简介：这是一份面向目标检测任务的石头、岩石图像数据集，包含约1.2万张训练图像与1000张验证图像，覆盖砂岩、石灰岩、大理石、玄武岩等9个常见岩石类别，标签已处理为YOLO格式，可直接用于YOLO系列模型的训练与评估。资源内共2000个文件，以txt格式的标注文件为主，另提供一个Python脚本show.py，用于将检测框绘制到图像上，便于快速检查标签质量与训练效果。压缩包整体约687.21MB，文件结构清晰，适合地质勘探、岩矿识别、建筑骨料检测等场景的算法研究和工程落地。目前已有604人学习下载，作为现成的高质量岩石目标检测数据集，能为研究者省去大量数据采集和标注时间，快速开展模型训练与调优。
1. 岩石检测为什么比通用目标检测更考验数据集
做通用目标检测时，COCO 里的猫狗车人边界清晰、类间差异大，模型很容易学到判别特征。但岩石不一样：同一块玄武岩在不同光照、不同风化程度下，颜色能从深灰变到红褐；同一张图里砂岩和石灰岩肉眼几乎无法区分，只能靠纹理和层理结构判断。这就是为什么石头、岩石目标检测数据集在算法圈里一直稀缺——不是拍几张照片就行，而是要保证类别标签的地质学准确性。
这个数据集正好补上这块缺口：超过 1.2 万张训练图像、1000 张验证图像，标注了 9 个岩石类别，且直接处理成 YOLO 格式，省去从 VOC/COCO 转格式的中间环节。对做地质巡检、矿山监测、建筑材料分拣的团队来说，拿到手就能直接进模型训练流程，配套的 show.py 还能快速验证标注质量。这篇文章就围绕这个数据集的格式、可视化、训练配置和踩坑点展开，每一节都能直接在你的机器上复现。
2. YOLO 标签格式与目录结构解剖
2.1 文件名编码了什么信息
先看一个实际的文件名：
Igneous_Basalt67_jpg.rf.b95924aa2812cf4790968be991d0aaeb.txt拆解之后，这个文件名携带了三条关键信息。最前面的大类前缀Igneous表示岩石成因分类，即火成岩；中间的Basalt67是细分类别和样本编号，表示玄武岩的第 67 张样本；最后的.rf.加一串哈希值，是 Roboflow 平台导出时的唯一标识，用于追踪这张图在原始数据集中的位置。明白这一点，你在做数据集检查时就能快速定位某张问题图片的来源。
2.2 标签文件内容与归一化坐标
打开任何一个 txt 标签文件，内容格式如下：
2 0.492187 0.423611 0.343750 0.201389 5 0.715625 0.588889 0.162500 0.233333 8 0.281250 0.711111 0.109375 0.150000每行对应一个目标框，五个值依次是class_id center_x center_y width height，其中坐标值全部归一化到 0~1 之间，即除以了图像原始宽度和高度。这样做的优势是：无论后续 resize 成 640x640 还是 1280x1280，标签都不需要重新换算，模型在训练时只需要按输入尺寸缩放坐标即可。class_id对应classes.txt里的索引，从 0 开始。不要以为这是 YOLOv5 之后才有的标准——YOLOv3 时代就是这个格式，所以这个数据集可以平滑兼容 YOLOv3 到 v11 的所有系列。
2.3 数据集的目录组织方式
项目的目录组织遵守 YOLO 系列训练器的默认约定：
dataset/ ├── train/ │ ├── images/ │ │ ├── Sedimentary_Limestone45_jpg.rf.b42b0773fed4e4e490c5f9ee7fa97f98.jpg │ │ └── ... │ └── labels/ │ ├── Sedimentary_Limestone45_jpg.rf.b42b0773fed4e4e490c5f9ee7fa97f98.txt │ └── ... ├── valid/ │ ├── images/ │ └── labels/ ├── classes.txt └── data.yaml注意train和valid下各有一个images和labels子目录，图片与标签通过同名（前缀一致）关联。classes.txt列出了全部 9 个类别名称；data.yaml是训练器直接读取的配置文件，包含路径和类别名。实际下载的压缩包里可能把data.yaml命名为rock.yaml或类似的名字，但这个 YAML 是搭建训练入口的关键，后续训练配置要从它开始改。
2.4 类别信息核对清单
拿到数据集后，第一件事不是训练，而是核对类别。常见数据集在打包时容易丢失一个类别的标注（比如某张图上漏标了煤块），所以先要确认：
| 类别索引 | 预期类别名 | 检查标签中出现次数 |
|---|---|---|
| 0 | Igneous_Granite | 统计 |
| 1 | Igneous_Basalt | 统计 |
| 2 | Metamorphic_Marble | 统计 |
| 3 | Sedimentary_Limestone | 统计 |
| 4 | Sedimentary_Coal | 统计 |
| 5 | 其余类别 | 统计 |
检查命令用awk直接对 labels 目录做频次统计：
cat train/labels/*.txt | awk '{print $1}' | sort | uniq -c | sort -rn这段命令的含义是：用cat拼接所有标签文件，awk提取每行第一列的类别 ID，排序后统计每个 ID 出现的次数。如果某个类别 ID 一次都没出现，说明该类别图片缺失或标注文件为空，需要补充数据才能保证 9 类均衡训练。这一步能避免你带着残缺的标签训练出偏科模型而不自知。
