简介：这份资源是面向目标检测开发者与计算机视觉学习者的YOLOv11火灾烟雾数据集，共3600张已标注图片，可用于训练和测试火灾烟雾识别模型，适用于公共安全、工业监控与住宅安防等实时检测场景。压缩包为zip格式，内含2000个文件，其中1996个xml标注文件与4个txt划分文件，整体约244.77MB，xml对应每张图片的边界框与类别信息，txt则用于train、val、trainval、test等数据集的索引划分，方便直接接入YOLO训练流程。数据集覆盖不同场景、光照条件、烟雾密度与火灾阶段，标注质量较高，能帮助使用者减少数据清洗成本，快速完成图片预处理、模型选择、训练、评估与测试等环节。目前已有209人学习下载，适合具备一定Python基础、希望深入YOLO目标检测实践的研究人员与工程师参考使用。

1. 拿到3600张已标注火灾烟雾数据集，先别急着喂给YOLOv11

你从某个渠道搞到一份“yolov11火灾烟雾数据集（已标注）3600张图片”，解压一看，images和labels两个文件夹整整齐齐，data.yaml也躺在根目录。这时候最容易犯的错，就是直接yolo train data=data.yaml一把梭。我见过太多人这么干，然后mAP卡在0.4上不去，跑来问是不是模型不行。问题往往不在YOLOv11，而在你根本没检查这批标注到底能不能用。

火灾烟雾检测这个场景有它的特殊性：烟雾是半透明、无固定边界的，火焰在不同光照下颜色差异极大，早期火点可能只有十几个像素。3600张这个量级，说多不多，说少不少，刚好卡在“够用但经不起浪费”的区间。如果标注质量差、类别定义混乱、训练集里混入了大量近似重复帧，你后面调再多超参都是白费。这篇笔记就按我实际处理这类数据集的流程走一遍：先验数据、再转格式、然后配环境跑通baseline、最后针对烟雾小目标做优化。目标很明确——让你拿到这份数据集后，能在半天内跑出一个能看的检测结果，并且知道后面往哪个方向改。

2. 数据集验收：3600张已标注图片到底能不能直接用

2.1 先搞清楚标注格式和目录结构

“已标注”这三个字信息量太少了。可能是YOLO txt、COCO json、VOC xml，甚至可能是labelme的json。不同格式决定了你后面要不要写转换脚本。我一般拿到数据集先跑一条命令看目录：

find . -maxdepth 2 -type d | head -30 find . -name "*.txt" | head -5 find . -name "*.json" | head -5 find . -name "*.xml" | head -5

如果labels目录下是txt，每个txt里每行是class x_center y_center width height，且值都在0到1之间，那就是标准YOLO格式，最省事。如果发现坐标值大于1，说明是像素坐标，需要除以图像宽高做归一化。如果压根没有labels目录，只有和图片同名的json，那大概率是labelme格式，得转。

常见做法是写一个快速统计脚本，把类别分布、每张图的标注框数量、框的宽高分布都打出来：

import os, glob from collections import Counter label_dir = "labels/train" cls_counter = Counter() box_per_img = [] wh_list = [] for txt in glob.glob(os.path.join(label_dir, "*.txt")): with open(txt) as f: lines = [l.strip() for l in f if l.strip()] box_per_img.append(len(lines)) for line in lines: parts = line.split() cls_counter[int(parts[0])] += 1 w, h = float(parts[3]), float(parts[4]) wh_list.append((w, h)) print("类别分布:", cls_counter) print("平均每图框数:", sum(box_per_img)/len(box_per_img)) print("空标注图片数:", box_per_img.count(0)) small = [1 for w,h in wh_list if w*h < 0.01] print("小目标占比:", len(small)/len(wh_list))

这段代码的逻辑很直接：遍历所有标签文件，统计每个类别的框数量、每张图平均有多少个框、有多少张图是空标注、以及面积小于整图1%的小目标比例。参数上，0.01这个阈值是我习惯用的，对应大约32x32像素（在640输入下），烟雾早期目标往往就这个量级。如果空标注图片超过5%，要么是负样本故意放的，要么是漏标，得区分对待。如果小目标占比超过30%，后面训练时imgsz就不能用默认的640，得往上提。

