简介：面向目标检测与监控场景应用人群，这份PDF资源提供抽烟检测数据集的完整说明与获取方式。数据集包含1000张真实+合成场景的高质量图片，覆盖街景、写字楼、办公室、楼道、遮挡行人及严重遮挡行人抽烟等丰富场景，并使用LabelImg标注，提供VOC(xml)、COCO(json)、YOLO(txt)三种格式标签，可直接用于YOLO等常见算法训练。随附的YOLO11一键训练脚本支持GPU、CPU、Mac(M芯片)三平台，还附有博主训练结果日志，便于快速验证训练效果。由于数据集体量较大，资源以PDF形式承载，共1个文件，大小8.92MB，内附数据集基本情况、标注示例、缩略图及百度网盘获取方式。已有759人学习，适合正在开展抽烟检测项目或需补充监控场景数据的开发者使用。
1. 抽烟检测数据集——用1000张标注图把YOLO11训到可用的最小路径
抽烟检测是目标检测里少有的“单类、强遮挡、小目标偏重”场景：一个烟头在1080p画面里经常只有十几个像素，比人脸还难标；标注的是“手持烟/嘴叼烟”这个复合状态，界线和遮挡造成的歧义比一般检测更多。1000张图的规模不大不小，正好卡在“用预训练权重能收敛、又不容易因为数据太少过拟合”的区间，配上一份带VOC/COCO/YOLO三种格式的标签集，就是一条完整的工程链路。这篇按数据、环境、训练脚本、验证调参四件事讲透：格式怎么统一、GPU/CPU/Mac怎么各跑各的、YOLO11训练参数怎么设、模型出来后怎么判断能不能用。
2. 三种标签格式的转换逻辑：先定存储结构，再写坐标互转
2.1 抽烟检测里标注对象怎么定义才算合理
标题里“抽烟检测数据集”这个说法，第一反应是标“烟本身”，但实际训练里这么做效果会很差：烟体太小、和背景融合度高，烟灰缸和打火机也会造成大量误检。常见做法是只定义一个类别smoking，框住“手持烟的拳头/嘴部区域 + 可见烟体”，它本质上是一个复合目标，而不是单个烟头。
- 一只手握着烟、另一侧对着人，框覆盖手部和烟头，框下沿就是手部边缘；
- 烟头伸出画面边沿时只标可见部分，避免把画面外的区域带进bndbox；
- 场景上尽量覆盖室内、室外、白天、晚间、正脸、侧脸，便利店、加油站、工地等不同底色，1000张图里每个场景分配三分之一左右。
这样一个类别的好处是训练负担轻、专一性强；坏处是对“从嘴里拿下来但手还垂下”的状态会有漏检，因为标的是“复合状态”。对YOLO11这种对极小目标表现一般的模型来说，这个界定比多类别方案更容易收敛。如果你的场景必须区分“手持烟”和“嘴叼烟”，就在标注阶段拆成smoke_hand和smoke_mouth两个class，但下面的转换代码逻辑不变。
2.2 VOC、COCO、YOLO三种标签在坐标和存储上的差别
| 格式 | 存储形态 | 坐标表示 | 类别管理 | 单图/全局 | 标注工具 |
|---|---|---|---|---|---|
| VOC | 每图一个XML | 绝对像素(xmin, ymin, xmax, ymax) | <name>文本 | 单图 | LabelImg |
| COCO | 整个数据集一个JSON | 绝对像素左上角(x, y, width, height) | categories索引 | 全局 | labelme、CVAT |
| YOLO | 每图一个TXT | 归一化中心点(x_center, y_center, w, h)，范围0~1 | 类别序号（从0开始） | 单图 | LabelImg、Roboflow |
理解这三者的差异，重点是坐标体系的变化。VOC和COCO都是绝对像素坐标，但VOC是“左上右下”，COCO是“左上+宽高”；YOLO则是中心点+归一化，这也是YOLO系列训练时的直接输入格式。COCO需要维护images、annotations、categories三个字段的对应关系，annotation.id不能重复，image_id要指向images里的id。YOLO的txt是纯文本，没有XML/JSON的层次嵌套，读起来最省事，但它反而最容易出错——有人把绝对坐标除以图片宽高时忘了换中心点，或者反向把(xmin, ymin, xmax, ymax)归一化后直接写进txt，训练时要么报all bbox points之外的警告，要么loss一直降不下去。
2.3 用一份Python脚本打通VOC→COCO→YOLO三种互转
转换脚本的核心逻辑是“先归一化处理，再统一转出”。以最常见的VOC转YOLO为例：
import os import glob import xml.etree.ElementTree as ET from PIL import Image def voc_to_yolo(xml_dir, img_dir, out_dir, classes=None): os.makedirs(out_dir, exist_ok=True) # 1. 如果没指定类别表，从所有xml里收集 if classes is None: classes = [] for xml_file in glob.glob(os.path.join(xml_dir, "*.xml")): root = ET.parse(xml_file).getroot() for obj in root.findall("object"): cls = obj.find("name").text if cls not in classes: classes.append(cls) # 2. 