3. show.py 可视化脚本：批量验证标注是否贴框
3.1 为什么必须做可视化检查
坐标数值正确不代表标注质量合格。最常见的三种问题是：边界框偏离目标主体、同一目标被重复框选、目标过小导致框内有效像素不足。数值层面这些情况都合法，但模型会学到错误的定位模式。show.py 存在的意义就是把训练集抽样转换为可视化图片，直接看到红框和岩石的相对位置。
3.2 基于 OpenCV 的绘制实现
数据集的 show.py 核心逻辑并不复杂，下面是基于 OpenCV 的标注可视化实现，只依赖 opencv-python 和 numpy。
import os import cv2 import numpy as np IMG_DIR = "train/images" LABEL_DIR = "train/labels" SAVE_DIR = "visual_check" os.makedirs(SAVE_DIR, exist_ok=True) # 这里需要确保与 classes.txt 中的类别顺序一致 CLASS_NAMES = [ "Granite", "Basalt", "Marble", "Limestone", "Coal", "Sandstone", "Gneiss", "Quartzite", "Slate" ] COLORS = np.random.randint(0, 255, size=(len(CLASS_NAMES), 3), dtype=np.uint8) for img_name in os.listdir(IMG_DIR)[:200]: if not img_name.endswith((".jpg", ".png")): continue base = os.path.splitext(img_name)[0] img = cv2.imread(os.path.join(IMG_DIR, img_name)) h, w = img.shape[:2] label_path = os.path.join(LABEL_DIR, base + ".txt") if not os.path.exists(label_path): print(f"missing label: {img_name}") continue with open(label_path, "r") as f: lines = f.read().strip().split("\n") for line in lines: parts = line.split() if len(parts) != 5: continue cls = int(parts[0]) cx, cy, bw, bh = map(float, parts[1:]) # 反归一化得到像素坐标 x1 = int((cx - bw / 2) * w) y1 = int((cy - bh / 2) * h) x2 = int((cx + bw / 2) * w) y2 = int((cy + bh / 2) * h) color = COLORS[cls].tolist() cv2.rectangle(img, (x1, y1), (x2, y2), color, 2) # 在边界框上方绘制类别标签 label = f"{CLASS_NAMES[cls]}" cv2.putText(img, label, (x1, max(0, y1 - 6)), cv2.FONT_HERSHEY_SIMPLEX, 0.6, color, 2) save_path = os.path.join(SAVE_DIR, img_name) cv2.imwrite(save_path, img) print(f"done, saved to {SAVE_DIR}")这段代码做的事是：遍历训练集前 200 张图，读取同名标签文件，把归一化中心坐标反算成像素坐标，通过cv2.rectangle绘制目标框，并附上类别名。关键点在反归一化公式——x1 = (cx - bw / 2) * w中bw是归一化的框宽，先乘以w还原为像素宽，再除以 2 得到左边界到中心的距离，最后用中心点坐标减去它。如果这里顺序颠倒，框就会偏移半个身位。运行后，去visual_check目录随机翻几十张图，一张图里如果有大量框位置偏到一个角落，通常是标签归一化计算误差，需要重新检查数据生成脚本。
3.3 批量裁剪局部区域做精细校验
整体可视化只能看到大框是否贴合，对边缘贴合度要求高的场景（比如判断石灰岩块的边界是否精确贴合轮廓），建议再做一个局部放大功能，将每个目标框从原图中裁出并拼接对比。
