简介：本资源为面向计算机、电子信息工程、数学等专业学生的YOLO目标检测实战数据集，基于Trash-ICRA19海洋垃圾检测场景构建，可直接用于课程设计、期末大作业与毕业设计。压缩包共2288个文件，包含1144张jpg图像与1144个一一对应的xml标注文件，标注格式可直接接入YOLO训练流程，整体约26.21MB，图像与标注配对完整，省去自行采集与标注的时间成本。内容覆盖bio、obj等多类海洋目标样本，适合训练与验证海洋垃圾检测模型。目前已有259人学习下载，可作为目标检测入门到进阶的练手素材。读者可借此快速搭建数据加载、模型训练与评估链路，理解标注解析、类别映射与数据增强等关键环节，并在此基础上替换网络结构或调整参数开展对比实验，形成完整的检测方案与实验记录。
1. 海洋垃圾检测为什么值得用 YOLO 加 Trash-ICRA19 跑一遍
如果你手上正好有一批海洋场景的监控图像，想快速验证「能不能自动把漂浮垃圾框出来」，那 YOLO 目标检测加 Trash-ICRA19 数据集这条路线，是当前门槛最低、反馈最快的一种组合。Trash-ICRA19 是一个面向海洋垃圾检测的公开标注数据集，图像来自水下与水面场景，标注文件已经按检测任务整理好，拿到手就能直接喂给 YOLO 系列模型训练，不需要自己从零标注。1144 张图像听起来不多，但对于验证一个检测思路、跑通训练到推理的完整链路，这个量级刚好够用——既不会让你等太久，也能暴露出小目标、遮挡、水下色偏这些真实问题。这篇文章面向的是想动手的从业者：你可能是做环保监测的工程师，也可能是想找一个真实场景练手检测模型的学生或开发者。接下来我会把数据怎么接、YOLO 怎么配、参数怎么调、坑在哪，一层层拆开讲清楚。
2. 先搞清楚 Trash-ICRA19 的数据结构和 YOLO 的对接方式
2.1 数据集里到底有什么，为什么它适合直接上手
Trash-ICRA19 的核心价值在于「已标注」三个字。它通常包含图像文件夹和对应的标注文件，标注格式多为 XML 或 TXT，记录每张图里垃圾目标的类别和边界框坐标。海洋垃圾检测的难点在于目标往往很小、颜色和水体接近、还有水流造成的形变，这个数据集把这些真实困难都保留了下来，所以拿它训练出来的模型，迁移到实际监控场景时不会出现「实验室里很准、下水就翻车」的落差。
从类别设计上看，它一般会区分几类常见海洋垃圾，比如塑料制品、金属、橡胶等，具体类别数以你拿到的标注文件为准。这里要提醒一句：不同来源的标注文件，类别命名和编号可能不一致，训练前必须自己核对一遍，否则模型学出来的类别索引和你的预期会对不上。我一般会先写个小脚本统计所有标注文件里出现过的类别名，确认没有拼写差异或多余空格，这一步花五分钟，能省掉后面几小时的排查。
2.2 把标注转成 YOLO 格式：转换脚本与四个边界坑
YOLO 需要的标注格式是每张图对应一个 TXT 文件，每行是「类别编号 中心x 中心y 宽 高」，坐标全部归一化到 0 到 1 之间。而 Trash-ICRA19 原始标注如果是 XML 格式，坐标是左上角和右下角的绝对像素值，必须做转换。下面这个脚本是我常用的转换逻辑，假设原始标注是 XML，图像尺寸从 XML 里读取。
import os import xml.etree.ElementTree as ET # 类别映射表，必须和你的标注文件里的类别名完全一致 class_map = { "plastic": 0, "metal": 1, "rubber": 2, "other": 3 } def convert_annotation(xml_path, img_w, img_h, out_txt_path): tree = ET.parse(xml_path) root = tree.getroot() lines = [] for obj in root.iter("object"): cls_name = obj.find("name").text.strip() if cls_name not in class_map: continue # 跳过未定义类别，避免训练时报索引越界 cls_id = class_map[cls_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) # 归一化并转成中心点加宽高 cx = (xmin + xmax) / 2.0 / img_w cy = (ymin + ymax) / 2.0 / img_h w = (xmax - xmin) / img_w h = (ymax - ymin) / img_h # 边界裁剪，防止坐标越界导致训练异常 cx = min(max(cx, 0.0), 1.0) cy = min(max(cy, 0.0), 1.0) w = min(max(w, 0.0), 1.0) h = min(max(h, 0.0), 1.0) lines.append(f"{cls_id} {cx:.6f} {cy:.6f} {w:.6f} {h:.6f}") with open(out_txt_path, "w") as f: f.write("\n".join(lines)) # 