无人机电力巡检线树检测数据集详解：VOC/YOLO格式与YOLOv8训练实践

1. 无人机电力巡检为什么要做“线树检测”：应用场景与数据价值

1.1 “线树矛盾”是巡检现场最头痛的老大难

做无人机电力巡检的朋友应该都有同感：航拍这关其实不难，难的是拍回来的图怎么看、怎么用。线路走廊大部分穿过山区和林区，植被在春夏两季疯长，树枝、竹子一旦逼近导线，遇到潮湿天气就可能放电、跳闸甚至引发山火。这类隐患有个近乎行话的说法叫“线树矛盾”，几乎是外线班组每天都在盯的事情。

人工巡检的效率瓶颈很明显：一条线路几十公里，光靠人开车、走路逐基杆塔看，一天跑不了多少。无人机飞一遍虽然快，但导出的航拍图少则几千张、多则上万张，回放筛查全靠肉眼，看久了不仅眼睛疲劳，漏判也难免。真正有用的方案是把目标检测模型搬过来，让算法自己去框出“电缆”和“植被”这两类目标，再结合可见光图像中的位置关系判断侵限风险。这也是无人机航拍电缆植被检测这类项目越来越受关注的核心原因。

1.2 6187张的数据集到底解决了什么问题

我这两天整理了一套无人机航拍电缆植被检测数据集，共 6187 张图片，VOC 和 YOLO 两种标注格式都齐了。数量看起来不算夸张，但在航拍电力场景里，这已经是相当可用的规模。要知道，航拍数据获取本身就有门槛：要联系线路、等天气、飞航线、拍完还要一帧帧筛图，然后人工框几百张图就够熬夜的。6187张图意味着你可以走比较标准的训练流程：分出训练集验证集、做数据增强、用预训练权重微调，而不必担心数据量太少导致模型完全训不动。

这套数据适合谁？首先是做电力巡检智能化项目的开发者，你要训练一个线路走廊隐患识别模型，手里最缺的就是带标注的现场数据；其次是做目标检测方向研究的学生，想拿一份真实航拍场景练手，VOC和YOLO双格式免去了到处找转换工具的麻烦；再就是做无人机方案集成的工程师，想快速验证“能不能在机载设备上实时识别植被和电缆”。不管是哪种用途，你先要弄清楚格式怎么组织、类别怎么定义、坐标怎么换算，然后才能稳稳当当地把训练跑起来。

2. 数据集实拆：VOC和YOLO格式目录、标注类别与图像特征

2.1 VOC和YOLO两种格式到底长什么样

VOC格式沿用的是 Pascal VOC 的那套目录习惯，核心是每张图对应一个XML文件。XML里写清楚了图片宽度、高度，以及每个目标的类别名和 bndbox 坐标，也就是左上角和右下角的像素坐标。目录大致长这样：

dataset/ ├── JPEGImages/ # 所有jpg图片 │ ├── 000001.jpg │ └── ... ├── Annotations/ # 对应的XML标注 │ ├── 000001.xml │ └── ... └── ImageSets/Main/ # 可选的训练/验证划分列表

YOLO格式就简单粗暴了，每张图对应一个同名的txt文件，每一行表示一个目标：类别ID、归一化后的中心点x、中心点y、宽度w、高度h。所有数值都除以了图片宽高，落在0到1之间，所以换不同训练分辨率也不用重新算坐标。

dataset/ ├── images/ │ ├── 000001.jpg │ └── ... └── labels/ ├── 000001.txt └── ...

两种格式各有用处。VOC信息更完整，适合手工查看、二次编辑；YOLO格式是各个YOLO版本直接吃的格式，训练前基本不用额外处理。

2.2 先别急着训练，把标注类别搞清楚

很多新手拿到数据集就套模板开训，结果类别名对不上，模型输出的类别跟自己的预期完全是两回事。最稳妥的做法是写个脚本把XML里的 name 标签扫一遍，统计都有哪些类。

