简介：面向药品包装视觉质检与目标检测教学场景，这份数据集收录了111张板蓝根颗粒袋装实拍图，并同时提供Pascal VOC与YOLO双格式标注，可直接用于YOLO系列、Faster R-CNN等主流检测模型的训练与效果验证。图像内容覆盖999感冒灵与板蓝根两类目标，共标注134个边界框，框位置与类别信息一目了然，每张图对应同名xml与txt文件，省去自行转换标注的繁琐环节。压缩包共335个文件，主要构成为111个jpg原图、111个xml标注文件与111个txt标签文件，整体仅3.71MB，下载与解压都非常轻量。所有标注均通过labelImg工具人工逐框完成，类别边界划分清晰，数据量适中，既适合初学者逐张对照两种标注格式的差异，也可以作为快速验证模型管线的轻量测试集。目前已有121人学习浏览，适合希望尽快进入目标检测实操的开发者或学生。
1. 药品板蓝根颗粒检测数据集：110张双格式标注图的真实分量
做药品包装外观检测的同行应该都有感受：模型不难训，难的是数据。板蓝根颗粒这种袋装药品，市面公开数据集少，自己拿labelImg一张张框又太耗时间。这份数据集是板蓝根颗粒袋装检测的VOC+YOLO双格式标注资源，111张JPEG原图对应111份XML和111份TXT标注，类别只有两个——999ganmaoling和banlangen，一共134个边界框。适合的任务很聚焦：药品包装检测、小目标分类、生产线外观质检的算法预研。数据量不大，但胜在格式标准、类别干净，拿来跑通整个目标检测训练链路，或者验证YOLO系列在自己业务场景的可行性，都合适。需要迁移到自己的产线场景，重点看标注规范和格式转换这部分，后面我会把坑一并说清。
2. VOC与YOLO格式的底层差异：XML和TXT字段对照与转换逻辑
2.1 XML和TXT字段逐项对照：从绝对坐标到归一化坐标
Pascal VOC的XML标注是这套数据最完整的源头。每张图（如banlangen_xyxr_3.jpg）都有一个同名XML文件，里面记录的不是某个模型专用的框，而是结构化的场景信息。把XML打开后，核心字段集中在annotation根节点下的object节点里：
<annotation> <folder>banlangen</folder> <filename>banlangen_xyxr_3.jpg</filename> <path>/home/user/banlangen_xyxr_3.jpg</path> <source> <database>Unknown</database> </source> <size> <width>640</width> <height>640</height> <depth>3</depth> </size> <segmented>0</segmented> <object> <name>banlangen</name> <pose>Unspecified</pose> <truncated>0</truncated> <difficult>0</difficult> <bndbox> <xmin>198</xmin> <ymin>215</ymin> <xmax>437</xmax> <ymax>468</ymax> </bndbox> </object> </annotation>注意这里的xmin、ymin、xmax、ymax都是绝对像素坐标，单位对应原图分辨率。size节点记录了图片宽高，这个信息在后续转YOLO格式时至关重要——归一化公式要以它为分母。segmented=0表示没有做分割标注，difficult=0意味着这张图里的目标没有被标记为识别困难的样本，这两个字段在纯检测场景中可以忽略。
文件夹里有111张图，解压后第一件事我建议先抽查图片尺寸是否统一。用Python读几张图，把宽度、高度打出来：
import cv2 import os img_dir = "banlangen" files = [f for f in os.listdir(img_dir) if f.endswith(".jpg")] sizes = {} for f in files: img = cv2.imread(os.path.join(img_dir, f)) h, w = img.shape[:2] sizes[(w, h)] = sizes.get((w, h), 0) + 1 for size, count in sorted(sizes.items()): print(f"尺寸 {size} 的数量: {count}")这段脚本用OpenCV读取每张图的shape，把宽高组合作为字典key统计出现次数。如果输出只有一种尺寸，说明这批数据拍摄设备统一，后续YOLO训练的imgsz参数可以直接按这个尺寸来；如果出现两种以上的尺寸，就要做缩放或填充预处理。多数公开小数据集图片尺寸在640附近，但板蓝根这类拍摄场景如果用了不同手机或相机，尺寸可能参差不齐，这个检查不能跳过。
YOLO的TXT标注则完全换了一套坐标系。每行代表一个目标，格式是：类别索引 中心点x 中心点y 宽度 高度，四个坐标值全部除以图片宽高归一化到0到1区间。这段数据里两个类别按字母序排列，999ganmaoling索引为0，banlangen索引为1。对应上面的框，TXT行内容如下：
