简介：面向茶叶病害检测与识别任务的数据集，内含9591张茶叶图像的Pascal VOC与YOLO双格式标注，覆盖茶黑腐病、茶褐枯病、茶锈病、红蜘蛛为害叶、茶小绿叶蝉为害叶、健康茶叶、茶白星病及未分类病害共8个类别，可直接用于YOLO系列目标检测模型的训练与评估。资源包共2000个文件，以VOC格式XML标注文件为主体，并搭配YOLO格式txt标注及说明文本，压缩后约102MB，目录结构清晰便于批处理解析。已有1223人学习浏览，适合从事茶树病害监测、智慧农业视觉分析场景的开发者或研究者使用。下载后可快速获得图像与标注的对应关系，省去从零整理标签格式的耗时，也有助于训练多类别病害分类器，支撑病害预警与田间管理决策。

1. 茶叶病害检测数据集：9591 张 VOC+YOLO 双格式，拿来就能训

做农业视觉检测的人都有体会：找数据集最折磨人的往往不是图不够，而是标注格式不统一。有的给 VOC XML，有的只给 COCO JSON，还有的给一堆剪裁好的图，类别名全是拼音缩写。这份茶叶病害检测数据集把这事省了——9591 张叶片图像，8 个类别，压缩包里同时放了 VOC 和 YOLO 两套标注，解压后 YOLOv5、YOLOv8 直接开训，不用再写格式转换。适合做茶叶病害识别落地的工程人员、想换一份规整数据练目标检测流程的新手，以及需要标注基准做算法对比的研究者。下面我把目录结构、标签对应、训练参数和踩坑记录逐条拆开讲。

2. 八类病害标签与双格式对应：看清标注再动手

2.1 8 个类别怎么定义，先背下来

拿到数据集第一件事不是解压，而是先看类别表。这份数据的 8 个类别对应茶叶生产里最常见的叶部病害，外加一个健康类，具体如下：

这个顺序不是随便排的，它在整套数据里是固定的。VOC 的 XML 里<name>字段写的是字符串，比如 anthracnose；YOLO 的 txt 里写的是对应编号 1。两者靠上面这张表对齐。我自己拿这种双格式数据的第一习惯，是把这张表截图贴在项目笔记最前面，后面所有脚本、yaml、训练日志都基于它，避免中途改类别顺序导致全部标注错位。

健康叶片这个类很多人会忽略，但它恰恰是田间落地的关键。实际巡检时，大部分框选出来的是没病的叶子，如果训练集里没有足够多的健康样本，模型就会把一切叶片都当病叶报，误报率高到没法用。所以看到数据集里包含 healthy，说明做标注的人考虑了真实场景分布，这是加分项。

2.2 同一个目标在 XML 和 TXT 里的两种写法

VOC 格式的核心是一个 XML 文件对应一张图，框的信息以像素坐标存在<bndbox>里。随便抽一张图，它的标注长这样：

<annotation> <folder>JPEGImages</folder> <filename>tea_01234.jpg</filename> <size> <width>640</width> <height>480</height> <depth>3</depth> </size> <object> <name>anthracnose</name> <bndbox> <xmin>128</xmin> <ymin>96</ymin> <xmax>340</xmax> <ymax>312</ymax> </bndbox> </object> <object> <name>healthy</name> <bndbox> <xmin>400</xmin> <ymin>220</ymin> <xmax>590</xmax> <ymax>430</ymax> </bndbox> </object> </annotation>

一个<object>就是一个目标，<name>是类别字符串，<bndbox>里是左上角和右下角的像素坐标。如果一张图里有多个病害区域，就会有多个 object 节点。要注意filename只写文件名不带路径，实际读取时靠目录去定位。

YOLO 格式则完全不同，它是每张图对应一个同名 txt，每行五个数：类别编号、中心点 x、中心点 y、框宽、框高，全部归一化到 0~1。上面这个 XML 转成 YOLO 后是两行：

1 0.365625 0.425000 0.331250 0.450000 0 0.773438 0.677083 0.296875 0.437500

第一行 1 对应 anthracnose，中心点 x=(128+340)/2/640=0.3656，中心点 y=(96+312)/2/480=0.425。第二行 0 对应 healthy，算法一样。这就是为什么 YOLO 训练时看不到像素坐标，所有框都被压进了 0~1 区间，模型预测的也是归一化坐标，推理后再乘回原图尺寸。

