简介：面向目标检测算法学习与工程实践的钢笔检测数据集，包含165张JPG图片与165个XML标注文件，XML中记录物体类别与边界框坐标，统一采用VOC格式，可直接导入YOLO等主流检测框架训练和评估。这笔数据规模小巧但内容完整，共330个文件，压缩后仅5.16MB，适合学生、科研人员或AI工程师用于快速原型验证、模型微调以及补充业务数据；对于刚接触目标检测的开发者，也能借助该资源直观理解数据标注与训练流程。目前已有122人浏览学习。数据集标注信息清晰，可方便进行训练集/验证集划分与数据增强实验；同时，资源说明中配套的ultralytics-yolo-webui工具，支持通过WebUI完成数据预处理、模型训练与推理演示，围绕笔类检测形成一条从数据到模型的便捷路径。钢笔作为常见日用品，此类检测模型在办公自动化、智能零售及工业分拣等场景中也有实用价值。 做目标检测的人应该都有这种经历：明明项目需求很垂直，比如“检测桌面上有没有笔、钢笔掉落在哪里”，翻遍公开数据集却找不到一个干净好用的类别。MS COCO 里 80 类没有 pen，VOC 20 类里自然也没有，自己临时去爬图标注又费时间又费精力。这也就是 DataBall 系列专门维护一份 pen 检测数据集的原因：把“笔 钢笔”这个小而实用的目标检测场景做成一个规范、可直接训练的数据集，配套 YOLO/VOC 格式、完整的划分和训练配置，给做目标检测的人省掉最枯燥的数据处理环节。
这篇文章围绕这份 pen 检测数据集展开，适合以下几类人参考：准备做小目标检测练手的学生、在多类别项目中需要额外加入文具类目标的生产环境开发者、以及想了解从数据集构建到模型训练全流程的算法工程师。我会把数据集的设计思路、标注规范、YOLOv8 训练的完整步骤、评价指标解读和实际踩坑记录都串起来讲，保证照做能跑通。
1. 这份pen检测数据集到底是什么，能用在哪儿
1.1 为什么通用数据集里找不到好用的“笔”
很多入门目标检测的人会先拿公开数据集跑通流程，但一旦任务变成“我要检测笔/钢笔”，问题就来了。MS COCO 里跟笔沾边的类别只有 scissors 和 book，根本没有 pen；Open Images 虽然有 Pen 这个类，但标注质量参差不齐，很多框把整只手都框进去了，直接拿来训练小目标效果很差。
所以“特定物品检测”这件事，最好的解决办法就是自己整理一份垂直数据集。这份 pen 数据集并不是简单地从某个大数据集里筛出来的，而是围绕真实使用场景重新采集和标注的，专门针对“笔/钢笔”这一类物体。它解决的核心问题就是：当你的业务场景里只需要检测笔这一类小物体时，用一份干净的数据集比在大而全的数据集里凑合要靠谱得多。
1.2 DataBall 的数据组织方式
DataBall 是我一直在维护的一个“数据+模型”系列，每个数据集一个独立目录，统一采用 images/labels 的结构，同时提供 VOC 格式的 xml 和 YOLO 格式的 txt，方便不同框架直接使用。pen 数据集是其中“目标检测系列”里的一份，标签类别只有 pen 一类。
这样设计的好处很直接：对于只需要检测笔的模型，类别单一意味着背景干扰更容易控制，mAP 更容易做高；对于需要多类别检测的项目，这份数据也可以作为基础层，跟其他文具类数据合并后重新训练。数据规模上，目前包含了 2000+ 张图片、4000+ 个标注实例，足够撑起 YOLOv8s 这个级别模型的训练需求。
2. 数据集是怎么做的：从采集到标注的完整设计
2.1 场景覆盖与样本构成
笔这个物体有个典型特征：尺度变化特别大。近景拍摄时笔身占满画面，远景拍摄时可能只有十几个像素宽。所以数据集构建时要有意识地覆盖不同拍摄距离和角度。
我整理数据时按这几个维度做了分层采样：
- 场景：办公桌面、书本旁、笔筒内、手掌中、地面掉落、杂物堆
- 角度：水平俯拍、45°斜拍、侧面平视
- 光照：自然光、室内灯光、逆光、阴影遮挡
- 数量：单支笔、多支笔混放、笔与其他文具重叠
- 状态：笔帽盖好、笔帽打开、笔尖外露、半遮挡
这些维度直接影响模型的泛化能力。如果只拍桌面俯拍，模型到了真实场景基本不能用；如果只拍单支笔，遇到笔堆在一起就会漏检。另外，小目标占比也需要刻意控制，我把宽度小于 32 像素的实例控制在 30% 左右，这样训练出来的模型才不至于“只看得清大的、看不见小的”。
2.2 标注规范与格式转换
标注工具我用的还是 LabelImg，虽然老但足够稳定，支持 PascalVOC 格式输出。所有图片统一为 JPG，标注框统一遵循一个原则：框住笔帽到笔尖的完整轮廓，不包含手持的手指或周围无关物体。如果笔被遮挡超过 60%，就放弃标注这个实例，避免给模型传递错误信息。
这里有一个特别容易踩的坑：笔这种细长物体，边框通常是又窄又长的，如果粗标或者为了让框“方正”一些而扩大区域，会把大量背景区域带入正样本，导致模型学会用背景信息来做判断。我标注时严格要求框贴近物体边缘，宁可稍微紧一些，也不要松。
格式转换直接用 Python 脚本处理，VOC 的 xml 转 YOLO 的 txt 时，关键是把 (xmin, ymin, xmax, ymax) 转成 (center_x, center_y, width, height) 的归一化坐标。转换脚本的核心逻辑如下：