逐个xml转成txt，坐标从绝对转成归一化中心点 for xml_file in glob.glob(os.path.join(xml_dir, "*.xml")): root = ET.parse(xml_file).getroot() # 用PIL取真实宽高，避免xml里width/height和实际不一致 img_path = os.path.join(img_dir, root.find("filename").text) with Image.open(img_path) as im: W, H = im.size lines = [] for obj in root.findall("object"): cls = obj.find("name").text if cls not in classes: continue cls_id = classes.index(cls) bndbox = obj.find("bndbox") xmin = float(bndbox.find("xmin").text) ymin = float(bndbox.find("ymin").text) xmax = float(bndbox.find("xmax").text) ymax = float(bndbox.find("ymax").text) # 中心点归一化 x_center = ((xmin + xmax) / 2) / W y_center = ((ymin + ymax) / 2) / H w = (xmax - xmin) / W h = (ymax - ymin) / H # 钳到 (0,1)，超出画面边缘的标注会越界 x_center = min(max(x_center, 0), 1) y_center = min(max(y_center, 0), 1) w = min(w, 1) h = min(h, 1) lines.append(f"{cls_id} {x_center:.6f} {y_center:.6f} {w:.6f} {h:.6f}") txt_path = os.path.join(out_dir, os.path.splitext(os.path.basename(xml_file))[0] + ".txt") with open(txt_path, "w") as f: f.write("\n".join(lines)) return classes这段的重点是最后写成class_id x_center y_center width height这五个数字，class_id必须和后续data.yaml里的类别顺序完全对应。cls_id = classes.index(cls)的写法保证类别从0开始索引，但如果你手动换成classes=["smoking"]之外的有序列表，训练和推理时都要沿用同一份列表，否则会出现标签错位的难查错误。用PIL读取真实尺寸而不是XML里记的width/height，是因为标注工具偶尔会留下图片已替换但XML未同步的状况，一旦发生，整张图的坐标都会偏差。钳位操作对应另一个高频崩溃点：标注框偶尔画出图片边界，YOLO在加载标签阶段会直接判定非法框并丢弃，先min(w, 1)裁掉越界部分比在训练时报错再回头改标注要快得多。
如果源标注是COCO，把它转YOLO时把annotations里的bbox从像素转为归一化，category_id换成YOLO的0基序号，公式和上面一致，只是来源从XML换成了JSON字段。整条链路跑完后，建议随机抽5~10张图做一次可视化叠加，确认框确实贴在烟头/手掌位置，再进训练阶段。
3. 环境搭建三平台差异：GPU/CPU/Mac上PyTorch与Ultralytics安装
3.1 三个运行平台的要命差异其实只在torch后端
YOLO11的官方实现基于ultralytics包，它依赖torch。GPU、CPU、Mac三者的差异不在ultralytics，而在你装的torch是哪个后端，以及显卡驱动/CUDA是否就绪。Python环境上三个平台都一样：conda或venv，Python 3.9~3.12均可，最新ultralytics要求3.8以上。
| 平台 | 后端 | 依赖差异 | 训练显存/内存要求 | 速度参考 |
|---|---|---|---|---|
| NVIDIA GPU | CUDA + cuDNN | torch安装时指定cu118/cu121等 | batch默认16，8G显存基本够用 | 最快 |
| CPU | CPU后端 | 标准torch | 内存 >= 16G，batch降到4 | 最慢但有耐心能跑完 |
| Mac (Apple Silicon) | MPS | torch MPS后端，无需CUDA | 统一内存，8G的Mac要限制内存水位 | 比CPU快，略慢于入门GPU |
AMD/Intel GPU在较新torch里也有支持，但标题只要求GPU(GPUs)/CPU/Mac三平台，所以这里只覆盖这三种。多GPU场景在训练命令里用--device 0,1即可，脚本层面只需要把它做成参数透传。
3.2 各平台的安装命令和版本匹配
# 1. 三平台统一：创建conda环境 conda create -n smoke_det python=3.10 -y conda activate smoke_det # 2a. NVIDIA GPU: 装CUDA 11.8版torch，注意不是默认的cpu版 pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118 # 2b. CPU: 默认包即cpu版 pip install torch torchvision # 2c. Mac (Apple Silicon): torch官方包已含MPS pip install torch torchvision # 3. 统一安装ultralytics pip install ultralyticsGPU机器上最常踩的坑是“系统里没有CUDA Toolkit但torch需要CUDA运行时”。torch的wheel自带CUDA运行时，所以nvcc --version找不到并不影响训练，关键在显卡驱动版本要支持对应的CUDA运行时。cu118对应NVIDIA官方驱动要求520.61以上，驱动版本不够时nvidia-smi仍能显示显卡，但torch创建CUDA context会直接报错。装好后不用急着验证完整训练，先跑下面的自检脚本把环境问题和代码问题分开。
3.3 环境自检脚本：在训练前先探底