批量处理示例 img_dir = "images" xml_dir = "annotations" out_dir = "labels" os.makedirs(out_dir, exist_ok=True) for xml_file in os.listdir(xml_dir): if not xml_file.endswith(".xml"): continue xml_path = os.path.join(xml_dir, xml_file) # 这里假设图像尺寸固定，实际应从对应图像读取 img_w, img_h = 640, 480 out_txt = os.path.join(out_dir, xml_file.replace(".xml", ".txt")) convert_annotation(xml_path, img_w, img_h, out_txt)这段代码里有四个容易踩的边界坑。第一，类别映射表必须和标注文件里的名称逐字匹配，大小写和空格都算，否则目标会被静默跳过。第二，归一化前要确认图像真实宽高，不能硬编码，不同来源的图像尺寸可能不一样。第三，坐标要裁剪到 0 到 1，有些标注框会略微超出图像边界，不裁剪会导致训练时损失计算出 NaN。第四，空标注文件也要生成，YOLO 训练时如果某张图没有对应 TXT，会被当成背景图处理，但如果你希望它参与负样本学习，保留空文件更稳妥。
2.3 划分训练集和验证集：别让同一场景的图像同时出现在两边
数据划分看起来简单，但在海洋检测里有个隐蔽问题：同一段视频抽出来的帧，或者同一位置连续拍摄的图像，如果随机划分，训练集和验证集会高度相似，验证指标虚高，实际部署时性能掉得厉害。我的做法是按图像来源或拍摄批次分组，同一组的图像只进训练集或只进验证集。如果数据集没有提供来源信息，至少按文件名前缀或时间戳做粗略分组。
# 按 8:2 划分，先打乱再取，但打乱前按前缀分组 ls images | shuf > all.txt head -n 915 all.txt > train.txt tail -n 229 all.txt > val.txt这里 1144 张按 8:2 分，训练集 915 张，验证集 229 张。数量不大，所以验证集不要太小，否则指标波动会很大。如果发现验证集指标忽高忽低，先检查是不是划分时把相似图像分到了两边。
3. 用 YOLO 训练海洋垃圾检测模型：配置、参数与训练过程
3.1 选 YOLOv5 还是 YOLOv8，小数据集上差别在哪
面对 1144 张图像这个量级，YOLOv5 和 YOLOv8 都能跑，但选择上有实际差异。YOLOv5 的生态更成熟，配置文件直观，社区里针对小数据集的调参经验多，出问题容易搜到答案。YOLOv8 的默认增强策略更强，对小数据集更友好，但配置文件结构变化较大，第一次上手需要适应。我一般会先用 YOLOv5s 跑一个基线，确认数据管道没问题，再换 YOLOv8n 对比。两个模型都很轻，单卡训练几小时就能出结果。
选型时还要看你的部署目标。如果最终要跑到边缘设备上，YOLOv5n 或 YOLOv8n 这种 nano 级别更合适，参数量小，推理快。如果只在服务器上跑，可以用 s 或 m 级别，精度会好一些。海洋垃圾检测里小目标多，输入分辨率不要低于 640，否则小目标在特征图上几乎消失。
3.2 训练命令与关键参数：从 data.yaml 到超参数
YOLO 训练的核心是 data.yaml 文件，它告诉模型去哪里找图像、类别数是多少、类别名是什么。下面是一个针对 Trash-ICRA19 的配置示例。
# data.yaml train: ./train.txt val: ./val.txt nc: 4 names: ["plastic", "metal", "rubber", "other"]train 和 val 指向图像路径列表文件，nc 是类别数，names 要和转换脚本里的 class_map 顺序一致。配置好后，用命令行启动训练。
# YOLOv5 训练示例 python train.py --data data.yaml --weights yolov5s.pt --img 640 --epochs 100 --batch 16 --device 0参数逐个说：--img 640 是输入分辨率，海洋小目标建议不低于 640；--epochs 100 对 1144 张图来说够用，如果验证集指标还在涨可以加到 150；--batch 16 取决于显存，显存不够就降到 8；--device 0 指定第一块 GPU。训练过程中重点看验证集的 mAP@0.5 和 mAP@0.5:0.95，前者反映能不能框到，后者反映框得准不准。海洋垃圾检测里 mAP@0.5 通常能到 0.6 以上，但 mAP@0.5:0.95 会低不少，因为水下目标边界模糊，框的精度天然受限。
3.3 数据增强怎么开：海洋场景下哪些增强有用哪些有害
YOLO 默认开启的增强包括 HSV 色调饱和度调整、随机翻转、缩放和平移。海洋场景下，HSV 增强很有用，因为水下图像色偏严重，模型需要对颜色变化鲁棒。随机翻转也可以，但要注意如果图像里有方向性目标（比如某些有朝向的垃圾），翻转可能引入不合理样本。缩放和平移对小目标检测有帮助，但缩放幅度不要太大，否则小目标变得更小。
