简介：本资源为玉米识别数据集，面向从事农业图像识别、目标检测与深度学习实践的开发者与研究人员，可用于训练和验证玉米目标检测模型，解决农业场景下样本获取与标注成本高的问题。压缩包共1005个文件，包含1000张jpg原始图片、3个json标注文件及2个txt说明文件，整体约39.02MB，图片覆盖多种玉米形态与拍摄角度，json文件采用COCO格式记录目标类别与边界框，可直接对接主流检测框架。目前已有375人学习下载，适合入门者熟悉数据格式，也便于进阶者开展模型调优与对比实验。数据集结构清晰、标注规范，能帮助读者快速搭建训练流程，完成从数据加载、模型训练到效果评估的完整实践，为农业智能识别相关项目提供可靠的数据基础。
1. 玉米识别数据集：1000 张原图加 COCO 标注，到底能拿来干什么
手里有一批玉米田间的原始照片，1000 张，已经按 COCO 格式标好了框，这件事的价值不在于“数据量大”，而在于它省掉了最贵的那一步——标注。做过农业视觉项目的人都知道，拍图不难，难的是把每一株玉米、每一片病叶、每一个果穗的边界框画准，1000 张图的标注成本往往比采集成本高出一个数量级。所以拿到这个数据集，第一件该想清楚的事不是“模型选哪个”，而是“我的任务和它的标注粒度对不对得上”。
COCO 标注的核心是 images、annotations、categories 三张表加一个 JSON 文件，框是 xywh 格式，类别是整数 id 映射。玉米识别这个方向，标注粒度可能落在几个层面：整株检测、果穗计数、叶片病害区域、缺苗断垄的行位。不同粒度决定了你后面是走检测、计数还是分割路线。这个数据集适合谁？适合做田间玉米目标检测、果穗计数、长势监测的算法同学，也适合想验证自己数据管线是否健壮、拿真实农业场景练手的工程师。它不适合直接拿来做分类任务，因为 COCO 是检测标注，不是图像级标签。
2. 先搞懂 COCO 标注在玉米场景里的字段含义
2.1 一份 COCO JSON 里到底存了什么
COCO 格式的标注文件本质是一个大字典，顶层四个键：images、annotations、categories、info。images里每条记录包含id、file_name、width、height；annotations里每条包含id、image_id、category_id、bbox、area、iscrowd；categories里是id和name的映射。玉米场景里，bbox是[x, y, w, h]，x、y 是框左上角坐标，w、h 是宽高，单位是像素，原点在图片左上角。
这里有个容易被忽略的点：COCO 的area字段是框的面积，不是像素级掩码面积，除非你用的是 segmentation 标注。玉米叶片相互遮挡严重时，框的面积和真实可见面积差距很大，如果你后面要做密度估计或产量预估，光靠 bbox 的 area 会系统性高估。我一般会先统计一遍 area 分布，看看有没有异常大的框——那通常是标注员把整行玉米框成一个大框了。
2.2 玉米识别任务的标注粒度怎么判断
拿到数据集先别急着训练，跑一段统计脚本看清楚类别分布和框的尺寸分布。玉米场景常见的类别命名可能是corn、maize、ear、tassel、leaf之类，具体以你的 JSON 为准。判断粒度的方法很简单：看每个类别的框平均宽高比。整株检测的框通常偏高瘦，宽高比在 0.3 到 0.6 之间；果穗检测的框接近方形或略扁；叶片病害区域则形状极不规则，宽高比方差很大。
import json import numpy as np with open('annotations.json', 'r') as f: data = json.load(f) # 统计每个类别的框数量和宽高比分布 cat_stats = {} for ann in data['annotations']: cid = ann['category_id'] x, y, w, h = ann['bbox'] ratio = w / h if h > 0 else 0 cat_stats.setdefault(cid, []).append(ratio) for cid, ratios in cat_stats.items(): ratios = np.array(ratios) print(f"类别 {cid}: 数量={len(ratios)}, 宽高比均值={ratios.mean():.2f}, 标准差={ratios.std():.2f}")这段代码的作用是把每个类别的宽高比拉出来看分布。参数上没什么可调的，重点是看标准差：如果某个类别标准差超过 0.5，说明标注粒度不统一，可能混了整株和局部，训练前要么合并类别，要么拆分任务。玉米数据里这种情况很常见，因为标注员对“一株”的理解不一致，有的框到顶叶，有的只框到穗位。
2.3 为什么玉米场景不能直接套用通用检测配置
通用 COCO 预训练模型是在日常场景上训的，玉米田间的视觉特征和它差距很大：纹理重复度高、目标密集、遮挡严重、光照变化剧烈。直接拿 YOLO 或 Faster R-CNN 的默认 anchor 去训，小目标召回率会很低。玉米果穗在整幅图里可能只占几十个像素，而默认 anchor 最小尺寸往往在 32 像素以上。我的做法是先聚类一遍标注框尺寸，用 k-means 生成适合玉米的 anchor，再改配置里的 anchor 尺度。
另外，玉米叶片之间的颜色和纹理极其相似，模型很容易把相邻植株的叶片混在一起。这时候iscrowd字段就很重要，如果标注里把密集区域标成了 crowd，训练时 loss 计算要跳过这些区域，否则模型会学到错误的边界。检查一下你的 JSON 里iscrowd为 1 的比例，如果超过 10%，说明数据里有大量密集遮挡区域，后处理 NMS 的阈值要相应调低。
