红外火灾检测数据集实战：从标注格式转换到YOLO训练避坑指南

简介：这份红外火灾检测数据集面向从事火灾预警、工业安全监控与智能安防的算法工程师及AI研究者，提供真实监控场景下的红外热成像图像，用于训练火焰与火源目标检测模型，解决可见光条件下烟雾遮挡、夜间识别困难等问题。资源包共2000个文件，包含1608个YOLO格式标注txt、390张红外图像jpg，以及1个yaml配置和1份docx说明文档，压缩包约49.06MB，可直接接入YOLO系列等主流检测框架。数据集划分训练集1467张、验证集93张、测试集48张，标注严格区分Fire与Foc两类，边界框聚焦热成像核心区域，覆盖森林、山地、建筑与设备等多种自然和人工场景，有助于提升模型泛化能力。目前已有264人学习下载，适合构建火灾早期报警、高温区域动态分析及消防应急研究等应用，也可作为消防培训中红外火灾特征识别的素材。

1. 红外火灾检测数据集到底装了什么：从一次误报翻车说起

凌晨两点，厂区值班室打电话过来，说监控画面里"着火了"。我打开后台一看，是阳光照在金属料堆上反射进红外镜头，温度阈值直接顶格，报警器响得理直气壮。这就是纯阈值方案最经典的翻车现场——它只认温度高低，不认"这团高温到底长什么样"。后来我把思路换成用红外火灾检测数据集训练目标检测模型，让模型学火焰在红外波段下的形状、纹理和动态特征，误报率才压下来。这篇笔记讲的就是这套数据集从拿到手到跑通训练的全过程：它里面装的是什么、标注格式怎么读、怎么转成 YOLO 能吃的格式、训练参数怎么调、以及我踩过的那些坑。适合正在做工业消防、森林防火、储能电站热失控预警的算法和嵌入式工程师，也适合手上有红外模组、想把数据用起来的硬件同学。红外火灾检测数据集不是一张张"火苗照片"那么简单，它背后是一整套红外成像特性、标注规范和训练策略的组合，搞不清这些，模型上线就是下一个半夜报警。

2. 红外火灾检测数据集的结构与标注格式拆解

2.1 红外图像和可见光图像差在哪，为什么不能混着训

先把一个常见误解说清楚：红外火灾检测数据集里的图像，绝大多数是长波红外（LWIR，一般 8～14μm）热成像，不是可见光加了滤镜。这意味着三件事。第一，图像是单通道灰度或伪彩，像素值代表辐射温度而不是反射亮度，所以火焰在红外里通常是高亮团块，但烟雾几乎不可见——烟雾温度接近环境，红外对比度极低。第二，金属、玻璃这类低发射率材质在红外里会"骗人"，反射环境热源形成假高温区，这就是我开头翻车的根源。第三，红外镜头普遍分辨率偏低，常见 256×192、384×288、640×512，比可见光动辄 1920×1080 差一个量级，小目标火焰可能只占十几个像素。

所以选型第一条：别拿可见光火灾数据集（比如某些公开的火焰烟雾数据集）直接混进红外数据训练，域差异会让模型在红外上表现崩掉。如果一定要混合，得先做域对齐，或者干脆分开训两个模型做决策融合。红外火灾检测数据集的价值恰恰在于它提供了同域的真实红外样本，这是自己拿可见光数据补不出来的。

2.2 标注格式：VOC XML、COCO JSON 还是 YOLO txt

拿到数据集先别急着训，第一步是搞清楚标注格式。红外火灾检测数据集常见的标注组织方式有三种，我按遇到频率排：

判断方法很直接：看有没有 xml 文件夹、有没有一个大的 json、或者 labels 里是不是一堆 txt。红外火灾检测数据集如果是从标注平台导出的，多半是 VOC 或 COCO；如果是别人转好给 YOLO 用的，就是 txt。这里有个血泪经验：有些数据集号称 YOLO 格式，但 txt 里写的是绝对坐标没归一化，直接训会全乱。验证方法下面给。