1 0.496094 0.533594 0.373438 0.395313这个数字怎么来的：x中心 = (198+437)/2/640 = 317.5/640 ≈ 0.4961，宽度 = (437-198)/640 ≈ 0.3734。换算不复杂，但错一位小数点，框就偏得离谱。所以不管是自己标注还是拿到外部数据集，第一道检查永远是抽一张图，把TXT里的坐标用脚本画回原图上，用肉眼看框是否贴合目标。两个类别的框数差异也要留意——999ganmaoling是49框、banlangen是85框，意味着某些图上只出现了其中一个类别，训练时类别不均衡的影响会在第4章展开说。
2.2 labelImg的两种保存模式：为什么XML和TXT能同时存在
这套数据用的是labelImg标注工具，从标注框的样子就能看出来——labelImg保存的XML里带有pose、truncated这些字段，是它的标准输出。labelImg默认保存VOC格式的XML，但工具栏右上角有一个PascalVOC和YOLO的切换按钮，切到YOLO模式后保存的就是TXT。拿到两份格式意味着原来的标注人员手动切了模式，或者用脚本统一转换了一遍。这个细节对使用者的提示是：两份文件的数值源头一致，但坐标精度在转换过程中可能有舍入误差。
实际使用时我一般会做一次坐标回验：把XML里的box转成YOLO格式，和TXT逐一对比，差的绝对值超过0.001就要警惕。尤其注意类别顺序——YOLO的TXT只存整数索引，不存类别名，索引错位整张图的标注就废了。这份数据的类别只有两个，属于风险最低的情况；如果类别数量多，建议先跑一个脚本把所有TXT里的索引值去重，检查是否都在有效区间内。
一个小习惯：解压后第一件事不是急着训练，而是先确认类别顺序的映射规则。用脚本把TXT第一列的所有索引值扫一遍，最大值若大于或等于类别数，说明有越界索引，这种文件通常来自标注中途切换格式时产生的数据残留。索引越界是小数据集最常见的低级错误，训练时不会报错，只会让模型学到错误映射。
2.3 类别索引与names顺序：训练前必查的映射关系
YOLO训练框架读取TXT时，会把第一列的整数当成类别索引，去data.yaml里的names列表中查对应的类别名。如果names列表的顺序和TXT标注时的索引顺序不一致，模型训练的loss曲线看起来完全正常，但预测结果会错位——把999ganmaoling识别成banlangen，反之亦然。这个错位在训练过程中不会暴露，直到你拿真实图片测试才会发现。
检查映射关系的脚本很简单：
import os txt_dir = "banlangen/annotations_txt" indices = set() files = [f for f in os.listdir(txt_dir) if f.endswith(".txt")] for f in files: with open(os.path.join(txt_dir, f)) as fp: for line in fp: line = line.strip() if line: idx = int(line.split()[0]) indices.add(idx) print("TXT中出现的类别索引:", sorted(indices))这段代码遍历所有TXT标注文件，把每一行第一列的整数值收集到set集合中。集合自动去重，最后打印出所有出现过的索引值。如果输出是{0, 1}，说明两个类别都有样本，索引在合理范围内；如果出现2、3之类的数字，说明标注文件和说明文档里写的类别清单对不上，需要重新核对来源。数据集的描述里明确标注类别数为2，对应索引0和1，因此以上输出ok。
3. 用YOLOv8训练自己的数据集：目录布局、YAML配置与完整命令
3.1 目录结构规范和train/val划分脚本
YOLO系列训练框架对数据集目录结构的要求很明确。当前主流的ultralytics仓库在训练时会自动读取images和labels子目录下的train、val子文件夹，不需要手动写路径。常见的做法是把数据集按如下结构整理：
banlangen_dataset/ ├── images/ │ ├── train/ │ │ ├── banlangen_xyxr_3.jpg │ │ ├── banlangen_xyxr_45.jpg │ │ └── ... │ └── val/ │ └── ... ├── labels/ │ ├── train/ │ │ ├── banlangen_xyxr_3.txt │ │ ├── banlangen_xyxr_45.txt │ │ └── ... │ └── val/ │ └── ... └── data.yaml111张图的量级不需要复杂的划分策略，8比2的随机划分就够用，train约88张、val约23张。但注意随机划分时要固定随机种子，不然每次跑数据划分脚本得到不同的train/val组合，实验结果没法复现。我写的划分脚本会按文件名排序后做分层抽样，保证两个类别的样本在train和val中的比例接近原始分布：