3. 把 COCO 标注转成可训练格式的完整操作
3.1 用 pycocotools 做一次数据完整性校验
在转换之前，必须先确认标注文件和图片能对上。最常见的翻车是图片文件名和 JSON 里的file_name不一致，比如多了前缀路径、扩展名大小写不同、或者有图片缺失。用 pycocotools 加载一遍，再和实际文件列表做差集。
from pycocotools.coco import COCO import os ann_file = 'annotations.json' img_dir = 'images/' coco = COCO(ann_file) img_ids = coco.getImgIds() json_files = set() for img_id in img_ids: info = coco.loadImgs(img_id)[0] json_files.add(info['file_name']) disk_files = set(os.listdir(img_dir)) missing = json_files - disk_files extra = disk_files - json_files print(f"JSON 中图片数: {len(json_files)}") print(f"磁盘上图片数: {len(disk_files)}") print(f"缺失图片: {len(missing)}") print(f"多余图片: {len(extra)}") if missing: print("缺失示例:", list(missing)[:5])这段代码的关键是coco.loadImgs返回的file_name要和磁盘文件名完全一致。如果缺失数量不为零，先别往下走，去查是路径问题还是真的丢图。多余图片可以忽略，但缺失图片会导致训练时 dataloader 报错。参数上注意img_dir结尾要带斜杠，os.listdir返回的是纯文件名，不含路径。
3.2 转成 YOLO 格式：坐标归一化和类别映射
YOLO 格式要求每张图一个 txt，每行是class_id x_center y_center width height，全部归一化到 0 到 1。COCO 的 bbox 是绝对像素坐标，转换时要除以图片宽高。类别 id 也要重新映射成从 0 开始的连续整数，因为 COCO 的 category_id 可能不连续。
import json import os with open('annotations.json', 'r') as f: data = json.load(f) # 建立 image_id 到图片信息的映射 img_info = {img['id']: img for img in data['images']} # 建立 category_id 到连续 id 的映射 cat_ids = sorted(set(ann['category_id'] for ann in data['annotations'])) cat_map = {cid: i for i, cid in enumerate(cat_ids)} out_dir = 'labels/' os.makedirs(out_dir, exist_ok=True) # 按 image_id 分组标注 from collections import defaultdict ann_by_img = defaultdict(list) for ann in data['annotations']: ann_by_img[ann['image_id']].append(ann) for img_id, anns in ann_by_img.items(): info = img_info[img_id] w_img, h_img = info['width'], info['height'] lines = [] for ann in anns: x, y, w, h = ann['bbox'] # 转成中心点加宽高，再归一化 xc = (x + w / 2) / w_img yc = (y + h / 2) / h_img nw = w / w_img nh = h / h_img cls = cat_map[ann['category_id']] lines.append(f"{cls} {xc:.6f} {yc:.6f} {nw:.6f} {nh:.6f}") # 用图片名去掉扩展名作为 txt 文件名 txt_name = os.path.splitext(info['file_name'])[0] + '.txt' with open(os.path.join(out_dir, txt_name), 'w') as f: f.write('\n'.join(lines)) print("类别映射:", cat_map)逻辑上分三步：先建 image_id 到图片信息的索引，再建 category_id 到连续 id 的映射，最后按图分组写 txt。参数上注意归一化后的坐标要裁剪到 0 到 1 之间，因为有些标注框可能超出图片边界，YOLO 训练时会报错。我一般会在写之前加一句xc = min(max(xc, 0), 1)做保护。另外cat_map要保存下来，推理时要把模型输出的类别 id 映射回原始名称。
3.3 划分训练验证集时别按图片随机分
玉米数据有个特点：同一块田、同一天拍的照片高度相似。如果按图片随机划分训练集和验证集，验证集里很可能有和训练集几乎一样的图，指标虚高。正确做法是按田块或按拍摄批次划分，让验证集来自不同的田块或不同的光照条件。如果数据里没有田块信息，至少按拍摄时间排序后做间隔划分，避免相邻帧同时进训练集。