import xml.etree.ElementTree as ET def convert_annotation(xml_file, out_txt, class_names): tree = ET.parse(xml_file) root = tree.getroot() img_w = int(root.find('size/width').text) img_h = int(root.find('size/height').text) lines = [] for obj in root.iter('object'): cls = obj.find('name').text if cls not in class_names: continue cls_id = class_names.index(cls) box = obj.find('bndbox') xmin = float(box.find('xmin').text) ymin = float(box.find('ymin').text) xmax = float(box.find('xmax').text) ymax = float(box.find('ymax').text) cx = (xmin + xmax) / 2.0 / img_w cy = (ymin + ymax) / 2.0 / img_h w = (xmax - xmin) / img_w h = (ymax - ymin) / img_h lines.append(f"{cls_id} {cx:.6f} {cy:.6f} {w:.6f} {h:.6f}") with open(out_txt, 'w') as f: f.write('\n'.join(lines))标注完成后，数据划分按 train/val/test = 8:1:1 进行。划分时要注意保证同一时间段、同一场景的连续帧不要被分到两个集合里，否则会出现数据泄漏，val 指标虚高，上线后才发现模型实际泛化能力不行。
3. 用YOLOv8在pen数据集上跑通全流程
3.1 环境准备与 data.yaml 配置
模型部分我用的 Ultralytics YOLOv8，理由很简单：配置门槛低、训练稳定、社区资料多。安装时建议直接通过 pip 安装：
pip install ultralytics数据准备好之后，需要在项目目录下建一个 pen.yaml 配置文件，指定训练集、验证集路径和类别信息。我的配置长这样：
path: /path/to/pen-dataset train: images/train val: images/val test: images/test names: 0: pen这里有个细节需要注意：YOLOv8 的 path 字段如果是相对路径，会相对于当前工作目录解析，很容易因为终端的工作目录不对而报 dataset not found。我习惯把 path 写成绝对路径，虽然迁移性差一些，但训练时省去排查路径问题的时间。
3.2 参数怎么定才合理
用这份数据训练时，我推荐从 YOLOv8s 起步，在精度和速度之间比较均衡。核心训练命令如下：
yolo detect train \ data=pen.yaml \ model=yolov8s.pt \ imgsz=640 \ epochs=100 \ batch=16 \ patience=20 \ project=pen_train \ name=run1imgsz 这个参数值得单独说一下。笔是典型的小目标，640 分辨率在缩放到 640x640 之后，原本就很小的笔可能只剩 10 几个像素。如果显存允许，把 imgsz 加到 960 或者 1280 对小目标检测有明显改善。实测下来，640 提升到 960，小目标的 AP 能提升 5 到 8 个百分点，缺点是显存占用和训练时间翻倍。如果显存只有 8G，建议用 imgsz=640 加 P2 检测头的方案。
epochs 设置在 100 到 150 比较合理，配合 patience=20 做早停。batch 大小根据显存调整，8G 显存跑 YOLOv8s 用 batch=16 比较稳妥，如果显存不足可以降 batch 并配合梯度累积。
3.3 小目标检测的3个进阶技巧
如果默认参数训练出来的模型对小目标漏检明显，有 3 个技巧实测有效：
第一个是增加 P2 检测头。YOLOv8 默认从 P3 层开始检测，最小检测头对应 80x80 特征图。对小目标来说，可以改用 yolov8-p2.yaml 配置，增加 160x160 的 P2 检测层，相当于让模型看更高分辨率的特征。用法很简单：
yolo detect train \ data=pen.yaml \ model=yolov8-p2.yaml \ pretrained=yolov8s.pt \ imgsz=640 \ epochs=100注意要用 pretrained 参数加载预训练权重，否则从零开始训练收敛会很慢。
第二个是切片推理。训练时用正常分辨率，推理时把大图切成几个有重叠的小块分别检测，再合并结果。用 SAHI 库最方便，对极小的笔目标非常有效：
from sahi import AutoDetectionModel from sahi.predict import get_sliced_prediction detection_model = AutoDetectionModel.from_pretrained( model_type='yolov8', model_path='runs/detect/train/weights/best.pt', confidence_threshold=0.3, image_size=640, ) result = get_sliced_prediction( 'test.jpg', detection_model, slice_height=320, slice_width=320, overlap_height_ratio=0.2, overlap_width_ratio=0.2, )第三个是调整数据增强策略。笔是细长物体，YOLOv8 默认开启的 mosaic 增强会随机裁剪拼接图片，可能导致细长的笔被切碎，反而干扰训练。我在训小目标时倾向于降低 mosaic 概率，同时关闭或降低 mixup，把 augmentation 参数显式写进配置：