2.2 类别定义混乱是火灾烟雾数据集最大的坑

我处理过好几个火灾数据集，类别定义五花八门。有的只有fire和smoke两类，有的把fire拆成flame、spark、ember，还有的把smoke分成white_smoke、black_smoke。3600张这个量级，如果类别超过3类，每类分到的样本可能就不够YOLOv11收敛了。

你需要先确认data.yaml里的names列表和标注文件里的class id对得上。我遇到过标注里class id从1开始，但data.yaml里names从0开始，结果训练时所有标签都偏移了一位，模型把火焰学成了背景。检查方法很简单：

import yaml with open("data.yaml") as f: cfg = yaml.safe_load(f) print("names:", cfg["names"]) print("nc:", cfg.get("nc", len(cfg["names"]))) # 再对比cls_counter里的最大id print("标注中最大class id:", max(cls_counter.keys()))

如果max(cls_counter.keys()) >= len(cfg["names"])，说明有类别没在names里定义，或者id越界了。这种情况YOLOv11训练时不会报错，但会把越界的类别当成背景忽略，你最后发现某一类永远检测不出来，查半天查不到原因。

注意：如果发现类别定义不合理，比如fire和flame混用，建议合并成统一类别重新生成标签。3600张的规模，重新映射class id比后面调参划算得多。

2.3 训练集/验证集划分不能随机切

很多人习惯train:val = 8:2随机切。但火灾烟雾数据集如果是从视频抽帧来的，相邻帧高度相似，随机切会导致验证集里出现和训练集几乎一样的图片，mAP虚高。我一般先按视频来源或时间戳分组，再在组间切分。如果数据集没有来源信息，至少用感知哈希去重：

import imagehash from PIL import Image import glob hashes = {} for img_path in glob.glob("images/train/*.jpg"): h = imagehash.phash(Image.open(img_path)) hashes[img_path] = h # 找出相似度极高的图片对 keys = list(hashes.keys()) dup_pairs = [] for i in range(len(keys)): for j in range(i+1, len(keys)): if hashes[keys[i]] - hashes[keys[j]] <= 5: dup_pairs.append((keys[i], keys[j])) print("近似重复对数量:", len(dup_pairs))

phash的汉明距离小于等于5，基本可以认为是同一场景的近似重复。如果重复对超过10%，建议把重复的只保留一张，或者确保它们落在同一个split里。这一步不做，后面验证集指标好看但实际部署翻车，属于典型的“数据泄漏”。

3. 用YOLOv11跑通第一个baseline：环境配置与训练命令

3.1 环境配置：ultralytics安装与版本确认

YOLOv11目前是通过ultralytics包来调用的。我一般用conda建一个干净环境，避免和之前的YOLOv5/v8冲突：

conda create -n yolo11 python=3.10 -y conda activate yolo11 pip install ultralytics==8.3.0 pip install torch torchvision --index-url https://download.pytorch.org/whl/cu121

这里指定ultralytics==8.3.0是因为这个版本对YOLOv11的支持比较稳定，再新的版本有时候API会微调。torch的cu121对应CUDA 12.1，你根据自己显卡驱动选。装完后验证：

from ultralytics import YOLO model = YOLO("yolo11n.pt") print(model.model.yaml["nc"]) # 默认80类

如果这一步能跑通，说明环境没问题。yolo11n.pt是nano版本，参数量小，适合先跑通流程。后面再换s/m/l。

3.2 data.yaml的正确写法与路径陷阱

data.yaml看着简单，但路径写错是新手最常翻车的地方。我建议用绝对路径，避免相对路径在不同工作目录下解析不一致：

path: /home/user/fire_smoke_dataset train: images/train val: images/val test: images/test names: 0: fire 1: smoke

path是数据集根目录，train和val是相对于path的子路径。YOLOv11会自动在path下找labels目录，且要求labels的目录结构和images一致。比如images/train/abc.jpg对应labels/train/abc.txt。如果你把labels放在别的地方，需要在yaml里显式指定train_labels，但我不建议这么干，容易乱。

提示：如果训练时报No labels found，先检查path是否写对，再检查labels目录名是不是labels而不是label或annotations。

3.3 第一条训练命令：参数怎么设才不浪费3600张图

baseline训练命令我一般这么写：

yolo detect train \ data=/home/user/fire_smoke_dataset/data.yaml \ model=yolo11s.pt \ epochs=100 \ imgsz=640 \ batch=16 \ workers=8 \ device=0 \ project=fire_smoke_runs \ name=baseline_s \ patience=20 \ save=True \ plots=True

