的val和predict都支持augment=True：
yolo detect predict \ model=runs/fire/baseline/weights/best.pt \ source=test_images/ \ imgsz=1024 \ conf=0.2 \ augment=True \ save_txt=Trueaugment=True会启用 TTA，conf可以比验证时再低一点，因为 TTA 融合后误检会被 NMS 压掉一部分。代价是推理速度慢 2~3 倍，实时预警场景要权衡。我一般只在离线复核时开 TTA，线上还是用单尺度。
还有一个容易被忽略的点：验证时把save_txt=True打开，导出预测框的 txt，和真值 XML 转出来的 txt 做逐类对比，能精确算出每个类的漏检和误检数量，比看混淆矩阵更细。这个对比脚本我习惯每次训完都跑一遍，花不了几分钟，但能提前发现“整体 mAP 涨了但 smoke 反而降了”这种隐蔽退化。从那以后我每次动数据增强或损失权重，都强制走一遍逐类对比，再决定这版模型要不要留。希望帮到你。
本文还有配套的精品资源，点击获取