mosaic: 0.5 mixup: 0.0 hsv_h: 0.015 hsv_s: 0.7 hsv_v: 0.44. 评价指标与模型效果的实测解读
4.1 用这些指标判断模型好坏
训练完成后不要只看 loss 曲线，目标检测的核心评价指标要重点关注这几个：
| 指标 | 含义 | 在pen数据集上的参考 |
|---|---|---|
| Precision | 所有预测框中真阳性占比，衡量“检出的是不是都是笔” | 一般 0.85 以上算合格 |
| Recall | 所有真实框中被检出的比例，衡量“笔是不是都找出来了” | 目标多且密时会下降，0.8 以上较好 |
| mAP@0.5 | IoU 阈值 0.5 时的平均精度均值，常规场景主指标 | 0.9 左右说明检测位置基本准确 |
| mAP@0.5:0.95 | IoU 从 0.5 到 0.95 取平均，对定位精度更苛刻 | 比 mAP@0.5 低 10-20 个点都正常 |
在笔检测这个场景里，mAP@0.5:0.95 比 mAP@0.5 更能反映模型对细长物体边界框的定位精度。因为笔的框是窄长的，IoU 计算时对偏移更敏感，稍微偏一个像素，IoU 就会掉很多，mAP@0.5:0.95 对这种误差的惩罚很明显。
4.2 实测结果与案例分析
我用 YOLOv8s、imgsz=640、100 epochs 跑了一版，val 集上的指标大致如下：
- Precision: 0.87
- Recall: 0.82
- mAP@0.5: 0.91
- mAP@0.5:0.95: 0.74
整体可用，但按目标尺寸细分后发现规律很明显：宽高都大于 64 像素的大目标，mAP@0.5 接近 0.97；而宽度小于 32 像素的小目标，mAP@0.5 只有 0.62。这符合目标检测的一般规律：小目标因为像素少、特征信息不足，天然难检测。
误检案例主要集中在两类：一是铅笔和钢笔同时出现时，模型偶尔把铅笔的笔身识别成 pen（因为都是细长物体，视觉特征相似）；二是背景中的数据线、耳机线容易被误判为笔。针对这两类误检，我的排查思路是先通过混淆矩阵分析误检来源，再在训练集中补充这类难负样本（hard negative），也就是把容易误检的图片作为背景图加入训练集，并标注对应的真实目标，模型很快就能学会区分。
5. 训练pen检测模型常见问题速查表
5.1 数据准备阶段的坑
问题一：loss 一直接近 0，但 val 指标很差。
这种情况十有八九是标签文件和数据图片对不上。常见原因是划分数据集后没有同步移动 images 和 labels，或者重新命名文件时标签丢了。排查时写个脚本逐张检查每张图片对应的 txt 文件是否存在、标签坐标是否在 0~1 范围内即可。
问题二：训练时报错 “image not found” 或 “labels not found”。
多数是 YAML 文件里 path 路径和实际目录不匹配。我自己的习惯是训练前先跑一遍：
from ultralytics import YOLO model = YOLO('yolov8s.pt') results = model.val(data='pen.yaml', imgsz=640)如果数据配置正确，它会在验证阶段正常跑通；如果报错会直接提示是图片缺失还是标签缺失。
5.2 训练与调优阶段的坑
问题三：模型对大目标检测很好，但小目标基本漏检。
优先考虑提升输入分辨率，其次增加 P2 检测头，最后再用 SAHI 做切片推理。这三步按从简单到复杂的顺序去调，能解决大部分小目标问题。另外可以检查训练集中小目标的比例，如果低于 10%，需要手动补充小目标的样本。
问题四：训练时显存不足。
最直接的调整是减小 batch，同时可以降低 imgsz 到 512。还有一种方式是开启模型梯度累积效果，虽然不会减少显存占用，但能等效模拟更大 batch 带来的稳定梯度。具体做法是在训练命令里加上 batch=8，然后把训练脚本里的累积步数手动调成 2。
问题五：训练过程正常，但推理时速度不达标。
量化和导出环节的问题，可以用 TensorRT 导出加速：
yolo export model=best.pt format=engine device=0导出的 engine 文件在 GPU 上推理速度通常比 PyTorch 模型快一倍以上，对部署场景很有帮助。
我在做这个数据集的过程中最大的体会是：数据集的构建工作看起来很琐碎，但恰恰决定了模型效果的上限。很多人在训练环节花大量时间调参，结果模型不收敛、指标上不去，回头一看其实是训练集标签错位、样本分布不合理这些基础问题没解决。DataBall 这个系列的目的就是把数据这块基础打好，让后续的训练和部署更顺畅。后续这份数据集也计划继续扩展，加入铅笔、圆珠笔、马克笔等多个子类别，做成一个完整的文具检测数据家族，如果你也在做相关的项目，欢迎一起交流完善。
本文还有配套的精品资源，点击获取
