基于YOLO的轨道矿车与人员检测：小数据集训练与部署实战

简介：这份资源是面向矿业智能化与计算机视觉方向的YOLO格式目标检测数据集，聚焦轨道场景下矿车与人员的识别任务，适合从事工业安全监测、深度学习目标检测的开发者与研究人员使用。压缩包共2000个文件，包含1045张jpg图像、954个txt标注文件及1个yaml配置文件，整体约206.69MB，标注类别为Normal与With People两类，可直接对接YOLO系列训练流程。数据集图像取自真实矿业轨道环境，覆盖矿车正常运行与人员干扰两类场景，标注框清晰，便于模型专注学习矿车与人员两种特定目标。目前已有118人学习下载。借助该数据集，读者可快速搭建训练与验证环境，完成模型训练、精度评估与场景适配，为矿业安全生产中的实时检测方案提供可靠的数据支撑与实验基础。

1. 轨道矿车与人员检测：近千张 YOLO 标注数据能解决什么

井下轨道运输最怕的场景不是设备故障，而是矿车运行轨迹上突然出现人。传统做法靠司机目视和调度喊话，一旦视线被弯道、粉尘或设备遮挡，留给反应的时间往往只有一两秒。这套 MineCarWithPeople 数据集就是冲着这个痛点来的：近一千张实拍轨道场景图像，按 YOLO 格式标注，只分Normal和With People两类，专门训练"轨道上有没有人"这个二分类检测任务。它适合做矿业安全监测的算法工程师、做工业视觉落地的团队，以及想拿真实场景练 YOLO 全流程的人。类别少不代表简单，恰恰因为只有两类，模型能把全部容量压到"人"和"矿车"这两个目标上，收敛快、误报可控，这是它比通用数据集更适合工业现场的地方。

2. 数据集结构与 YOLO 标注格式：先看懂再动手

拿到一个数据集，我第一件事不是急着跑训练，而是把目录结构和标注文件翻一遍。翻车最多的环节从来不是模型，而是数据本身对不上。这套数据按 YOLO 标准组织，data.yaml里写死了训练和验证路径，类别数nc: 2，类别名是Normal和With People。理解这套结构，后面换路径、改类别、接自己的训练脚本才不会抓瞎。

2.1 目录布局与 data.yaml 字段含义

标准 YOLO 数据集长这样，训练集和验证集各自带images和labels两个子目录：

MineCarWithPeople_yolo_data/ ├── data.yaml ├── train/ │ ├── images/ # 训练图像，jpg 格式 │ └── labels/ # 对应标注，txt 格式，与图像同名 └── valid/ ├── images/ # 验证图像 └── labels/ # 对应标注

data.yaml的内容就是摘要里给的那几行：

train: ../train/images val: ../valid/images nc: 2 names: - Normal - With People

这里有几个参数必须说清楚。train和val用的是相对路径，相对的是data.yaml所在目录，所以你把整个文件夹挪位置时，只要内部结构不变，路径就不用改；但如果你把data.yaml单独拎出来放到别处，这两个路径立刻失效，训练会直接报找不到图像。nc: 2是类别数量，它必须和names列表长度严格一致，多一个少一个都会在加载标签时报索引越界。names的顺序决定了标签文件里类别 id 的含义：id0对应Normal，id1对应With People，顺序写反了模型学到的就是反的，这个坑后面避坑章节还会细说。

提示：names里带空格的With People在 YAML 里是合法字符串，但如果你后续用某些脚本按空格切分类别名，会切出两个词，建议在代码里始终按列表索引取类别，不要按名字匹配。

2.2 标注文件长什么样：一行一个目标

YOLO 的标注是纯文本，每张图对应一个同名.txt，文件里每一行描述一个目标框，格式是：

<class_id> <x_center> <y_center> <width> <height>

五个字段全部归一化到 0 到 1 之间，x_center、y_center是框中心点相对图像宽高的比例，width、height是框宽高相对图像宽高的比例。举个例子，一张 1920×1080 的图里有个矿车，框的像素范围是左上角 (400, 300) 到右下角 (1000, 700)，那么：

• 框宽 = 1000 - 400 = 600，归一化 width = 600 / 1920 ≈ 0.3125
• 框高 = 700 - 300 = 400，归一化 height = 400 / 1080 ≈ 0.3704
• 中心 x = (400 + 1000) / 2 = 700，归一化 x_center = 700 / 1920 ≈ 0.3646
• 中心 y = (300 + 700) / 2 = 500，归一化 y_center = 500 / 1080 ≈ 0.4630