基于这类项目的常见实践，标注里一般会包含两个核心类别：电缆（cable）和植被/树木（tree）。有些同类型数据集还会额外标注杆塔（pylon），因为杆塔既是线路结构的参照物，也是无人机巡检经常入镜的强目标。我建议你拿到数据后先执行下面这段扫描：

import xml.etree.ElementTree as ET from pathlib import Path annot_dir = Path("Annotations") class_set = {} for xml_file in sorted(annot_dir.glob("*.xml")): tree = ET.parse(xml_file) root = tree.getroot() for obj in root.iter("object"): name = obj.find("name").text.strip() class_set[name] = class_set.get(name, 0) + 1 print("类别统计：", class_set)

扫描完你会看到每一类的样本数量。如果某一类比另一类少很多，后面训练时就得留意类别不平衡问题。另外要确认标注文件的类别名跟你的任务定义一致：你的业务如果只关心“树离导线多近”，那类别就是 tree 和 cable；如果还要识别线路上的其他部件，就按需增删类别ID。YOLO格式里类别顺序和名字不是固定的，它只认ID，所以你在配置文件中怎么设置，模型就怎么输出。

2.3 图像内容和标注尺度有什么特点

这套数据因为是无人机视角，图像特征和普通目标检测数据集有明显的区别。首先是视角特殊：大部分图是俯拍或斜俯拍，目标不像行车记录仪拍出的物体那样正立清晰，姿态变化很大；其次是光照不统一，同一条线路可能上午飞一边顺光、下午飞另一边逆光，图里反差很大；再有就是目标尺度悬殊，杆塔在画面里可能占几百个像素，而远处的电缆往往只有几个像素宽，横穿整张图。

标注方面也要多留个心眼。有的标注框贴着目标严丝合缝，有的则宽松一些，把周边的浅色光晕也算进去了。这两种风格各有取舍：框得紧，模型回归目标位置时更精确，但容易漏掉边缘；框得宽，训练更容易收敛，但测试时预测框往往偏大。实际操作中不用纠结哪种更好，保持训练集和验证集标注风格一致就行。

3. 数据预处理与格式转换实操

3.1 第一步先做数据体检

不要拿到数据直接开训，先做一遍体检。航拍数据常见这几个坑：下载解压后图片损坏、标注XML缺失、图片跟XML名字对不上、某些XML的 bndbox 里有负数或者宽高为0。这些问题不会报错，只会悄悄拉低训练效果。

我习惯的检查顺序是：先统计 JPEGImages 和 Annotations 的数量是否一致，再抽样解析XML，看看是否有空标注和越界坐标。写个简单脚本：

from pathlib import Path import xml.etree.ElementTree as ET from PIL import Image img_files = {p.stem for p in Path("JPEGImages").glob("*.jpg")} xml_files = {p.stem for p in Path("Annotations").glob("*.xml")} print("图片数：", len(img_files)) print("标注数：", len(xml_files)) print("有图无标注：", len(img_files - xml_files)) print("有标注无图：", len(xml_files - img_files)) # 检查图片是否损坏 for p in Path("JPEGImages").glob("*.jpg"): try: img = Image.open(p) img.verify() except Exception: print("损坏图片：", p.name)

这套检查跑完，基本能保证后续转换不会因为文件缺失中途报错。

3.2 VOC转YOLO的Python脚本与坐标细节

把VOC转成YOLO，核心就是读XML里的 bndbox，再换算成归一化坐标。细节决定成败，下面这几个点最容易出错：

第一，VOC里 xmin/ymin/xmax/ymax 是像素坐标，YOLO要求的是中心点加宽高；第二，转换后数值要除以图片的真实宽高，不是XML里记录的宽高再相信一次，最好以实际读取的图片尺寸为准；第三，个别标注框可能超出了图像边界，直接写入txt会导致训练时解析报错，要裁剪到0到1的范围并过滤宽高为负的无效框。

