简介：面向超市智能秤盘与目标检测应用场景，这份数据集涵盖苹果、香蕉、黑莓、辣椒、葡萄、柠檬、树莓、番茄等14类常见水果，并区分带包装（wb）与不带包装（wob）状态，共对应4592张图片的VOC与YOLO格式标注。压缩包内共2000个文件，以XML标注文件为主，另附使用前必读的TXT说明，整体约515.89MB；XML便于在LabelImg等工具中复核，TXT类别清单可直接对应YOLO训练配置，省去格式转换环节。已有291人学习下载，适合正在做零售称重识别、水果分类检测的学生或工程师作为模型训练与验证数据。拿到后可按照14类标注划分训练集与验证集，快速迭代检测模型；真实秤盘摆放带来的光照、遮挡和角度差异也能帮助提升模型在实体门店环境中的泛化能力，尤其适合需要区分包装与否的视觉称重方案。
1. 超市秤盘水果检测数据集：4592张、14类的VOC+YOLO双格式，先看清楚再动手
「超市秤盘水果检测数据集」解决的是自助称重最核心的问题：水果往秤盘上一放，摄像头要先认出苹果、香蕉、橙子，再对着单价表算钱。这场景看着简单，实际做检测比想象中麻烦——秤盘反光、水果遮挡、同品类还有不同品种，都直接影响识别率。
这份数据集用4592张实拍图覆盖14个类别，同时提供VOC和YOLO两种标注格式，把数据整理和格式转换提前做完了。适合在做自助称重、无人零售、水果分拣的开发者，也适合想拿真实业务数据跑一遍YOLO训练流程的人。拆完我的体会是：数据不复杂，真正花时间的是解压、校验和训练参数调整这几步，坑不少。
2. 数据集结构拆解：VOC与YOLO双格式到底存了什么
2.1 VOC格式目录：JPEGImages、Annotations与ImageSets三件套
解压之后最先看到的通常是一个VOCdevkit风格的目录。VOC格式源自PASCAL VOC竞赛的标注约定，现在几乎所有检测框架都保留了读取接口，所以很多公开数据集都拿它当发布格式。展开目录大概是这个结构：
VOCdevkit/ └── VOC2007/ ├── JPEGImages/ # 4592张jpg原图 ├── Annotations/ # 与图片同名的xml标注，也是4592个 ├── ImageSets/ │ └── Main/ # train.txt / val.txt / test.txt └── labels.txt # 按行排列的14个类名清单JPEGImages放原始图片，Annotations放同名XML标注，ImageSets/Main下的txt记录每张图归属哪个集合，内容就是不带扩展名的文件名，一行一个。labels.txt是本数据集额外附上的类别清单，从第0行开始按索引排列，后面转YOLO格式和写训练配置都要靠它，先别删。
打开任意一个XML看标注细节：
<annotation> <folder>JPEGImages</folder> <filename>IMG_00001.jpg</filename> <size> <width>1280</width> <height>720</height> <depth>3</depth> </size> <object> <name>apple</name> <truncated>0</truncated> <difficult>0</difficult> <bndbox> <xmin>412</xmin> <ymin>258</ymin> <xmax>589</xmax> <ymax>431</ymax> </bndbox> </object> </annotation><size>里的宽高是后续坐标换算的基准，<object>可以重复出现，表示一张图里框了多个目标，<name>是类别名，<bndbox>是左上角和右下角的像素坐标。我拿到手会先做一件事：把所有<name>去重打印一遍，和labels.txt逐行对照，检查有没有大小写、带空格、中文别名这类隐蔽差异。
# 统计XML里出现过的所有类名，按出现次数排序 grep -h '<name>' Annotations/*.xml | sort | uniq -c这个命令两分钟出结果，能提前暴露类名不一致的问题，省掉后面训练时类别错位的排查时间。
2.2 YOLO格式标签：归一化坐标与类别索引
YOLO训练不吃XML，吃的是纯文本标签。数据集在VOC之外直接给了转换好的YOLO目录：
yolo_dataset/ ├── images/ │ ├── train/ # 训练集图片 │ └── val/ # 验证集图片 ├── labels/ │ ├── train/ # 与images/train一一对应的txt │ └── val/ └── classes.txt # 14个类别，每行一个每个txt与同名图片对应，内容形如：
0 0.3906 0.4785 0.1383 0.2403 3 0.7312 0.5208 0.1214 0.2146五个数字依次是类别索引、归一化中心x、归一化中心y、归一化宽、归一化高。类别索引从0开始，对应classes.txt的行号；四个坐标全部除以图片宽高，范围在0到1之间。这种设计的价值在于：模型训练时不管输入图缩放成640还是1280，标签都不用跟着改，因为坐标是相对值。