import torch print("torch:", torch.__version__) print("cuda available:", torch.cuda.is_available()) print("cuda device:", torch.cuda.get_device_name(0) if torch.cuda.is_available() else None) print("mps available:", torch.backends.mps.is_available())三个关键输出点：cuda available: True说明GPU驱动和CUDA运行时对得上；mps available: True代表这台Mac可以直接用MPS设备；如果GPU机器上nvidia-smi有显卡但torch显示cuda available: False，大概率是conda里装的torch是cpu版，重新装带cu后缀的版本就好，不用重装驱动。Mac上如果MPS不可用，先看torch版本是否1.12以上，低于1.12没有MPS后端，直接升级到当前2.x版本即可。
4. YOLO11一键训练脚本：数据配置生成、设备自动选择与核心参数
4.1 脚本要解决的四个自动化问题
一键训练在抽烟检测场景里具体是四件事：数据目录拼好、data.yaml生成、设备自动选、训练参数可覆盖。YOLO系列的数据加载要求根目录下打包images/train、images/val、labels/train、labels/val四个子目录。前面VOC/COCO格式的标签，先用第二章的转换脚本落到labels里：
data/ images/ train/ 001.jpg 002.jpg val/ 003.jpg labels/ train/ 001.txt 002.txt val/ 003.txt训练的入口是data.yaml，里面写图像路径和类别列表。如果数据里额外标了person类，一个最小可用的data.yaml长这样：
path: /path/to/smoke_data train: images/train val: images/val nc: 2 names: ['smoking', 'person']注意两个高频坑：person类样本太少时模型会学出一个不稳定的person分支，建议要么去掉该类只保留smoking，要么补齐person的样本量；names数组的顺序必须和标签txt里的序号一致，否则框会全部映射到错位类别上，训练曲线看着正常，推理结果全部张冠李戴。
4.2 自动生成data.yaml的脚本片段
写一个生成yaml的小函数，避免每次更换机器时手动改路径：
import os import yaml def make_data_yaml(base_dir, names, val_ratio=0.2): train_size = len(os.listdir(os.path.join(base_dir, "images", "train"))) val_size = len(os.listdir(os.path.join(base_dir, "images", "val"))) data = { "path": base_dir, "train": "images/train", "val": "images/val", "nc": len(names), "names": names, } yaml_path = os.path.join(base_dir, "data.yaml") with open(yaml_path, "w", encoding="utf-8") as f: yaml.dump(data, f, allow_unicode=True, default_flow_style=False) print(f"data.yaml written, train={train_size}, val={val_size}") return yaml_pathpath字段必须用绝对路径，因为ultralytics的路径解析从当前工作目录出发，相对路径换机器就废。val_ratio参数在这里只是用来打印统计信息，真正的train/val划分建议按图片目录做，而不是在yaml里用通配符，后者容易把同场景的连续帧同时分进训练和验证，导致验证精度虚高。
4.3 自动选择后端并启动训练
脚本核心段：