以下是一个通用转换脚本，类名到ID的映射你自己定义：

import xml.etree.ElementTree as ET from pathlib import Path from PIL import Image annot_dir = Path("Annotations") save_dir = Path("labels") save_dir.mkdir(exist_ok=True) class_dict = {"tree": 0, "cable": 1} # 按实际情况调整 for xml_file in sorted(annot_dir.glob("*.xml")): tree = ET.parse(xml_file) root = tree.getroot() # 以实际图片尺寸为准 img_path = Path("JPEGImages") / (xml_file.stem + ".jpg") with Image.open(img_path) as img: width, height = img.size txt_path = save_dir / (xml_file.stem + ".txt") lines = [] for obj in root.iter("object"): name = obj.find("name").text.strip() if name not in class_dict: continue box = obj.find("bndbox") x1 = float(box.find("xmin").text) y1 = float(box.find("ymin").text) x2 = float(box.find("xmax").text) y2 = float(box.find("ymax").text) # 防止坐标越界：约束在有效像素范围内 x1 = max(0, min(x1, width - 1)) y1 = max(0, min(y1, height - 1)) x2 = max(0, min(x2, width - 1)) y2 = max(0, min(y2, height - 1)) # 过滤掉宽或高为0的无效目标 if x2 <= x1 or y2 <= y1: continue x_center = (x1 + x2) / 2 / width y_center = (y1 + y2) / 2 / height box_w = (x2 - x1) / width box_h = (y2 - y1) / height lines.append(f"{class_dict[name]} {x_center:.6f} {y_center:.6f} {box_w:.6f} {box_h:.6f}") txt_path.write_text("\n".join(lines), encoding="utf-8") print("转换完成")

转换后建议随机挑几张图，把txt里的坐标画回图上对比，确认没有框错位。

3.3 训练集和验证集怎么划分才靠谱

划分数据看起来一句话的事，实际上坑不少。最忌讳的是直接按文件名顺序前80%训练、后20%验证，因为航拍数据往往是一条航线连续拍的，相邻帧内容高度相似，这样划分会导致训练集和验证集之间存在大量重复场景，验证指标虚高。

我实际操作时通常按“航线或拍摄批次”划分，没有额外元信息时，就按文件名排序后做间隔抽样，或者用分层抽样让每类目标在训练和验证里的比例接近。分层抽样可以直接用 sklearn：

from pathlib import Path from sklearn.model_selection import train_test_split # 假设已经有 images 目录和 labels 目录 images = sorted(Path("images").glob("*.jpg")) # stratify需要每张图的类别信息，这里简化为按文件名序列分层 # 也可以用每张图标签中的类别ID作为分层依据 train_imgs, val_imgs = train_test_split( images, test_size=0.2, random_state=42 )

如果你想要每张图的类别信息做真正的分层，可以解析对应txt的第一列，按其作为 stratify 参数。验证集保持在 15%~20% 就差不多，再大反而浪费训练样本。

4. 基于YOLOv8的模型训练实操：从配置文件到调参

4.1 环境准备和数据配置文件

YOLOv8是目前我跑这类场景用得最顺的框架，安装直接一条命令：

pip install ultralytics

训练前要写一个数据配置文件，告诉模型图片路径、验证路径和类别名。格式如下：

path: /data/cable_vege train: images/train val: images/val names: 0: tree 1: cable

注意 path 是数据集根目录，train和val是相对路径。如果目录里没有单独的 train/val 子目录，只有 images 和 labels，可以先把 images 按比例拆成 train 和 val 两个目录，labels 也要对应拆成两份，保证图片和标签相对路径完全一致。我习惯用一个小脚本同步拆分，避免手工移动导致某个验证图片找不到标签。

4.2 训练参数选择：模型大小、分辨率、批次和轮次

跑这类检测任务，模型大小选择很直接。机载设备或边缘盒子算力有限，优先用 yolov8n 或 yolov8s；服务器训练可以做实验出效果，用 yolov8m。分辨率方面，无人机拍摄的电缆在原始图里往往很细，如果用默认的 640x640 输入，小目标会被降采样到几个像素，很难学出特征。这套数据我建议训练和推理都开 imgsz=1280 或至少 1024，代价是显存占用涨好几倍。

批次大小取决于显存，做一张参数对照表会更清楚：

训练命令很简单：

yolo train model=yolov8m.pt data=cable_vege.yaml epochs=150 imgsz=1280 batch=8 patience=20

如果显存不够，可以先把 batch 调小到4，再加 accumulate=8 模拟更大的批大小，效果类似但训练时间会拉长。

4.3 训练指标怎么看，什么时候该停

训练过程中重点看两个曲线：一个是训练集和验证集的 loss 有没有同步下降，另一个是验证集的 mAP50 和 mAP50-95 是否还在上升。电力场景下我更关心 recall（召回率），因为漏掉一棵贴近导线的树比误报几棵树严重得多。mAP50-95 在航拍小目标场景通常会比 mAP50 低不少，这是正常现象，不必慌。