写进 txt 就是0 0.3646 0.4630 0.3125 0.3704。理解这个换算，你才能自己写校验脚本，也才能在标注出错时判断到底是框画歪了还是归一化算错了。下面这段脚本我每次拿到新数据集都会先跑一遍，检查标签和图像是否一一对应、坐标是否越界：

import os from pathlib import Path def check_yolo_dataset(root): """检查 YOLO 数据集图像与标签的对应关系及坐标合法性""" for split in ["train", "valid"]: img_dir = Path(root) / split / "images" lbl_dir = Path(root) / split / "labels" imgs = {p.stem for p in img_dir.glob("*.jpg")} lbls = {p.stem for p in lbl_dir.glob("*.txt")} # 图像有但标签缺失，或标签有但图像缺失，都是问题 missing_lbl = imgs - lbls missing_img = lbls - imgs print(f"[{split}] 图像 {len(imgs)} 张, 标签 {len(lbls)} 个") if missing_lbl: print(f" 缺标签: {list(missing_lbl)[:5]}") if missing_img: print(f" 缺图像: {list(missing_img)[:5]}") # 逐行校验坐标范围 bad = 0 for lbl in lbl_dir.glob("*.txt"): for line in lbl.read_text().strip().splitlines(): parts = line.split() if len(parts) != 5: bad += 1 continue cls, x, y, w, h = parts vals = [float(x), float(y), float(w), float(h)] if any(v < 0 or v > 1 for v in vals): bad += 1 print(f" 坐标越界或格式错误行数: {bad}") check_yolo_dataset("MineCarWithPeople_yolo_data")

这段脚本做了三件事：比对图像和标签的文件名集合，找出单边缺失的样本；逐行读取标签，检查字段数是否为 5；检查四个坐标值是否落在 0 到 1 之间。任何一项报警，都说明数据在进入训练前就需要修，别指望模型能容忍脏标签。参数上，root指向数据集根目录，脚本默认图像后缀是.jpg，如果你的数据混了.png，把glob("*.jpg")改成同时匹配两种后缀即可。

2.3 两类标签的语义边界：Normal 到底指什么

这套数据只有两类，但Normal这个词有歧义。从任务描述看，它指的是"轨道矿车场景中无人员干扰"的正常状态，With People是"矿车周围出现人员"。这里有个容易忽略的点：如果一张图里既没有矿车也没有人，它算不算Normal？按二分类检测的常规做法，Normal类通常框的是矿车本体，With People框的是人，两类目标在空间上可能同时出现。你在训练前最好抽十几张图可视化一下标注框，确认每个类的框到底框在什么目标上，否则模型学出来的语义和你部署时想要的语义可能对不上。可视化用下面这段就够：

import cv2 from pathlib import Path def draw_labels(img_path, lbl_path, names): """把 YOLO 标签画到图上，用于人工核对标注语义""" img = cv2.imread(str(img_path)) h, w = img.shape[:2] for line in Path(lbl_path).read_text().strip().splitlines(): cls, x, y, bw, bh = map(float, line.split()) # 归一化坐标还原成像素坐标 x1 = int((x - bw / 2) * w) y1 = int((y - bh / 2) * h) x2 = int((x + bw / 2) * w) y2 = int((y + bh / 2) * h) color = (0, 255, 0) if int(cls) == 0 else (0, 0, 255) cv2.rectangle(img, (x1, y1), (x2, y2), color, 2) cv2.putText(img, names[int(cls)], (x1, max(y1 - 5, 10)), cv2.FONT_HERSHEY_SIMPLEX, 0.6, color, 2) cv2.imwrite("check_vis.jpg", img) draw_labels("MineCarWithPeople_yolo_data/train/images/new_04_30.jpg", "MineCarWithPeople_yolo_data/train/labels/new_04_30.txt", ["Normal", "With People"])

draw_labels把归一化坐标反算回像素，按类别上色，Normal画绿框、With People画红框，输出一张check_vis.jpg。抽几张不同场景的图各跑一次，你就能判断标注质量：框是否贴紧目标、有没有漏标的人、Normal框的是矿车还是空轨道。这一步花十分钟，能省掉后面几小时的调参玄学。

3. 用 YOLOv8 跑通训练与验证：从 data.yaml 到指标

数据看懂了，接下来就是把它喂进模型。这套数据命名里带 yolo，就是给 YOLO 系列准备的，我用 YOLOv8 走一遍完整流程，因为它的命令行接口最省事，yolov8n.pt这种小模型在单卡上几十分钟就能出结果，适合先验证数据可用性。整条链路是：装环境、改配置、起训练、看指标、导出模型。

3.1 环境安装与目录准备

先建一个干净的虚拟环境，避免和系统里的包打架。ultralytics 是 YOLOv8 的官方库，一条命令装齐：

python -m venv yolo_env source yolo_env/bin/activate # Windows 用 yolo_env\Scripts\activate pip install ultralytics opencv-python