4592张图14个类别，平均每类300多张，放到检测任务里属于中小规模。框的密度也值得留意，秤盘场景一般一张图是单个水果或小堆水果，框的数量不会像街景那样动辄十几个。想算平均目标数，可以用Python统计所有txt的总行数除以4592，这个数字会直接影响你对模型召回率的预期——目标越多，漏检风险越高。
2.3 双格式并存的转换关系：VOC转YOLO脚本
数据集既然已经给好了YOLO格式，大部分情况下直接用就行。但我建议把VOC转YOLO的脚本留一份，因为你后续一定会往数据集里补自己的标注——比如给一批新的芒果特写打框，打标工具导出的大概率是VOC或COCO格式。转换逻辑不复杂，核心是XML里的像素坐标除以图片宽高：
# voc2yolo.py：把VOC格式XML转成YOLO格式txt import xml.etree.ElementTree as ET from pathlib import Path def convert_voc_annotation(xml_path, class_names, out_dir): tree = ET.parse(xml_path) root = tree.getroot() size = root.find('size') w = int(size.find('width').text) h = int(size.find('height').text) lines = [] for obj in root.iter('object'): name = obj.find('name').text if name not in class_names: # 忽略类别表之外的目标 continue cls_id = class_names.index(name) # 类名映射到数字索引 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) x_center = (xmin + xmax) / 2 / w y_center = (ymin + ymax) / 2 / h bw = (xmax - xmin) / w bh = (ymax - ymin) / h lines.append(f"{cls_id} {x_center:.6f} {y_center:.6f} {bw:.6f} {bh:.6f}") out_path = out_dir / (xml_path.stem + '.txt') out_path.write_text('\n'.join(lines))逻辑说明：ET解析XML拿到size和所有object；class_names是从classes.txt读出来的列表，用列表index完成类名到索引的映射；坐标转换就是中心点等于两端坐标均值除以宽高，宽高等于差值除以宽高。参数说明：class_names顺序必须和后续训练用的yaml完全一致，顺序错一位标签全错；out_dir要提前创建，不然write_text直接报错。转换完必须跑一遍第三章的标签校验脚本再入训练，别跳过。
3. 解压、校验、划分：拿到7z之后的三步落地操作
3.1 7z解压：先查看、再测试、后解压
压缩包是7z格式，Linux上默认没装解压工具，先装p7zip-full。我的习惯是解压前做三步：查看内容、测试完整性、正式解压。
# Ubuntu/Debian 安装 p7zip sudo apt install p7zip-full # 列出压缩包内容，确认有没有顶层目录 7z l 超市秤盘水果检测数据集VOC+YOLO格式4592张14类别.7z # 测试CRC完整性，提前发现下载损坏 7z t 超市秤盘水果检测数据集VOC+YOLO格式4592张14类别.7z # 正式解压到指定目录；-o后面没有空格，路径不存在会自动创建 7z x 超市秤盘水果检测数据集VOC+YOLO格式4592张14类别.7z -o./fruit_dataset7z l只列出内容不解压，先看有没有顶层目录，避免解压后一堆文件散落得到处都是；7z t做CRC校验，下载不完整、文件损坏在这步直接暴露；7z x保留目录结构解压，和7z e的区别是e会把所有文件平铺到当前目录，数据集这种带目录结构的必须用x。Windows用户装7-Zip后右键解压即可，如果包设了密码，先单独解压classes.txt这种小文件验证，不要一上来全量解压。
注意：
7z x的-o参数后面直接跟路径，没有空格；写成-o ./fruit_dataset会被解析成输出到当前目录再拼一个多余路径，解压位置就错了。
3.2 标签完整性校验：图片和标签必须一一对应
解压后第一件事不是急着训练，而是确认图片和标签的对应关系。这个数据集4592张图，如果某几张图缺标签、或者标签文件没有对应图片，YOLO训练时空标签会被跳过，验证集里多一张无标签图还会把mAP莫名拉低。我习惯用脚本扫一遍：