训练结束后去看 per-class 的 AP。如果 tree 类 AP 很高而 cable 类 AP 明显低，说明电缆这种细长小目标没学好，解决办法通常是提高输入分辨率、增强训练数据里的尺度变化，或者单独采样一些含电缆的图像做重训。另外，一定拿出几十张验证图看一眼模型可视化输出，指标再漂亮，框得偏不偏、有没有把山间小路当电缆，还是肉眼看得准。

5. 实测踩坑记录：漏检、误检、数据泄漏与标注问题排查

5.1 小目标漏检：分辨率不够和Mosaic增强的取舍

无人机航拍里电缆是最容易漏的一类。电缆在画面里往往只有几个像素宽，前景背景对比度又低，模型很容易把它忽略。我实测下来最有效的手段就是抬 inference 分辨率，其次是在训练后期关闭Mosaic增强。Mosaic增强对小目标其实有点坑：四张图拼在一起，目标再被缩小一次，本来就细的电缆变得更细，反而帮倒忙。

如果你用的是较新版Ultralytics，可以在训练命令里加 close_mosaic=10，意思是最后10轮关闭Mosaic。老版本没有这个参数也不用纠结，手动改成常规训练即可。推理阶段还可以考虑把大图切成若干小图分块检测，再合并结果，对极小目标效果提升非常明显，代价是推理时间变长。

5.2 误检怎么压：背景干扰、置信度阈值和后处理

误检同样让人头疼。最常见的是把道路、栅栏、输电线杆附近的拉线等线性结构识别成电缆。这类误检单看模型输出很难根除，因为形态上确实像。我的经验是三个方向一起使劲。第一，数据层面尽量补充“难负样本”，也就是不含电缆但有很多线性结构的航拍图，标注为空即可，让模型学会在这些背景上闭嘴。第二，调高推理置信度阈值，从默认的0.25调到0.3或0.35，误检会明显变少，前提是漏检没有明显增加。第三，加后处理规则，比如按检测框的长宽比过滤：真正电缆的框通常是长条形的，ratio明显偏离的框直接丢掉。

排查误检还有一个笨但有效的办法：把预测结果导出成图片，按类别分别归档，花十分钟快速翻一遍就能看到误检集中在哪类背景上，然后针对性处理。

5.3 数据泄漏与标注质量：一个值得反复自查的动作

数据泄漏在航拍数据里很容易踩。同一航线相邻帧往往很相似，如果随意随机划分，模型可能在验证集上表现得异常好，一上真实新数据就垮掉。判断方法很简单：看验证集的mAP是不是高得离谱，而loss又一直降不下来，两者不匹配就要怀疑泄漏。解决办法是重新按航线或时间间隔划分数据。

标注质量方面，最常见的问题是类别名不统一，比如有人标“tree”，有人标“vegetation”，脚本按名称映射时漏掉了一类，模型训练时类别数就对不上。另外，如果转换YOLO格式后发现训练时提示 labels 越界，十有八九是原始标注框坐标超出了图片范围，脚本里一定得做 clip 和过滤。我每次开始训练前都会做一次可视化检查，把几十张图的标注框画出来，用眼睛过一遍，虽然费点时间，但比训了半天才发现数据错了强得多。

我把这几种常见问题整理成一个速查表，方便对照：

6. 一些实际操作后的体会

关于这套数据，我最想多说一句的是：别小看数据整理这一步。很多人拿到6187张图，第一反应是赶紧把训练跑起来，但实际上花半天做体检、转格式、划数据，后面能省好几天返工的时间。我自己踩过连续帧泄漏的坑，也踩过类别名不统一的坑，都是看着不起眼、影响却很大的问题。

另外，如果后续要落地到实际巡检项目，我建议你在检测完目标之后，加上一个简单的距离判断逻辑：知道相机分辨率和飞行高度时，可以把图像像素距离估算成实际距离，再按线路电压等级对应的安全距离配置告警阈值。这样从“检测出树和电缆”推进到“判断是否侵限”，整套方案的价值会上升一个台阶。数据是死的，怎么用才是活功夫。