import torch import argparse from ultralytics import YOLO def auto_device(): if torch.cuda.is_available(): return "0" if torch.backends.mps.is_available(): return "mps" return "cpu" if __name__ == "__main__": parser = argparse.ArgumentParser() parser.add_argument("--data", type=str, required=True) parser.add_argument("--epochs", type=int, default=300) parser.add_argument("--batch", type=int, default=16) parser.add_argument("--imgsz", type=int, default=640) parser.add_argument("--device", type=str, default=None) args = parser.parse_args() device = args.device or auto_device() print(f"[train] using device: {device}") model = YOLO("yolo11n.pt") # yolo11n是YOLO11的nano版，体积小、适合小数据集 model.train( data=args.data, epochs=args.epochs, batch=args.batch, imgsz=args.imgsz, device=device, patience=50, workers=4, ) print("[train] training completed")执行方式：
python train.py --data data/smoke_data/data.yaml --epochs 150 --batch 8 --imgsz 640 --device 0参数选择参考：
| 参数 | 默认值 | 抽烟检测建议值 | 说明 |
|---|---|---|---|
| --epochs | 300 | 150 | 1000张图下150轮足够收敛，300轮容易过拟合 |
| --batch | 16 | 8 | 8G显存的安全值；16G可升到16，Mac MPS用4 |
| --imgsz | 640 | 640或768 | 小目标偏多时升到768，显存占用明显上升 |
| --device | 自动 | 0 / cpu / mps | 多卡如0,1；Mac不要传cuda |
epochs=150是1000张数据下的稳妥起点，数据少、300轮容易在验证集上先升后降；100轮以下经常还没收敛就停了。batch=8搭配COCO预训练权重微调，学习率走默认值没问题，但Mac上统一内存8G的话batch必须降到4，否则MPS后端直接out of memory。imgsz=640是速度和精度的平衡点，抽烟场景小目标多，显存允许时上到768有明显提升。patience=50是手动覆盖的早停参数，ultralytics默认是100，但小数据集在过拟合区多跑几十轮只会白烧电，50更合理。
4.4 Mac上跑YOLO11要注意的两个点
MPS后端在ultralytics里已经稳定，但有两个坑值得提前处理：一是batch调小到4~8，同时设置PYTORCH_MPS_HIGH_WATERMARK_RATIO，否则内存压力一大训练会静默中止；二是不要把device写成cuda，自动设备检测脚本会帮你落到mps，这也是一键脚本里auto_device()的实际意义。
export PYTORCH_MPS_HIGH_WATERMARK_RATIO=0.6 python train.py --data data/smoke_data/data.yaml --batch 4 --device mps5. 训练完别急着上线：批量推理、混淆矩阵与误报三招调参
5.1 对验证集做带标签可视化推理
训练进程会在runs/detect/train下生成confusion_matrix.png、results.png和results.csv。在决定调参方向前，先跑一次批量推理，把预测结果叠加到图上，直接看“哪些图报错了”比看曲线更直观：
from ultralytics import YOLO model = YOLO("runs/detect/train/weights/best.pt") results = model.predict( source="data/smoke_data/images/val", conf=0.4, iou=0.5, save=True, save_txt=True, )conf=0.4是抽烟检测的推荐起点，比COCO官方默认的0.25高一档，因为烟头形状和笔、烟灰缸、睫毛这些物体太接近，低置信度输出里噪声比例高。iou=0.5维持标准值，但如果发现同一个人身上反复出现重叠框，把iou调到0.4让NMS更激进。
5.2 误报漏检的判断和应对
| 表现 | 判断 | 调整方式 |
|---|---|---|
| 远景小烟头框不住 | 小目标漏检 | imgsz升到768，数据增强里降低mosaic比例 |
| 墙上的插座、白格被框成smoking | 误报 | 收集这类负样本图补进数据集，或把conf升到0.55 |
| 近景手部识别正常但嘴部漏检 | 嘴叼烟样本少 | 增加嘴叼烟样本，或拆成hand/mouth两个类分别训练 |
| loss下降但mAP50不升 | 标签框偏大 | 检查转换脚本，确认框是否裁紧了手部+烟头区域 |
实操小技巧：从confusion_matrix.png里把False Positive排名靠前的图片单独拎出来看，抽烟检测大部分调参动作落在“阈值”和“数据分布”上，而不是改模型结构。补十几张真实场景里最容易被认错的图，效果比多训100轮更强。
模型定稿后把best.pt导出成ONNX，单类模型导出后体积在5MB级别，推理机不再需要Python训练环境，部署成本很低。导出命令yolo export model=best.pt format=onnx imgsz=640，再用同一批验证集对ONNX输出和PyTorch输出各跑一遍mAP，差值应小于0.5%。如果差距明显，多半是导出时的imgsz与训练时不一致，按训练参数重新导出即可。
本文还有配套的精品资源，点击获取