# check_dataset.py：核对图片与标签是否一一对应 from pathlib import Path img_dir = Path('fruit_dataset/yolo_dataset/images') label_dir = Path('fruit_dataset/yolo_dataset/labels') for split in ['train', 'val']: imgs = {p.stem for p in (img_dir / split).glob('*.jpg')} lbls = {p.stem for p in (label_dir / split).glob('*.txt')} print(f"[{split}] 图片 {len(imgs)} 张, 标签 {len(lbls)} 个") print(f" 有图片无标签: {sorted(imgs - lbls)[:5]}") print(f" 有标签无图片: {sorted(lbls - imgs)[:5]}")逻辑说明：用不带扩展名的文件名stem做集合比对，差集就是问题文件。参数说明：glob里的*.jpg只匹配jpg后缀，如果数据集混入了jpeg或png会漏统计，稳妥做法是先rglob('*')列出所有文件按类型过滤。两个集合的差集如果非空，先手工看图是不是空文件或损坏图，再决定补标签还是删图。
3.3 标签内容合法性检查
数量和对应关系对上还不够，标签内容本身也可能有雷。常见的三类问题：类别索引越界（14类文本的有效索引是0到13）、坐标小于0或大于1、一行凑不够5个字段。这些问题直接导致训练损失异常或崩溃。
# check_labels.py：检查YOLO标签内容合法性 from pathlib import Path def check_label_file(txt_path, num_classes=14): bad = 0 with open(txt_path) as f: for line_no, line in enumerate(f, 1): parts = line.strip().split() if len(parts) != 5: print(f" {txt_path} 第{line_no}行字段数不对: {line.strip()}") bad += 1 continue cls_id = int(parts[0]) coords = [float(p) for p in parts[1:]] if cls_id < 0 or cls_id >= num_classes: print(f" {txt_path} 类别越界: {cls_id}") bad += 1 if any(c < 0 or c > 1 for c in coords): print(f" {txt_path} 坐标越界: {parts[1:]}") bad += 1 return bad total_bad = 0 for txt in Path('fruit_dataset/yolo_dataset/labels').rglob('*.txt'): total_bad += check_label_file(txt) print(f"共发现 {total_bad} 处问题")逻辑说明：逐行切分字段，先查长度再查范围，避免用错误字段继续算。参数说明：num_classes按数据集的14传，以后自己加类别要同步改。坐标越界最常见的来源是VOC转YOLO时读错了size，比如把显示分辨率当成原图分辨率，转出来的坐标就会超1。
3.4 训练集划分：随机划分有风险，按类分层更稳
如果数据集的YOLO目录已经分好train和val，直接用；如果想重新划分，注意两点：固定随机种子、按类别分层。直接random.shuffle在类别不均衡时容易翻车——某个类别样本少，随机一抽可能把它的验证样本全抽走。
# split_dataset.py：按类别组合分层划分train/val import random from collections import defaultdict from pathlib import Path random.seed(42) # 固定随机种子，保证可复现 img_dir = Path('images_all') label_dir = Path('labels_all') val_ratio = 0.2 samples = defaultdict(list) for lbl in label_dir.glob('*.txt'): with open(lbl) as f: classes = {int(line.split()[0]) for line in f if line.strip()} samples[tuple(sorted(classes))].append(lbl.stem) val_set = set() for key, stems in samples.items(): random.shuffle(stems) val_set.update(stems[:max(1, int(len(stems) * val_ratio))]) with open('val.txt', 'w') as f: f.write('\n'.join(val_set)) with open('train.txt', 'w') as f: train_stems = [s for s in sum(samples.values(), []) if s not in val_set] f.write('\n'.join(train_stems))逻辑说明：以「类别组合」为key分组，再从每个组里按比例抽验证集，保证每个类在train和val里都有样本。参数说明：val_ratio取0.2是4592张图规模常用的8:2划分；如果目标总数少于1000，建议降到0.1，避免训练样本不够。
4. 接进YOLOv8/YOLOv5训练：从yaml配置到参数选择