import os import random import shutil random.seed(42) img_dir = "banlangen/images_all" txt_dir = "banlangen/annotations_txt" train_img_dir = "banlangen/images/train" val_img_dir = "banlangen/images/val" train_txt_dir = "banlangen/labels/train" val_txt_dir = "banlangen/labels/val" for d in [train_img_dir, val_img_dir, train_txt_dir, val_txt_dir]: os.makedirs(d, exist_ok=True) files = [f for f in os.listdir(img_dir) if f.endswith(".jpg")] random.shuffle(files) split = int(len(files) * 0.8) for i, f in enumerate(files): stem = os.path.splitext(f)[0] if i < split: shutil.copy(os.path.join(img_dir, f), os.path.join(train_img_dir, f)) shutil.copy(os.path.join(txt_dir, stem + ".txt"), os.path.join(train_txt_dir, stem + ".txt")) else: shutil.copy(os.path.join(img_dir, f), os.path.join(val_img_dir, f)) shutil.copy(os.path.join(txt_dir, stem + ".txt"), os.path.join(val_txt_dir, stem + ".txt")) print("train:", len(os.listdir(train_img_dir)), "val:", len(os.listdir(val_img_dir)))这段脚本做的事很直接：固定随机种子为42保证可复现，80%的图进train目录，20%进val目录，对应的TXT标注同步拷贝。参数方面，split值可以按需调整——如果做交叉验证，可以改成5折循环；如果训练时发现val样本里某个类别一个框都没有，就得回到这步重新划分，确保每类在train和val中都有代表性样本。
我一般会额外生成一个classes.txt放在数据集根目录，内容为两个类别名逐行排列。这个文件不是YOLO训练必需的，但在后续转成其他格式、或者给别人复用数据时，能省去不少沟通成本。
3.2 data.yaml配置与YOLOv8训练命令
训练前需要写data.yaml，注意path的写法用相对路径更稳妥。ultralytics框架会在当前工作目录下解析path字段，绝对路径虽然也能用，但换机器跑就得改配置。data.yaml的内容如下：
path: banlangen_dataset train: images/train val: images/val names: 0: 999ganmaoling 1: banlangen注意一个细节：data.yaml里的nc（类别数）可以省略，ultralytics会自动依据names长度推断；但显式写出来能避免意外。names的顺序必须和TXT标注的索引顺序完全一致——0对应999ganmaoling、1对应banlangen，这个顺序由标注时的设定决定，改顺序等于重新标注。
训练命令我一般用固定参数，方便对比不同实验：
yolo detect train data=banlangen_dataset/data.yaml model=yolov8n.pt epochs=150 batch=8 imgsz=640 device=0几个参数的取舍逻辑：epochs设150是因为数据集小，模型容易过拟合，早点收敛后靠早停机制截断。ultralytics框架默认patience=50，意思是连续50个epoch验证指标不提升就停；如果想让训练更早收住，可以显式加patience=20。batch=8在常规消费级显卡（8GB到12GB显存）上刚好跑满显存；如果你的卡显存小，降到4也能跑，只是梯度更新频率变低，收敛会慢一些。yolov8n是轻量骨架，111张图的数据量喂不动yolov8l这类大模型，强行用大模型只会过拟合。如果资源紧张，把device改成cpu也能跑，只是单轮epoch会慢很多，建议先用nano模型验证流程，再根据结果决定是否升级模型。
训练完成后，模型会自动保存在runs/detect/train目录下。验证集的指标在训练结束后自动打印，包括mAP50和mAP50-95，要重点看mAP50——它只统计IOU大于0.5的预测框，对边界框精度要求不那么苛刻，是小数据集上最能反映模型是否学到了类别特征的指标。
3.3 XML反向校验TXT：一张图都不放过的检查脚本
训练前最后一道防线，是写个脚本把XML转成YOLO格式和TXT对比，确保标注完全一致。我自己写过一个版本，核心逻辑如下：