逐项说：model=yolo11s.pt比nano大，3600张图用s版本比较匹配，n版本可能欠拟合，l版本容易过拟合。epochs=100配合patience=20，如果20轮验证mAP不涨就早停，省时间。imgsz=640是默认值，但如果前面统计小目标占比高，这里要改成960或1280，代价是显存和训练时间增加。batch=16在12G显存下跑s版本640输入基本能稳住，如果OOM就降到8。workers=8取决于你CPU核数，太多反而拖慢数据加载。

训练开始后重点看几个输出：box_loss和cls_loss是否稳定下降，mAP50在前10轮有没有明显上升。如果前10轮mAP50一直低于0.1，大概率是数据或标签有问题，别继续跑，回去查第2章的内容。

3.4 训练过程监控与中断恢复

YOLOv11训练时会在project/name下生成results.csv，里面记录了每轮的loss和mAP。我习惯用一条命令实时看：

tail -f fire_smoke_runs/baseline_s/results.csv

如果训练中断了，比如断电或手动停了，可以用resume继续：

yolo detect train resume model=fire_smoke_runs/baseline_s/weights/last.pt

resume会从last.pt恢复优化器状态和epoch计数。注意只有last.pt能resume，best.pt只保存了权重，没有优化器状态，用它resume会从头开始。

4. 烟雾小目标优化：从640到1280的取舍与增强策略

4.1 为什么烟雾检测必须关注小目标

火灾早期烟雾在监控画面里可能只占几十个像素。YOLOv11默认的P3特征图 stride是8，对应640输入下每个格子8x8像素。如果烟雾目标小于16x16，在P3上只有2x2个格子响应，很容易被NMS滤掉。我实测过，同一份数据在640下mAP50-95是0.38，提到1280后能到0.47，提升主要来自小目标召回。

但imgsz不是越大越好。1280下显存占用大约是640的4倍，训练时间也接近4倍。3600张图，640跑100轮大概2小时（单卡3090），1280要7-8小时。你得权衡。我的建议是：先640跑一个baseline，看验证集里漏检的是不是都是小目标。如果是，再上1280。

4.2 多尺度训练与Mosaic增强的参数调整

YOLOv11默认开启Mosaic增强，把4张图拼成一张。这对小目标其实有利，因为拼完后小目标相对变大。但火灾烟雾场景有个问题：Mosaic会把不同场景的火焰拼在一起，可能产生不真实的颜色组合。我一般把mosaic从默认1.0降到0.5，保留一部分增强但不过度。

yolo detect train \ data=data.yaml \ model=yolo11s.pt \ imgsz=1280 \ batch=8 \ mosaic=0.5 \ scale=0.3 \ degrees=5.0 \ fliplr=0.5 \ hsv_h=0.015 \ hsv_s=0.7 \ hsv_v=0.4

scale=0.3允许图片随机缩放30%，增加尺度多样性。degrees=5.0小幅旋转，火灾场景一般不会有大角度旋转，设太大反而引入噪声。hsv_s=0.7和hsv_v=0.4是颜色增强，对火焰颜色变化有好处，但烟雾是灰白色，饱和度增强对它影响不大。

4.3 用验证集混淆矩阵定位漏检和误检

训练完别只看mAP数字，跑一下验证看混淆矩阵：

yolo detect val \ model=fire_smoke_runs/baseline_s/weights/best.pt \ data=data.yaml \ imgsz=1280 \ conf=0.25 \ iou=0.5 \ plots=True

生成的confusion_matrix.png能告诉你：fire被误判成smoke有多少，smoke被当成背景漏掉有多少。如果smoke漏检多，说明小目标问题没解决，继续加imgsz或改anchor。如果fire和smoke互相混淆多，说明两类特征区分度不够，可能需要加更多难例。

注意：conf=0.25是验证时的置信度阈值，实际部署时这个值要重新调。验证时用0.25是为了看模型在全阈值下的表现，部署时可能用0.4或0.5来降误报。

5. 避坑与排查：火灾烟雾数据集训练中最容易翻车的5件事

5.1 现象：mAP50卡在0.3不上不下，loss也不降

原因：最常见的是标签格式不对。YOLO要求归一化坐标，如果标注是像素坐标且没除宽高，模型学到的框全是错的。另一种可能是class id从1开始，但names从0开始，导致所有标签偏移。