2.3 用一段脚本快速体检数据集

在动手转换前，我习惯先跑一段体检脚本，把类别分布、图像尺寸、标注框大小统计出来。这一步能提前发现类别极度不平衡、空标注、坐标越界等问题。

import os, glob from collections import Counter from PIL import Image root = "infrared_fire_dataset" # 数据集根目录 img_dir = os.path.join(root, "images") lbl_dir = os.path.join(root, "labels") cls_counter = Counter() box_areas = [] bad_files = [] for txt in glob.glob(os.path.join(lbl_dir, "*.txt")): with open(txt) as f: lines = [l.strip() for l in f if l.strip()] if not lines: bad_files.append(txt) # 空标注文件，训练时会当负样本 continue for line in lines: parts = line.split() if len(parts) != 5: bad_files.append(txt) continue c, x, y, w, h = int(parts[0]), *map(float, parts[1:]) cls_counter[c] += 1 # 归一化坐标应落在 0~1，越界说明没归一化或标错 if not (0 <= x <= 1 and 0 <= y <= 1 and 0 < w <= 1 and 0 < h <= 1): bad_files.append(txt) box_areas.append(w * h) print("类别分布:", dict(cls_counter)) print("框数量:", len(box_areas)) if box_areas: box_areas.sort() print("框面积中位数:", box_areas[len(box_areas)//2]) print("最小框面积:", box_areas[0]) print("可疑文件数:", len(set(bad_files)))

逻辑说明：脚本遍历 labels 目录下所有 txt，逐行解析 YOLO 五元组。类别计数用 Counter，框面积用归一化宽高相乘，能反映目标尺度分布。参数上，root改成你自己的路径即可；bad_files收集空文件、字段数不对、坐标越界的文件，这三类是训练前必须处理的。如果"最小框面积"小于 0.0001（约 10×10 像素在 640 图上），说明存在极小目标，后面训练要开小目标增强，否则这些样本基本学不到。

3. 把红外火灾检测数据集转成 YOLO 可训练格式

3.1 VOC 转 YOLO：坐标归一化和类别映射

如果你的红外火灾检测数据集是 VOC 格式，转换核心就两步：读 xml 里的 bndbox，除以图像宽高做归一化，再按类别名映射成整数 id。下面这段脚本我用了很多次，稳。

import os, glob import xml.etree.ElementTree as ET from PIL import Image voc_dir = "infrared_fire_dataset/Annotations" img_dir = "infrared_fire_dataset/JPEGImages" out_dir = "infrared_fire_dataset/labels" os.makedirs(out_dir, exist_ok=True) # 类别名到 id 的映射，顺序必须和训练时 data.yaml 的 names 一致 classes = ["fire", "smoke", "hotspot"] cls2id = {c: i for i, c in enumerate(classes)} for xml_path in glob.glob(os.path.join(voc_dir, "*.xml")): tree = ET.parse(xml_path) root = tree.getroot() # 用对应图像的真实尺寸做归一化，别用固定值 img_name = root.find("filename").text img_path = os.path.join(img_dir, img_name) W, H = Image.open(img_path).size lines = [] for obj in root.findall("object"): name = obj.find("name").text.strip() if name not in cls2id: continue # 跳过未定义类别，避免 id 错乱 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，防止标注越界产生负宽高 xmin, ymin = max(0, xmin), max(0, ymin) xmax, ymax = min(W, xmax), min(H, ymax) cx = (xmin + xmax) / 2 / W cy = (ymin + ymax) / 2 / H bw = (xmax - xmin) / W bh = (ymax - ymin) / H lines.append(f"{cls2id[name]} {cx:.6f} {cy:.6f} {bw:.6f} {bh:.6f}") out_path = os.path.join(out_dir, os.path.splitext(img_name)[0] + ".txt") with open(out_path, "w") as f: f.write("\n".join(lines))

逻辑说明：关键是归一化必须用每张图自己的 W、H，不能图省事用 640 或 416 固定值，否则非标准尺寸的图全错。cls2id的顺序要和后面 data.yaml 的 names 严格一致，这是新手最容易翻车的地方——训练时类别对不上，模型把火识别成烟。坐标裁剪那两行是后悔药，标注平台偶尔会导出越界框，不裁会产生负宽高，训练直接报错。

3.2 COCO 转 YOLO：处理 segmentation 和 iscrowd

COCO 格式稍微麻烦点，因为它的 bbox 是 [x, y, w, h] 绝对像素，且可能带 segmentation。红外火灾检测数据集如果来自 COCO 标注，转换时注意两点：一是 bbox 的 w、h 是绝对宽高，不是右下角坐标；二是 iscrowd=1 的框通常不参与训练，建议跳过。