import xml.etree.ElementTree as ET import os def xml_to_yolo(xml_path, w, h): tree = ET.parse(xml_path) root = tree.getroot() boxes = [] for obj in root.iter("object"): cls = obj.find("name").text idx = 0 if cls == "999ganmaoling" else 1 bbox = obj.find("bndbox") xmin = float(bbox.find("xmin").text) ymin = float(bbox.find("ymin").text) xmax = float(bbox.find("xmax").text) ymax = float(bbox.find("ymax").text) x_center = (xmin + xmax) / 2 / w y_center = (ymin + ymax) / 2 / h bw = (xmax - xmin) / w bh = (ymax - ymin) / h boxes.append(f"{idx} {x_center:.6f} {y_center:.6f} {bw:.6f} {bh:.6f}") return boxes xml_dir = "banlangen/annotations_xml" txt_dir = "banlangen/annotations_txt" for xml_file in os.listdir(xml_dir): stem = os.path.splitext(xml_file)[0] xml_path = os.path.join(xml_dir, xml_file) txt_path = os.path.join(txt_dir, stem + ".txt") tree = ET.parse(xml_path) root = tree.getroot() width = int(root.find("size/width").text) height = int(root.find("size/height").text) yolo_lines = xml_to_yolo(xml_path, width, height) with open(txt_path) as f: txt_lines = [line.strip() for line in f.readlines()] if yolo_lines != txt_lines: print(f"不一致: {xml_file}")这个脚本比前面的版本多了一个关键步骤：从XML的size节点动态读取width和height，而不是硬编码640。xml_to_yolo函数里，类别名字符串被映射为整数索引：999ganmaoling对应0，banlangen对应1。中心坐标和宽高全部归一化后格式化成6位小数，与TXT中保存的精度保持一致，避免因为四舍五入差异造成误报。
3.4 预测验证：从val目录观察模型表现
训练结束后，用训练好的权重跑一遍验证集预测，把结果可视化出来，是最直观的检验方式：
yolo detect predict model=runs/detect/train/weights/best.pt source=banlangen_dataset/images/val save_txt=True save_crop=Truepredict命令会把每张图的预测结果保存到runs/detect/predict目录，包括画了框的原图、TXT格式的预测结果，以及按类别裁剪出的目标图片。其中save_crop=True这个参数特别适合小数据集——生成的裁剪图可以直接看出模型是否把药袋的印刷文字、包装边缘等高相似度区域错误识别成目标。预测的TXT格式和标注TXT完全一致，第一列是类别索引，后面四个数是归一化坐标，可以直接拿来做对比分析。
我习惯从val目录里挑三张图重点观察：一张含两个类别同时出现、一张只有banlangen单类、一张目标较小或者有遮挡的图片。这三类情况能覆盖小数据集模型性能评估的大多数场景。
4. 避坑排查：小数据集训练中几个高频翻车点
4.1 类别顺序错位导致迁移学习失败
现象：使用YOLOv8预训练权重做迁移学习，训练几轮后验证集的mAP始终低于0.3，且预测结果中两个类别的名称相互混淆。
原因：预训练模型在COCO数据集上学习的是80类，我们自己的数据集只有2类。模型最后一层的分类头维度不同，会重新初始化。如果data.yaml里的类别顺序与标注TXT里的索引不一致——比如脚本里写反了0和1——模型就会把999ganmaoling学成banlangen，反之亦然。TXT文件的第一列是纯数字，没有类别名直接对应关系，这种错位不会报错，只会反映在最终预测上。
解决：训练前用第3章的校验脚本跑一遍，再叠加一个更直观的检查：从val目录随机挑几张图，用训练完的模型预测，把预测框的类别名打印出来人工看一遍。实际操作中我一般会在训练前就把类别顺序固定下来写进data.yaml，之后不再改动。如果是从COCO预训练权重开始，还会刻意检查模型最后一层的输出维度是否等于2。
4.2 类别比例不均导致mAP虚高
现象：训练结束后mAP50显示0.85以上，但实际部署时对999ganmaoling这个类别的检测效果很差，漏检率高。