import os import cv2 def crop_by_label(img_path, label_path, output_dir): img = cv2.imread(img_path) h, w = img.shape[:2] with open(label_path, "r") as f: lines = f.read().strip().split("\n") for idx, line in enumerate(lines): parts = line.split() if len(parts) != 5: continue cls = int(parts[0]) cx, cy, bw, bh = map(float, parts[1:]) x1 = int((cx - bw / 2) * w) y1 = int((cy - bh / 2) * h) x2 = int((cx + bw / 2) * w) y2 = int((cy + bh / 2) * h) crop = img[max(0, y1):y2, max(0, x1):x2] if crop.size == 0: continue out_path = os.path.join(output_dir, f"{cls}_{idx}.jpg") cv2.imwrite(out_path, crop)这里的裁剪直接用数组切片img[y1:y2, x1:x2]，因为 OpenCV 的图像本质就是 numpy 数组。注意max(0, y1)防止坐标越界，当目标框贴近图像边缘时，坐标反算可能有几个像素的负值，不做保护会直接报错。裁剪出来的图片按类别编号命名，你可以快速翻看每一类图片的尺度分布，如果某一类目标的裁剪图大多数明显偏暗或过曝，说明该类的原始图像采集环境有系统性偏差，需要在训练时针对这个类别做亮度增强，不能指望模型自己在训练中自适应——样本太少时模型会走捷径。
3.4 表格：可视化工具选型对比
| 工具 | 依赖 | 速度 | 适用场景 |
|---|---|---|---|
| show.py（OpenCV） | opencv-python | 快 | 快速批量出图检查 |
| LabelImg | PyQt5 | 慢 | 重新标注修正错误框 |
| FiftyOne | 多依赖 | 中 | 探索性数据分析、标签分布统计 |
| CVAT | Docker | 中 | 团队协作、在线标注 |
对单个压缩包数据集，show.py 性价比最高，其他工具都是为持续标注流程服务的。
4. 用 YOLOv8 训练岩石检测模型的全配置
4.1 环境安装与 YAML 配置
先确认本机是否已有 YOLO 训练环境。如果没有，用下面的命令创建一个干净的虚拟环境：
conda create -n rock python=3.10 -y conda activate rock pip install ultralytics opencv-pythonultralytics包内置了 YOLOv8 及后续版本的模型定义和训练器，一条pip install就能满足全部依赖。安装完成后，下载的数据集目录应解压到某个确定路径（建议放在/home/user/datasets/rock，不要放在带空格的路径下），进入项目目录新建rock.yaml，这是整个训练流程的入口配置：
path: /home/user/datasets/rock train: train/images val: valid/images nc: 9 names: 0: Granite 1: Basalt 2: Marble 3: Limestone 4: Coal 5: Sandstone 6: Gneiss 7: Quartzite 8: Slatepath是绝对路径，train和val是相对路径，训练器会自动拼成/home/user/datasets/rock/train/images来搜索图片。额外注意：train和val字段写入的是 images 目录而非数据集根目录，因为 YOLOv8 的 train 阶段会自动去同名 labels 目录找对应标签，这个目录后缀是硬编码的。nc必须和 names 列表长度一致，手动改类别时很容易在这块配错，导致训练起来后 loss 飘移。
4.2 预训练权重选择和训练参数
建议直接用 COCO 预训练权重yolov8m.pt做迁移学习。虽然 COCO 里没有岩石类别，但预训练模型已经学到了纹理、边缘、形状等低级视觉特征，这些特征对岩石识别同样有效。以下是我经过实验后认为比较合理的训练配置：
yolo detect train \ model=yolov8m.pt \ data=rock.yaml \ epochs=100 \ imgsz=640 \ batch=16 \ lr0=0.01 \ lrf=0.1 \ momentum=0.937 \ weight_decay=0.0005 \ optimizer=AdamW \ device=0 \ project=rock_experiments \ name=baseline_m参数含义拆解：epochs=100对万级数据集足够，再多容易过拟合；imgsz=640是精度和显存的平衡点，如果想要检测更小的岩石碎块可以调大到 960，显存占用会增加约一倍；batch=16在 12GB 显存的 3060 上勉强够，24GB 显存可以开到 32；lr0=0.01是迁移学习场景的起始学习率，如果从头训练则建议降低到 0.005；optimizer=AdamW在训练后期收敛更平稳，SGD 则更依赖不错的学习率调度策略。停在project/name目录下的weights/best.pt是验证集 mAP 最高的权重，后续推理都用它。
4.3 训练中需要盯的指标
训练输出中，重点关注box_loss和cls_loss两个指标。box_loss是预测框和真实框的回归误差，训练初期下降速度应明显快于cls_loss——因为岩石类别的纹理区分本身更难。如果 30 个 epoch 后box_loss还在 1.2 以上徘徊，大概率是标签边界框本身不贴合边缘——上一章的 show.py 就是在做这件事，别让模型带病训练。
验证阶段用以下命令输出完整指标：