import json, os from PIL import Image coco_json = "infrared_fire_dataset/annotations/instances.json" img_dir = "infrared_fire_dataset/images" out_dir = "infrared_fire_dataset/labels" os.makedirs(out_dir, exist_ok=True) with open(coco_json) as f: data = json.load(f) # COCO 的 category_id 往往不连续，重映射成 0 起始 cats = sorted(data["categories"], key=lambda x: x["id"]) cat_map = {c["id"]: i for i, c in enumerate(cats)} print("类别映射:", {c["name"]: cat_map[c["id"]] for c in cats}) img_info = {im["id"]: im for im in data["images"]} # 按图像聚合标注 from collections import defaultdict per_img = defaultdict(list) for ann in data["annotations"]: if ann.get("iscrowd", 0) == 1: continue # 跳过 crowd 区域 per_img[ann["image_id"]].append(ann) for img_id, anns in per_img.items(): im = img_info[img_id] W, H = im["width"], im["height"] lines = [] for ann in anns: x, y, w, h = ann["bbox"] cx = (x + w / 2) / W cy = (y + h / 2) / H lines.append(f"{cat_map[ann['category_id']]} {cx:.6f} {cy:.6f} {w/W:.6f} {h/H:.6f}") name = os.path.splitext(im["file_name"])[0] with open(os.path.join(out_dir, name + ".txt"), "w") as f: f.write("\n".join(lines))

逻辑说明：COCO 的 category_id 经常是 1、3、7 这种不连续值，直接拿来当 YOLO 类别 id 会出问题，所以用cat_map重映射成 0 起始连续值。iscrowd跳过是常规操作，crowd 区域标注本身就不精确。参数上，coco_json指向 instances 那个 json，别指成 captions。转换完记得再跑一遍 2.3 的体检脚本确认。

3.3 划分训练验证集并写 data.yaml

转换完标注，还要划分 train/val 并写配置文件。我一般按 8:2 分，且同一段视频抽出的帧要分到同一侧，否则相邻帧同时出现在训练和验证集会造成数据泄漏，验证指标虚高。

# 假设 images 和 labels 已就位，按 8:2 随机划分 python - <<'EOF' import os, random, shutil random.seed(42) img_dir = "infrared_fire_dataset/images" lbl_dir = "infrared_fire_dataset/labels" for split in ["train", "val"]: os.makedirs(f"dataset/{split}/images", exist_ok=True) os.makedirs(f"dataset/{split}/labels", exist_ok=True) imgs = [f for f in os.listdir(img_dir) if f.lower().endswith((".jpg",".png",".jpeg"))] random.shuffle(imgs) n_val = int(len(imgs) * 0.2) for i, img in enumerate(imgs): split = "val" if i < n_val else "train" shutil.copy(os.path.join(img_dir, img), f"dataset/{split}/images/{img}") lbl = os.path.splitext(img)[0] + ".txt" src = os.path.join(lbl_dir, lbl) if os.path.exists(src): shutil.copy(src, f"dataset/{split}/labels/{lbl}") EOF

对应的 data.yaml：

path: ./dataset train: train/images val: val/images nc: 3 names: ["fire", "smoke", "hotspot"]

逻辑说明：random.seed(42)保证划分可复现，团队协作时大家拿到同一份划分。nc和names必须和转换脚本里的类别顺序完全一致，这是硬约束。如果数据集本身按视频序列组织，建议改成按序列划分而不是随机划分，避免上面说的帧泄漏。

4. 红外火灾检测数据集训练避坑：5 个真实踩坑记录

4.1 坑一：验证集 mAP 很高，上线全是误报

现象：训练完 mAP@0.5 到 0.9 以上，部署到现场误报率却高得离谱，阳光反射、暖气片、人体都触发报警。

原因：验证集和训练集同分布，都是"干净"的红外火灾场景，没有负样本（无火但高温干扰的画面）。模型没学过"高温但不是火"的负例，自然把一切高亮团块当火。

解决：往训练集里补负样本，尤其是阳光反射金属、车辆排气、人体、工业热源这几类。负样本不需要标注框，作为背景图加入即可，比例控制在正样本的 20%～30%。这一步比调任何超参都管用。

4.2 坑二：小目标火焰全漏检

现象：大火焰检测没问题，远处或初期的小火苗（十几像素）几乎全漏。

原因：红外分辨率本来就低，小目标经过下采样后特征几乎消失；加上默认 anchor 尺寸偏大，匹配不上小框。

解决：训练分辨率往上提（640 起，有条件用 1280），开 mosaic 和 copy-paste 增强，anchor 用 k-means 在你自己数据集上重新聚类。YOLOv8 这类 anchor-free 的模型省了这步，但小目标增强还是要开。