有一个增强要谨慎使用：马赛克增强。它把四张图拼成一张，能增加小目标数量，但在海洋场景下，拼接后的图像会出现不自然的边界，模型可能学到拼接伪影而不是真实特征。我的经验是前期开启马赛克，后期最后 10 到 20 个 epoch 关掉，让模型在真实分布上微调。YOLOv5 里可以用 --mosaic 0 在最后阶段关闭，或者用 close_mosaic 参数控制。
4. 海洋检测场景下的避坑与排查记录
4.1 验证集 mAP 很高但实际推理框不住，先查标注坐标是否归一化错误
现象：训练日志里 mAP@0.5 到了 0.8，但拿几张训练集里的图做推理，框的位置明显偏移，甚至框到了图像外面。原因：标注转换时归一化用错了图像尺寸，比如用了一个固定值而不是每张图的真实宽高，导致坐标系统性偏移。解决：写一个校验脚本，随机抽 20 张图，把 YOLO 格式的标注还原成像素坐标画到图上，肉眼确认框是否贴合目标。这个步骤我每次转换完都会做，花十分钟，能拦住大部分标注问题。
4.2 训练损失正常但验证损失震荡，检查验证集里是否有空标注图像
现象：训练损失稳步下降，验证损失忽高忽低，mAP 波动超过 0.1。原因：验证集里混入了没有标注目标的图像，或者标注文件为空但图像里有目标。YOLO 对空标注的处理是当作背景，但如果验证集里背景图比例过高，指标会不稳定。解决：统计验证集里每个 TXT 文件的行数，行数为 0 的比例不要超过 10%。如果超过，要么补充标注，要么把这些图移到训练集当负样本。
4.3 小目标漏检严重，别急着换模型，先看输入分辨率和锚框
现象：大块垃圾能框到，小片塑料漏检。原因：输入分辨率太低，小目标在 32 倍下采样后只剩几个像素；或者默认锚框尺寸不适合海洋垃圾的尺度分布。解决：先把 --img 从 640 提到 800 或 960，看漏检是否改善。如果改善明显，说明是分辨率问题。如果改善有限，用 k-means 重新聚类锚框，用你数据集的真实框尺寸跑一遍，替换默认锚框。YOLOv5 里可以用 --anchor 指定自定义锚框文件。
4.4 推理时类别置信度普遍偏低，检查类别不平衡和置信度阈值
现象：模型能框到目标，但置信度大多在 0.3 到 0.5 之间，调高阈值就漏检，调低就误检。原因：类别不平衡，某些类别样本太少，模型对它们的学习不充分。解决：先统计每个类别的标注框数量，如果最少类别和最多类别差 5 倍以上，考虑对少样本类别过采样，或者用 focal loss 这类对不平衡更鲁棒的损失。推理时置信度阈值不要一刀切，可以按类别分别设，少样本类别适当降低阈值。
4.5 训练到一半显存溢出，排查图像尺寸不一致和 batch 设置
现象：训练前几个 epoch 正常，突然报显存不足。原因：数据集中混入了尺寸特别大的图像，或者某些图像通道数不是 3。解决：训练前统一检查所有图像的尺寸和通道数，把异常图像挑出来。YOLO 默认会 resize，但如果原图极大，resize 前的内存占用也会很高。另外，如果开了多尺度训练，每轮图像尺寸随机变化，显存占用会波动，batch 要留足余量。
5. 把模型用起来：推理、验证与一个提升小目标召回的具体技巧
训练完之后，真正要验证的是模型在没见过的海洋图像上能不能用。推理命令很简单，但有几个参数直接影响你看到的结果。
python detect.py --weights runs/train/exp/weights/best.pt --source test_images --img 800 --conf 0.25 --iou 0.45--img 800 是推理分辨率，可以和训练时不同，适当提高对小目标有利。--conf 0.25 是置信度阈值，低于这个值的框不显示。--iou 0.45 是 NMS 的 IoU 阈值，控制重叠框的合并程度。海洋场景里目标密集时，IoU 可以调到 0.5 到 0.6，避免把相邻目标误合并。
验证模型是否值得投入，不能只看 mAP。我一般会做三件事。第一，按类别看召回率，确认没有某个类别完全漏检。第二，按目标尺寸分段统计，小目标召回率如果低于 0.3，说明模型对小目标还不够敏感。第三，拿一批完全没参与训练的图像跑一遍，人工数一下漏检和误检，算一个实际可用率。这个数字比 mAP 更能反映落地价值。
最后分享一个提升小目标召回的具体技巧：在推理阶段用切片推理。把一张大图切成有重叠的小块，分别检测，再把结果合并。这样小目标在每一块里的相对尺寸变大，更容易被检测到。代价是推理时间增加，但召回率通常能提升 10 到 20 个百分点。实现上可以写一个简单的滑动窗口脚本，窗口大小设为 640，重叠 128 像素，每块单独推理后按坐标映射回原图，再用 NMS 合并。这个技巧在海洋监测里特别实用，因为监控图像往往视野大、目标小，直接整图推理很容易漏掉远处的垃圾。
我自己在这个方向上踩过最深的坑，是早期太相信验证集指标，没做按尺寸分段的召回统计，结果模型在验证集上看着不错，实际部署到一段新视频上，小片塑料几乎全漏。后来养成了习惯：每次训练完，先跑一遍分尺寸召回，再决定要不要继续调。希望帮到你。
本文还有配套的精品资源，点击获取