4.1 数据集yaml配置：names顺序错了就全错了
YOLOv8和YOLOv5都吃同一个结构的yaml。最容易错的是names顺序，它必须和数据集classes.txt的行号完全一致，差一位整个标签就错位到别的类别上了。配置长这样：
# fruit_scale.yaml path: /home/user/fruit_dataset/yolo_dataset train: images/train val: images/val names: 0: apple 1: banana 2: orange 3: pear 4: kiwi 5: dragon_fruit 6: grape 7: strawberry 8: mango 9: watermelon 10: cantaloupe 11: lemon 12: cherry_tomato 13: peach上面names里的类名是按常见超市水果整理的示例，真实类别以解压后的classes.txt为准，逐行替换。path建议写绝对路径；写相对路径时yolo命令的工作目录一变就会报train: not found。
提示：训练前先用随机权重跑一次
yolo detect val，能快速验证yaml路径和标签格式，别等训练跑完才发现路径错。
4.2 训练命令与关键超参数
YOLOv8的命令行格式是key=value，YOLOv5是双横线参数，两者配置含义一致。4592张图这个量级，我从预训练权重开始，而不是从零初始化：
# YOLOv8 yolo detect train \ data=fruit_scale.yaml \ model=yolov8n.pt \ epochs=120 \ imgsz=640 \ batch=16 \ device=0 \ workers=4 \ patience=20 \ lr0=0.001# YOLOv5 等价命令 python train.py \ --data fruit_scale.yaml \ --weights yolov5s.pt \ --img 640 \ --batch 16 \ --epochs 120 \ --device 0 \ --patience 20关键参数取舍：
| 参数 | 推荐值 | 说明 |
|---|---|---|
| imgsz | 640 | 速度与精度平衡点；圣女果这类小目标多再试1280 |
| batch | 16 | yolov8n在24G显存下够用，显存小降到8 |
| epochs | 120 | 配合patience早停，4592张图足够收敛 |
| patience | 20 | 验证mAP连续20轮不升就停，省时间 |
| lr0 | 0.001 | 预训练权重微调用0.001，从零训练才用0.01 |
这里多说一句预训练权重：14个类别平均每类300多张图，属于中小规模数据，用yolov8n.pt或yolov5s.pt做起点，收敛速度和最终精度都比从yaml随机初始化好很多。训练过程中重点看终端打印的box_loss、cls_loss和mAP50，前几十个epoch正常是稳定下降，如果loss震荡不降，优先怀疑lr0。
4.3 训练结果评估：混淆矩阵行和不是1才是常态
训练完先跑验证：
yolo detect val data=fruit_scale.yaml model=runs/detect/train/weights/best.pt评估时不要只盯整体mAP。整体mAP50高不代表每个类都行，要打开runs目录下的混淆矩阵看一眼。这里有个高频困惑：为什么混淆矩阵每一行加起来不是100%？因为YOLO的混淆矩阵带了background列，行里除了预测到各类的比例，剩下的部分是被漏检的样本，所以行和小于1是正常的，不是bug，网上很多人问的「yolo混淆矩阵总合不唯一」就是这件事。
真正要看的是非对角线上的数值。比如苹果被大量预测成梨、橙子被预测成柠檬，这类视觉相似类别的混淆才是mAP上不去的直接原因。看到这种混淆，常规做法是先补对应的负样本数据，或者检查是不是标注框本身有类别标错的噪声，而不是急着换网络结构。每类单独的mAP在results.csv里也能查到，按类筛一遍比看整体数字有用得多。
5. 训练翻车排查：YOLO训练中五个高频坑的现象与解法
5.1 损失函数NaN与BN崩溃
现象：训练到几十个epoch时loss突然变成NaN，终端打印出NaN，或者精度剧烈波动，模型权重文件越来越大但验证mAP一路往下掉。
原因：最常见是学习率过大导致梯度爆炸，其次是batch太小让BN统计量不稳定，再就是数据集里有坏图——纯黑图、损坏图——或者标签里出现宽度或高度为0的框。
解决：先把lr0降到0.001、batch提到16以上重跑；同时扫坏图：
from PIL import Image from pathlib import Path for p in Path('fruit_dataset/yolo_dataset/images').rglob('*.jpg'): try: img = Image.open(p) img.verify() # 只校验文件完整性，不加载像素 except Exception as e: print(f"坏图: {p} -> {e}")再检查标签中有没有宽高为0的框。这三步走完，绝大多数NaN都能定位到根因。如果数据本身没问题，大概率是lr0的问题。