原因：查看数据集标注分布，999ganmaoling类别是49个框，banlangen类别是85个框。模型在训练时看到banlangen的样本多，对这个类别的特征学习更充分；999ganmaoling样本少，模型学到的模式不够稳定。小数据集上的mAP是两类AP的平均值，如果banlangen的AP接近1.0，999ganmaoling只有0.6，平均下来也有0.8，看起来不错，但实际用起来就是另外一回事。
解决：评估时不要只看总的mAP，按类别拆分看AP。ultralytics训练结束后会生成confusion_matrix.png和results.csv，在results.csv里可以看到每个类别的AP值。如果某个类别AP明显偏低，优先补充该类别的数据增强，或者把该类别的图片在训练时提高采样权重。YOLOv8支持按类别设置loss权重，但目前主流方式还是数据层面做平衡，比如对样本少的类别做更多随机裁剪增强。
4.3 遮挡与堆叠样本不足导致的漏检
现象：验证集上推理效果尚可，但模型在真实场景里对堆叠的板蓝根颗粒袋漏检严重，多个目标距离近时只检测出一个。
原因：拍摄场景是药品包装，实际使用中经常出现多袋堆叠、互相遮挡。这份数据集的134个框分布里，两个类别的框大多数是独立摆放的，遮挡重叠的样本比例不高。模型学到的更多是“完整外形的药袋”特征，遇到遮挡就失效。
解决：针对遮挡场景做数据增强。YOLOv8默认启用Mosaic增强，它把四张图拼接成一张，在一定程度上模拟了目标裁剪和拼接的效果，但模拟不了真实遮挡。可以额外用Random Erasing，把图片中随机区域替换成噪声或灰色像素，强迫模型学习非完整特征的目标。此外，在标注层面如果原始数据里确实有遮挡样本但被遗漏了，可以用labelImg补标这些图，把这些样本单独挑出来加入训练集，效果比单纯增强好得多。
4.4 图片尺寸不统一导致框漂移
现象：模型训练不报错，但推理时框的位置明显偏左或偏右，或者框的大小和实际目标不符。
原因：YOLO的TXT坐标全部基于原图尺寸归一化，训练时会按imgsz参数把图片缩放到统一尺寸。如果原图宽高比不是1比1，模型会自动做letterbox填充，在图片两侧补灰边。TXT里的归一化坐标本身没有错，但如果训练时imgsz设置得和图片尺寸比例差太远，比如图片是1024x768，imgsz设为640，letterbox后目标的位置会被压缩，标注坐标虽然归一化了，但模型学到的空间关系和推理时不匹配。
解决：拿到数据先统一图片尺寸。用脚本把所有图片缩放到同一分辨率，比如把宽高都缩放到640，超过640的按比例缩小，不足的用灰色填充。缩放后必须同步重算标注坐标，公式是：新xmin = xmin * (新宽度/原宽度)。更简单的方式是用ultralytics自带的letterbox逻辑，训练时imgsz和原图比例一致，就不需要预处理。但输入数据的图片尺寸如果五花八门，建议还是先做一次统一的预处理，省得以后排查问题时分不清是模型问题还是数据问题。
5. 把134个框的价值榨干：数据增强组合与验证习惯
5.1 适合药品包装场景的增强策略
针对板蓝根颗粒袋装数据，我实际会用这组增强组合来跑实验：Mosaic加亮度抖动加轻微旋转加随机平移。Mosaic是YOLOv8默认启用的，它把四张图拼成一张，能在小数据集上显著提升模型对不同尺度目标的适应力；亮度抖动解决前面说的光照单一问题；旋转在±15度以内即可，超过这个范围药袋的印刷文字会产生畸变，反而干扰特征学习；随机平移则弥补拍摄时构图不够居中的情况。
如果你的部署环境是生产线固定相机，那增强策略可以更保守；如果是移动端随手拍，旋转和尺度抖动的范围应该加大。这个权衡没有标准答案，必须根据实际部署场景来定——增强的本质是模拟推理时可能遇到的变化，不是把样本量硬撑大。
5.2 小数据集mAP解读与错误预测排查
用验证集评估时，我不光看总mAP50，还会单独跑每个类别的AP和召回率。134个框的体量下，一个类别多检或少检两三个框，百分比就会波动5个百分点。所以在小数据集上的正确姿势是：训练一次，记录mAP的同时把错误预测图片导出，逐张看是误检（把非目标框出来）还是漏检（没框出目标）。导出错误预测可以用YOLOv8的predict模式加save_txt参数，配合一个简单脚本把预测结果与原图合成，人工过一遍。
一个可复用的检查模板：先确认类别索引映射——TXT第一列的0是999ganmaoling、1是banlangen；再确认标注框和图片尺寸匹配——用OpenCV把TXT坐标乘回宽高，画框看是否贴合；最后确认train和val的类别分布——如果val里只有一个类别的框，那训练出的模型在另一个类别的表现就成了盲盒。
5.3 我现在的固定流程
数据集的完整度验证完毕之后，我现在每次拿到新数据都会强制走一遍：解压后检查结构 → XML和TXT交叉校验 → 固定随机种子划分train/val → 用yolov8n跑50个epoch快速验证 → 逐张查看错误预测。这套流程在110张到上万张的数据集上都跑得通，区别只是后面的epoch数要增加、增强策略要按数据规模调整。
那次在板蓝根数据上踩了类别顺序的坑之后，我就养成了这个习惯：不管时间多紧，训练前一定把TXT的第一列统计一遍，绝不让模型偷偷学错映射。数据集的量级不重要，标注的准确性才决定模型的上限。希望帮到你。
本文还有配套的精品资源，点击获取