yolo detect val \ model=rock_experiments/baseline_m/weights/best.pt \ data=rock.yaml \ save_json=Truesave_json=True会生成一个包含每个类别 mAP50、mAP50-95 的 JSON 文件，可以精确看到哪个类别拉低了整体分数。岩石数据集中通常大理石会让 mAP 掉 2 到 3 个百分点，因为大理石表面的纹理有大量透明反射，边界标注主观性极强，属于正常现象。
4.4 常见错误排查表
| 错误现象 | 可能原因 | 排查方案 |
|---|---|---|
训练启动即报AssertionError: train: No labels | data.yaml 路径错误 | 检查train/images和train/labels是否成对存在 |
| loss 下降但 mAP 始终为 0 | 类别文件与标签索引不对应 | yolo detect val后查看每类 AP，定位偏移的类别 |
| 显存溢出 | batch 过大或 imgsz 过大 | 调小 batch 或开启cache=ram配合fraction=0.5 |
| 验证集的图片被裁掉 | 图像尺寸不是 32 的倍数 | 无需处理，网络会自动 padding |
最后一个问题很多新手会卡住：图像在进入 YOLOv8 网络前会被缩放到 640x640，非 32 倍数的缩放会通过 letterbox 加灰边处理，而不是直接裁剪，所以不影响检测结果。
5. 推理部署与数据增强的组合拳
5.1 对单张图做推理并保留类别名
训练完成后，用以下命令对单张图像推理：
yolo predict \ model=rock_experiments/baseline_m/weights/best.pt \ source=test_images/sample_01.jpg \ conf=0.35 \ iou=0.5 \ save=True关键参数是conf和iou。conf=0.35表示只有置信度高于 0.35 的框才会保留；岩石场景中很多背景里的碎石头容易误报，如果发现框特别多，就把 conf 提到 0.5。iou=0.5是 NMS 的 IoU 阈值，值越大保留的重叠框越多，岩石密集堆叠场景可以尝试 0.6 以上，让重叠框尽可能合并。输出会保存在runs/detect/predict/，原图上的框会带上CLASS_NAMES里对应的名称。
5.2 用 Albumentations 做针对性增强
通用增强（Mosaic、MixUp）YOLOv8 已经内置，但对岩石数据针对性最强的两个操作是RandomBrightnessContrast和HueSaturationValue。岩石外观受光照影响极大，同样的玄武岩在正午和傍晚看起来像两种东西。在训练配置中加入这些增强项：
from ultralytics import YOLO model = YOLO("yolov8m.pt") results = model.train( data="rock.yaml", epochs=100, imgsz=640, hsv_h=0.02, hsv_s=0.6, hsv_v=0.5, degrees=10, translate=0.1, scale=0.4, fliplr=0.5, )hsv_h=0.02表示色调偏移范围设为 0.02（HSV 色相环的 2%），岩石颜色本身差异不大，过大的色相偏移会造成同类别颜色混乱。degrees=10允许旋转 10 度——岩石没有明显的方向性，旋转增强不会破坏语义，但注意旋转会引入黑色填充区域，配合scale=0.4让目标缩小后填充区域占比更大。这里要克制：任何增强参数翻倍都不一定带来精度提升，只会增加训练时间。
5.3 用混淆矩阵定位类别混淆
训练完最后一次验证后，模型会自动在results/目录下生成confusion_matrix.png。岩石数据集的混淆矩阵里最容易出现这种情况：Igneous_Basalt和Metamorphic_Marble出现互认错误，原因是玄武岩深色表面常有气孔，而某些大理石也带深色纹路。这时有两种处理策略：
首先考虑合并类别再训练。如果业务不要求区分细分类别，把 9 类合并成 3 大成因类别（火成岩、变质岩、沉积岩），mAP 通常会提升 5 个百分点以上，这是性价比最高的策略。
其次提升高混淆类别的训练权重。在 data.yaml 中对每一类提供 class weights 参数予模型适度加权，但这个过程比较繁琐，连贯地讲，单纯地加权并不总能解决视觉相似性问题，反而容易让整体精度波动。
5.4 轻量部署到边缘设备
最后一步如果要把模型部署到 Jetson 或树莓派，先用以下命令导出为 TensorRT 引擎：
yolo export \ model=rock_experiments/baseline_m/weights/best.pt \ format=engine \ device=0 \ imgsz=640 \ half=Truehalf=True表示 FP16 精度，显存占用减半，推理速度提高 20% 左右。导出 TensorRT 引擎时需要在目标设备上执行，因为 TensorRT 是针对特定 GPU 架构编译的，在 PC 上生成的 engine 无法在 Jetson 上运行，这是和 ONNX 最不一样的地方。如果边缘设备是 CPU 部署，则选择format=onnx配合 OpenCV DNN 模块做推理，速度和精度都能接受。
本文还有配套的精品资源，点击获取