5.2 标签越界与类别数对不上
现象：训练刚开始报错，提示类别索引超出范围，或者某个类别的AP一直是0、一张都没检出。
原因：VOC转YOLO时class_names顺序和XML里的name实际顺序不一致；或者数据集里混入了labels.txt之外的类别名，常见于类名带空格、带中文。
解决：写脚本把所有XML的name去重打印，和classes.txt逐一对照。中文类名必须提前映射成拼音或英文。记住一个原则：模型训练真正读的是txt第一列的数字索引，yaml里的names只是给人看的，索引和classes.txt错位才是真问题。
5.3 mAP虚高或偏低：数据泄漏与背景域差异
现象：验证集mAP50高达0.95，部署到现场识别率掉一半；反过来mAP一直上不去，但随便拿一张图推理看着又很准。
原因：前者是数据泄漏——同一场景连拍的多帧被同时分进了train和val，模型等于把验证图内容背下来了；后者是训练和验证的拍摄背景差异大，比如训练图全是白底台面，现场是反光不锈钢。
解决：先按文件内容去重：
find images -type f -exec md5sum {} + | sort | awk '{print $1}' | uniq -d | wc -l这个命令统计重复的md5数量。如果同一哈希出现多次，就是连拍帧泄漏。再按拍摄场景或时间段重新划分，而不是随机划分。背景域差异没有好办法，只能靠补充现场样本来拉平。
5.4 7z解压报错：密码正确却一直失败
现象：输入正确密码，7z依旧提示wrong password，或者解压到一半报cannot open file，同一个包换个机器反而能解出来。
原因：三选一——p7zip版本太老不支持压缩算法；压缩包内文件名是GBK编码而当前Linux系统是UTF-8，文件名解不出来被误报；密码在Windows上输入时带了全角字符或末尾空格。
解决：先升级p7zip再试；怕编码问题就Windows和Linux各试一次，哪个能解用哪个；密码末尾空格和全角字符是重灾区，手动重新输入一遍而不是从文本复制。实用技巧是只解压一个小文件先验证，比如7z x 包名.7z classes.txt，确认密码和编码都没问题再全量解压，避免解压到一半才发现是坏包。
5.5 图片分辨率不一致导致变慢或OOM
现象：训练时显存占用波动大，偶尔OOM；或者训练速度明显低于该imgsz应有的速度。
原因：数据集的4592张图原始分辨率参差不齐，从720p到4K都有。YOLO虽然会等比resize到640，但高分辨率图在数据加载和随机裁剪阶段开销更大，还会让batch间的计算量抖动。
解决：训练前先统计所有图片的分辨率分布，把过大的图统一缩放到长边不超过1920px：
ffmpeg -i input.jpg -vf "scale=1920:1920:force_original_aspect_ratio=decrease" -qscale 2 output.jpg参数说明：scale目标框是1920x1920，force_original_aspect_ratio=decrease表示只缩不放，小图原样保留，大图等比缩到长边1920以内。因为YOLO标签是归一化坐标，等比缩放后txt完全不用改。如果OOM还是发生，就把batch降到8、workers降到2。
6. 从best.pt到秤盘实景：模型导出与边界验证
6.1 导出ONNX与TensorRT
训练完的best.pt要落到实际部署，第一站通常是导出ONNX，之后按推理设备决定要不要TensorRT。
# 导出ONNX yolo export model=best.pt format=onnx imgsz=640 opset=12 # 导出TensorRT engine（仅NVIDIA GPU） yolo export model=best.pt format=engine device=0 half=True导出时imgsz必须和训练一致，否则有精度损失。half=True开FP16能显著提速，但建议先用FP32在真机跑一遍，确认mAP没有明显下降再切FP16。
6.2 秤盘实景的三个边界验证
数据集里是真实的秤盘照片，但部署还要补三门课。第一是反光：不锈钢秤盘和保鲜膜反光会制造高光区域，小目标容易在这里漏检，我一般带30张现场照片单独跑一遍，专挑反光最强的角度。第二是遮挡与叠加：多个水果堆叠时框容易漂，如果现场这种情况多，把imgsz从640提到1280，或者启动TTA（测试时增强）。第三是品种差异：训练集里的苹果可能只有红富士一个品种，现场来了青苹果，一个label覆盖多种外观时，如果该类别mAP偏低，要么补数据要么拆类。
6.3 一个保留至今的验收习惯
这个数据集项目让我养成一个习惯：每次拿到任何数据集，先跑标签校验脚本，再统计每类样本数和图片尺寸分布，然后才开始写训练配置；训练完不先看整体mAP，而是先看混淆矩阵和每类mAP，挑出最差的两类去翻原始图片，确认是标注噪声还是视觉混淆。这套流程帮我在好几个项目里提前避开了「模型看着准、上线就翻车」的尴尬。从那以后我每次拿到数据集都强制自己走一遍这套校验，再急也不跳步。希望帮到你。
本文还有配套的精品资源，点击获取