装完验证一下版本，yolo version能打印出版本号就说明环境通了。然后把数据集解压到一个固定位置，比如~/datasets/MineCarWithPeople_yolo_data，确认data.yaml里的train和val相对路径指向的train/images、valid/images真实存在。如果你把数据放在别处，最稳妥的做法是直接改data.yaml里的路径，而不是去改训练命令，因为路径解析以data.yaml为基准，改一处就够。

注意：valid这个目录名是这套数据用的，YOLOv8 默认也认val，两者都能识别，但data.yaml里写的是哪个就必须存在哪个，别自己重命名成test又不改配置。

3.2 训练命令与关键参数

YOLOv8 训练一行命令就能起，但参数得按数据规模调。近一千张图属于小数据集，轮数要给够，否则欠拟合：

yolo detect train \ data=MineCarWithPeople_yolo_data/data.yaml \ model=yolov8n.pt \ epochs=150 \ imgsz=640 \ batch=16 \ patience=30 \ project=runs/minecar \ name=exp1

逐个说参数。data指向data.yaml，类别数和类别名都从那里读，不用在命令里重复。model=yolov8n.pt用 nano 版预训练权重，小数据集上 nano 往往比大模型更不容易过拟合，而且推理快，适合工业边缘设备。epochs=150是上限，配合patience=30做早停：连续 30 轮验证指标不涨就停，避免白跑。imgsz=640是输入分辨率，如果你的原图很大、远处的人很小，可以提到960或1280，代价是显存和耗时上升。batch=16按显存调，8G 显存跑 640 分辨率一般能到 16，爆显存就降到 8。project和name决定结果存到runs/minecar/exp1，每次实验换个name，方便对比。

训练过程中终端会打印每轮的 box_loss、cls_loss 和 mAP。小数据集上 loss 抖动是正常的，重点看mAP50和mAP50-95是否稳定上升。如果mAP50卡在很低的值不动，八成是标签或路径有问题，回到第 2 章的校验脚本查。

3.3 验证与指标解读

训练完，用验证集单独跑一次评估，确认指标不是训练集上的假象：

yolo detect val \ model=runs/minecar/exp1/weights/best.pt \ data=MineCarWithPeople_yolo_data/data.yaml \ imgsz=640

输出里几个指标要会看。mAP50是 IoU 阈值 0.5 下的平均精度，反映"框得差不多就算对"的水平；mAP50-95更严格，IoU 从 0.5 到 0.95 每隔 0.05 算一次再平均，反映框的精准度。工业检测里如果只是判断"有没有人"，mAP50够用；如果要精确定位人员位置做联动，mAP50-95更值得盯。另外看每个类别的 P（精确率）和 R（召回率）：安全场景下召回率比精确率更重要，漏检一个人比多报一次代价大得多，所以宁可让With People的 R 高一些，哪怕 P 低一点。如果With People召回明显偏低，说明这类样本太少或太难，需要补数据或调类别权重。

3.4 推理与导出部署格式

验证过关后，拿一张图跑推理，直观看看效果：

yolo detect predict \ model=runs/minecar/exp1/weights/best.pt \ source=MineCarWithPeople_yolo_data/valid/images \ conf=0.25 \ save=True

conf=0.25是置信度阈值，低于它的框不输出。安全场景可以调低到0.15提高召回，代价是误报变多，具体值要在现场数据上试。结果默认存到runs/detect/predict。要上边缘设备，把模型导出成 ONNX 或 TensorRT：

yolo export model=runs/minecar/exp1/weights/best.pt format=onnx imgsz=640 yolo export model=runs/minecar/exp1/weights/best.pt format=engine imgsz=640 half=True

ONNX 通用性好，TensorRT 的engine在 NVIDIA 设备上推理最快，half=True用 FP16 进一步提速，但精度会掉一点点，导出后务必用同一批图对比一下导出前后的检测结果，确认没掉太多。

4. 避坑与排查：标注、路径、过拟合的常见翻车

这套数据规模不大、类别又少，看起来简单，但小数据集该踩的坑一个不少。下面几条是我在类似项目里反复遇到的，按"现象 → 原因 → 解决"列出来，你对照排查能省不少时间。

现象一：训练一启动就报No labels found或nc不匹配。原因通常是data.yaml里的路径写错，或者标签目录名不是labels。YOLO 找标签是按图像路径把images替换成labels再找同名 txt，如果你把标签放在别的目录，它就找不到。解决：确认train/images和train/labels同级，且data.yaml的train指向的是images目录而不是根目录。