import random # 假设 img_info 里没有田块信息，按文件名排序后间隔取样 all_ids = sorted(ann_by_img.keys()) random.seed(42) random.shuffle(all_ids) split = int(len(all_ids) * 0.8) train_ids = all_ids[:split] val_ids = all_ids[split:] with open('train.txt', 'w') as f: for i in train_ids: f.write(f"images/{img_info[i]['file_name']}\n") with open('val.txt', 'w') as f: for i in val_ids: f.write(f"images/{img_info[i]['file_name']}\n")这里的random.seed(42)是为了可复现，实际项目里我会把划分结果存成文件，避免每次跑脚本都变。如果数据里有 EXIF 拍摄时间，优先按时间排序做划分，比随机划分更能反映真实泛化能力。
4. 玉米识别训练避坑：从标注到收敛的五个翻车点
4.1 现象：训练 loss 正常下降但验证集 mAP 极低
原因通常是训练集和验证集分布不一致。玉米数据里，如果训练集全是晴天正午拍的，验证集里有阴天或傍晚的图，模型对光照变化的泛化会很差。另一个可能是验证集里小目标比例远高于训练集，而模型对小目标召回本来就弱。
解决：先统计两个集合的框尺寸分布和亮度直方图，确认分布差异。如果差异大，要么重新划分，要么在训练时加更强的颜色抖动增强。我一般会加hsv_h=0.015, hsv_s=0.7, hsv_v=0.4这组增强参数，对光照变化比较有效。
4.2 现象：模型把相邻玉米叶片框成一个大框
原因是标注里存在大量密集遮挡区域，且iscrowd没有正确标记。模型学到的是“一片绿色区域就是一个目标”，而不是单株边界。
解决：检查 JSON 里iscrowd为 1 的标注比例，如果密集区域没标 crowd，手动补标或直接剔除这些图。后处理阶段把 NMS 的 IoU 阈值从默认 0.45 降到 0.3 到 0.35，能缓解大框吞小框的问题。代价是召回率会降一点，需要根据任务权衡。
4.3 现象：转换后的 YOLO 标签里出现坐标大于 1 或小于 0
原因是 COCO 标注里有些框超出了图片边界，标注员画框时拉出去了。归一化后就会出现负值或大于 1 的值。
解决：在转换脚本里加裁剪，xc = min(max(xc, 0), 1)，同时对宽高也做裁剪。更稳妥的做法是直接过滤掉超出边界超过 10% 的框，因为这种框本身标注质量就可疑。我一般会统计一下被裁剪的框数量，如果超过总数的 2%，说明标注质量有问题，需要回头和标注方确认。
4.4 现象：训练时 dataloader 报 FileNotFoundError
原因是 train.txt 里的路径和实际图片路径对不上。常见情况是 train.txt 写的是相对路径，但训练脚本的工作目录变了；或者图片扩展名是.JPG而 JSON 里写的是.jpg。
解决：统一用绝对路径写 train.txt，或者在训练脚本里显式设置data_root。扩展名问题用os.path.splitext处理时注意大小写，Linux 下.JPG和.jpg是两个文件。我习惯在生成 train.txt 之前先os.path.exists检查一遍，把不存在的路径打印出来。
4.5 现象：模型对果穗计数偏高，同一穗被重复检测
原因是果穗在图像里可能被叶片部分遮挡，模型在遮挡边界处产生了多个响应。另外如果标注时一穗标了多个框，训练数据本身就有重复。
解决：先检查标注里有没有同一位置多个框的情况，用 IoU 大于 0.8 的框做去重。推理阶段用 Soft-NMS 替代标准 NMS，对密集目标更友好。如果任务只是计数，可以在后处理里对同一区域的检测框做聚类，取置信度最高的一个。
5. 用 1000 张图把玉米识别做到可用的进阶技巧
1000 张图在检测任务里不算多，尤其是玉米这种密集场景。想让模型真正可用，核心思路不是堆模型复杂度，而是把数据利用到极致。我一般会做三件事：第一，用预训练权重做迁移学习，但冻结层数要调。玉米和通用 COCO 的浅层特征差异大，深层语义差异小，所以我会冻结前 20% 的层，只训后面的。第二，用 mosaic 和 mixup 增强，但玉米场景里 mosaic 的四图拼接会导致目标尺度失真，我一般把 mosaic 概率从默认 1.0 降到 0.5，mixup 保持 0.1 左右。第三，用伪标签做半监督，先用这 1000 张训一个基础模型，对未标注的玉米图做推理，置信度高于 0.7 的框作为伪标签加入训练，迭代两轮通常能涨 3 到 5 个点 mAP。
验证模型是否真的学到玉米特征，而不是记住了背景，有个简单方法：把验证集图片的背景替换成纯色，再看 mAP。如果 mAP 掉得厉害，说明模型严重依赖背景纹理。这时候要在增强里加随机裁剪和随机遮挡，逼模型关注目标本身。另一个技巧是可视化特征图，看模型响应是否落在果穗和叶片上，而不是田埂或天空。
最后说一个我踩过的坑：玉米数据集的类别名如果是中文，转 YOLO 时类别映射容易乱码，建议在 JSON 里就用英文或拼音，转换脚本里加encoding='utf-8'。还有，1000 张图训出来的模型，别指望直接上无人机实时检测，先在本地用测试集把误检和漏检的图挑出来，逐张看，比调参有用得多。希望帮到你。
本文还有配套的精品资源，点击获取