4.3 坑三：类别 id 错位，火被识别成烟

现象：训练 loss 正常下降，但推理时类别全乱，fire 框标成 smoke。

原因：转换脚本里的类别顺序和 data.yaml 的 names 顺序不一致，或者 COCO 的 category_id 没重映射。

解决：转换后立刻用 2.3 的脚本打印类别分布，再和 data.yaml 逐字比对。养成习惯：类别映射表只维护一份，转换和配置都引用它。

4.4 坑四：图像尺寸不一致导致训练报错

现象：训练启动就报 tensor 尺寸不匹配，或者某些图被拉伸变形。

原因：红外火灾检测数据集里混了不同分辨率的相机数据（256×192 和 640×512 混在一起），且没统一 resize。

解决：训练前统一 resize 到目标尺寸，保持长宽比做 letterbox 填充，别直接拉伸。Ultralytics 的 dataloader 默认会做 letterbox，但如果你自己写 dataset 类，这一步要手动实现。

4.5 坑五：把红外当灰度图三通道复制，浪费算力还掉点

现象：为了套用预训练权重，把单通道红外图复制成三通道，结果精度没提升，推理还慢。

原因：ImageNet 预训练权重是 RGB 三通道，直接吃单通道会报错，所以很多人复制通道。但红外和可见光分布差异大，预训练权重迁移收益有限，复制通道反而增加计算。

解决：两种做法都试。一是改模型第一层卷积为单通道，从头训或加载时跳过第一层；二是保留三通道但做域适配微调。我实测在红外火灾检测数据集上，单通道从头训 + 充分增强，效果不比三通道迁移差，推理还省三分之一算力。

5. 让红外火灾检测模型真正能上线的两个进阶技巧

5.1 用时序信息压误报：单帧不够就上多帧

单帧红外检测有个天花板：静态高温物体和真火焰在单帧里长得像。但火焰有动态特征——闪烁、形变、面积变化，静态热源没有。我的做法是在检测模型后面接一个轻量时序判断：对同一位置连续 N 帧（一般 5～10 帧）的检测框做跟踪，统计框内像素均值方差和面积波动。真火焰方差大、面积抖动，静态热源方差小。这个后处理模块几十行代码，能把误报再压一半。

import numpy as np from collections import deque class FireTemporalFilter: def __init__(self, window=8, var_thr=15.0, area_thr=0.15): self.window = window # 观察帧数 self.var_thr = var_thr # 像素方差阈值，火焰通常更大 self.area_thr = area_thr # 面积波动比例阈值 self.hist = deque(maxlen=window) def update(self, roi_gray): # roi_gray: 当前帧检测框内的灰度区域 self.hist.append((roi_gray.mean(), roi_gray.var(), roi_gray.size)) if len(self.hist) < self.window: return False # 帧数不够，先不报警 means = [h[0] for h in self.hist] areas = [h[2] for h in self.hist] area_fluct = (max(areas) - min(areas)) / (np.mean(areas) + 1e-6) var_mean = np.mean([h[1] for h in self.hist]) # 方差大且面积抖动，判为真火焰 return var_mean > self.var_thr and area_fluct > self.area_thr

逻辑说明：window是观察窗口，太小容易误判，太大响应慢，8 帧在 25fps 下约 0.3 秒，兼顾灵敏和稳定。var_thr和area_thr要在你的场景里标定，不同相机、不同距离数值差别大，别照搬。这个过滤器只对已检测到的框做二次判断，不增加检测模型负担。

5.2 验证方法：别只看 mAP，要看场景级指标

mAP 是帧级指标，但消防要的是"一次火灾有没有报出来、一天误报几次"。所以我上线前一定跑场景级评估：把测试集按视频段组织，统计每个真实火情段是否至少触发一次报警（漏报率），以及无火段触发了多少次（误报次数/小时）。这两个指标才决定系统能不能用。具体做法是给每段视频打标签，跑完推理后按段聚合报警事件，算检出率和误报率。我一般要求漏报率低于 2%、误报低于 1 次/天，达不到就回去补负样本或调时序阈值。

最后说个习惯：每次换相机型号或安装角度，我都会重新采一批现场数据微调，哪怕只标几十张。红外成像对镜头、环境温度、发射率太敏感，实验室训好的模型直接搬到新现场，十有八九要翻车。这个方案值不值得做？如果你面对的是储能电站、变电站、森林防火这类 7×24 小时无人值守场景，红外加检测模型是目前性价比最高的组合，比纯阈值可靠得多，比可见光方案在夜间和无光环境强太多。数据集是起点，真正拉开差距的是负样本和时序后处理这两块。希望帮到你。

本文还有配套的精品资源，点击获取