现象二：训练 loss 正常下降，但验证 mAP 一直很低。大概率是类别 id 和names顺序对不上。比如标注里With People用的是 id0，而data.yaml里0是Normal，模型学到的语义就反了，验证时按错误语义算指标自然低。解决：抽几张图用第 2 章的draw_labels可视化，确认框的颜色和类别名一致，不一致就统一改标注或改names顺序。

现象三：训练集 mAP 很高，验证集明显低一截。这是过拟合，近一千张图对检测任务来说偏少，尤其With People这类可能样本更少。解决：先用yolov8n而不是大模型，加数据增强（YOLOv8 默认开了 mosaic、翻转等），必要时冻结主干先训头部，或者补采With People场景的图。别一上来就堆 epochs，过拟合时训得越久验证越差。

现象四：推理时同一辆车被框出好几个重叠框。这是 NMS（非极大值抑制）没压干净，或者conf设太低。解决：推理时适当提高conf，或在predict里调iou参数控制 NMS 阈值，默认 0.7，重叠框多就降到 0.5 左右。工业场景里矿车目标大、人目标小，两类框的尺度差异大，NMS 阈值要兼顾，必要时分类别设。

现象五：换到自己的机器上路径全失效。因为data.yaml用的是相对路径，一旦你把data.yaml和数据分开存放就崩。解决：要么保持整个数据集目录结构不动，要么把data.yaml里的路径改成绝对路径。我一般倾向保持结构不动，绝对路径换机器又要改一遍。

提示：每次改完data.yaml或标注，先跑一遍第 2 章的校验脚本再起训练，比训练跑一半报错再回头查省事得多。

5. 小数据集的进阶技巧：把两类检测做到可上线

两类检测听起来简单，但要真上线，光跑通训练不够。近一千张图的小数据集，模型很容易在训练集上表现漂亮、到现场就拉胯。我一般会从三个方向压榨这套数据的价值：用交叉验证判断数据是否够用、用类别权重和阈值调优平衡漏检误检、用困难样本挖掘补数据。下面这套流程是我在工业检测项目里固定会走的。

先做 K 折交叉验证，判断模型表现是否稳定。把训练集切成 5 份，轮流留一份做验证，看 5 次 mAP 的波动。如果波动很大，说明数据分布不均，某一折里可能With People样本特别少，这时候补数据比调参有用。YOLOv8 本身不直接带 K 折，但可以写脚本切分后循环调用训练，或者用split参数控制。波动小于 3 个点，基本可以认为数据够用。

再调类别权重和置信度阈值。安全场景的核心矛盾是漏检和误报的权衡。漏检一个人可能出事故，误报一次只是多看一眼。所以我会把With People的召回率作为第一指标，做法是推理时把conf从 0.25 降到 0.15 甚至 0.1，看召回能提到多少、误报增加多少，画一条 P-R 曲线找拐点。如果降阈值后误报爆炸，说明模型对With People的判别力不够，得回去补这类样本，而不是硬压阈值。

最后是困难样本挖掘。跑完一轮推理，把验证集里漏检和误检的图挑出来，人工看它们有什么共性：是光线太暗、粉尘遮挡，还是人在远处太小。把这些图单独存一个目录，作为下一轮训练的补充数据，或者用它们做针对性增强（比如调亮度、加噪声）。这套数据里文件名是new_04_30.jpg这种编号，没有场景标签，所以困难样本得靠你自己看。我一般会把漏检图按场景归类，发现某一类场景反复漏，就重点补那类。

from ultralytics import YOLO import cv2 from pathlib import Path model = YOLO("runs/minecar/exp1/weights/best.pt") # 低阈值推理，把漏检的图挑出来 results = model.predict( source="MineCarWithPeople_yolo_data/valid/images", conf=0.1, # 故意压低，宁可多框 save=True, project="runs/hard_mining", name="low_conf" ) # 统计每张图检出的 With People 数量，为 0 的重点人工复核 for r in results: names = r.names counts = {} for c in r.boxes.cls.tolist(): counts[names[int(c)]] = counts.get(names[int(c)], 0) + 1 if counts.get("With People", 0) == 0: print(f"疑似漏检: {Path(r.path).name}")

这段脚本用conf=0.1跑验证集，把没有检出With People的图打印出来，这些就是最可能漏检的候选，人工复核后决定是否加入训练。参数上conf压得越低，候选越多，但复核成本也越高，0.1 是个经验起点。跑完这一轮，你对这套数据的边界就有数了：哪些场景它扛得住，哪些场景必须补数据。

从那以后我每次拿到小数据集，都强制先跑一遍交叉验证看波动、再跑一遍低阈值推理挖困难样本，这两步走完才敢谈调参。希望这套流程能帮到你，把轨道上的人和矿车真正盯住。

本文还有配套的精品资源，点击获取