解决：用第2章的统计脚本检查坐标范围，如果w或h大于1，写个脚本批量除以图像宽高。class id偏移的话，把所有txt里的id减1重新保存。

5.2 现象：训练时显存够，但验证时OOM

原因：验证时YOLOv11默认用batch=32，比训练batch大。如果训练batch=16，验证时可能爆显存。

解决：在val命令里显式指定batch=8，或者训练时就把batch设小一点。这个坑很隐蔽，因为训练能跑，一到验证就崩。

5.3 现象：模型把火焰检测成烟雾，或者反过来

原因：两类样本在颜色和纹理上重叠。比如阴天场景的火焰偏暗，和黑烟颜色接近。另外如果标注时边界框画得太松，把火焰周围的烟雾也框进fire类，模型就学混了。

解决：检查标注框是否紧贴目标。如果松框多，重新标注或收紧。训练时加label_smoothing=0.1，让模型不要对单类过度自信。如果还是混，考虑合并成fire_smoke一类，先做有无检测，再二级分类。

5.4 现象：验证集mAP很高，但实际视频推理漏检严重

原因：数据泄漏。训练集和验证集有近似重复帧，验证集指标虚高。或者训练集都是白天场景，实际视频有夜间红外画面，域偏移。

解决：用第2章的phash去重，确保验证集和训练集无重叠。如果域偏移，在训练集里加入目标域的无标注图片做半监督，或者至少做一次直方图均衡化预处理。

5.5 现象：训练到一半loss突然变NaN

原因：学习率太大，或者某批数据里有异常框（宽高为0或负值）。YOLOv11默认用SGD，lr0=0.01，如果数据集小，这个值可能偏大。

解决：先把lr0降到0.001试。同时检查标签里有没有w=0或h=0的行，这些会导致除零。用脚本过滤掉：

with open(txt) as f: lines = [l for l in f if l.strip()] valid = [] for line in lines: p = line.split() if float(p[3]) > 0 and float(p[4]) > 0: valid.append(line) with open(txt, "w") as f: f.writelines(valid)

6. 从baseline到可用模型：导出ONNX与Jetson Nano部署的量化取舍

训练出best.pt只是第一步。如果你打算部署到Jetson Nano这类边缘设备，直接跑PyTorch权重帧率可能只有个位数。我一般先导出ONNX，再用TensorRT做FP16或INT8量化。导出命令：

yolo export \ model=fire_smoke_runs/baseline_s/weights/best.pt \ format=onnx \ imgsz=640 \ simplify=True \ opset=12

simplify=True会调用onnx-simplifier去掉冗余节点，opset=12兼容性较好。导出后在Jetson Nano上用TensorRT加载：

import tensorrt as trt import pycuda.driver as cuda logger = trt.Logger(trt.Logger.WARNING) builder = trt.Builder(logger) network = builder.create_network(1 << int(trt.NetworkDefinitionCreationFlag.EXPLICIT_BATCH)) parser = trt.OnnxParser(network, logger) with open("best.onnx", "rb") as f: parser.parse(f.read()) config = builder.create_builder_config() config.set_flag(trt.BuilderFlag.FP16) config.set_memory_pool_limit(trt.MemoryPoolType.WORKSPACE, 1 << 30) engine = builder.build_engine(network, config)

FP16量化在Jetson Nano上大概能到15-20 FPS（640输入），INT8能到30 FPS但需要校准集，精度会掉2-3个点。火灾检测场景我建议用FP16，因为漏报的代价比误报高，精度优先。

验证量化后模型有没有掉点，用同一批验证集跑一次：

yolo detect val \ model=best_fp16.engine \ data=data.yaml \ imgsz=640 \ conf=0.25

对比best.pt的mAP50，如果掉超过3个点，检查校准集是否覆盖了所有场景。我自己的习惯是：每次导出量化模型后，一定抽10张验证集图片肉眼过一遍，看火焰和烟雾的框有没有明显偏移。这个习惯帮我省过好几次“指标正常但实际不能用”的后悔药。希望帮到你。

本文还有配套的精品资源，点击获取