2.3 目录结构：两套标注怎么对应

解压后你会看到两个顶层目录，一个 VOC 风格，一个 YOLO 风格，大致是这样：

VOC/ ├── Annotations/ # 每张图一个 xml ├── JPEGImages/ # 全部原图 └── ImageSets/ └── Main/ ├── train.txt ├── val.txt └── test.txt YOLO/ ├── images/ │ ├── train/ │ ├── val/ │ └── test/ └── labels/ ├── train/ ├── val/ └── test/

两套结构的逻辑不同。VOC 的ImageSets/Main里的 txt 只存图片文件名（不带扩展名），标注全部堆在Annotations，靠 XML 里的 filename 关联。YOLO 则是按 train/val/test 分目录，图片和标签目录一一对应，找标签的规则就是：把images/train/a.jpg的路径替换成labels/train/a.txt。

这份数据的两套划分是对齐的，也就是说 VOC 里ImageSets/Main/train.txt列出的图和 YOLO 里images/train下的图是同一批。这个细节在做算法对比时很重要——如果你自己重新抽样，两套格式就不等价了，后面比出来的结果差异到底是标注格式造成的还是抽样造成的，说不清。

提示：拿到手先核对一下两套划分的文件数是否一致。方法很简单，分别对两个 train 列表排序后 diff，几秒钟的事。

3. 从 7z 到能跑训的环境：解压、数量校验与格式转换脚本

3.1 先解压：Windows 和 Linux 两条路

压缩包是 7z 格式，不是 zip。Windows 上 7-Zip 应该都有了，右键压缩包选「解压到当前文件夹」就行。这里有个细节：如果下载下来是好几个分卷，比如.7z.001、.7z.002，必须保证所有分卷躺在同一目录再解压，只拖第一个文件进去会提示缺少分卷。

Linux 服务器上更常见的情况是没装 p7zip，直接7z命令会报 command not found。按照下面两步走：

# 安装 p7zip 工具集 sudo apt install p7zip-full # 先测试压缩包完整性，再解压 7z t tea_disease.7z 7z x tea_disease.7z -o/home/user/datasets/

参数说明：7z t是 test 模式，只校验压缩包有没有损坏，不实际写文件；7z x会保留压缩包里的目录层级结构，解压出来的目录和打包时一致。很多人会手滑用7z e，e是把所有文件平铺到一个目录，不保留子目录，对这份数据来说会把 JPEGImages 和 Annotations 混在一起，后面脚本全乱。我习惯把 test 和 x 连着跑，test 过了再 x，不然后面训练到一半才发现某个文件损坏，返工成本太高。

另外要注意 7-Zip 和 p7zip 的版本。老版本对较新的压缩算法支持不全，解压理论上应该成功的包也会报错。Windows 下把 7-Zip 升到 21.x 以上，Linux 下确保 p7zip-full 是最新源里的版本，这类莫名报错基本能消掉八成。

3.2 解压后的数量校验

数据集的简介写的是 9591 张，解压完第一件事就是对账。一个很简单的思路：分别数图片和标签，两者数量一致，再和 9591 对，对不上就说明解压或传输有问题。脚本不用复杂，几行 Python 就够：

import os for split in ['train', 'val', 'test']: img_dir = f'YOLO/images/{split}' lab_dir = f'YOLO/labels/{split}' # 只数 jpg，按实际情况改后缀 n_img = len([f for f in os.listdir(img_dir) if f.lower().endswith('.jpg')]) n_lab = len([f for f in os.listdir(lab_dir) if f.endswith('.txt')]) print(f'{split}: images={n_img}, labels={n_lab}, matched={n_img == n_lab}')

这个脚本就是最朴素的对账逻辑，三个 split 各输出一行。如果 images 和 labels 数量不等，说明某张图缺标注，或者标注文件是空文件但还在目录里。出现这种情况，直接删掉对应图片和空标签，不要让空标注流进训练——YOLO 训练时会把空 txt 当成「无目标」图，数据分布被悄悄带偏。

数量对完还要看后缀大小写。部分图像可能是.JPG或.png，上面的 lower() 已经把大小写差异抹掉了，比直接 endswith('.jpg') 稳。后缀大小写不一致是压缩包传输时最常见的隐性坑，macOS 和 Linux 之间尤其容易碰到。

3.3 VOC 转 YOLO 脚本：顺序固定、坐标边界兜底

其实这份数据已经给了 YOLO 格式，正常情况下不需要再转。但做工程的人经常会遇到三种情况需要自己转：换类别顺序、重新划分 train/val、或者把 VOC 目录里新增的图片合并进来。所以脚本还是要备一份，核心逻辑就是把 XML 里的像素框归一化成 YOLO 的 cx、cy、w、h：

import os import xml.etree.ElementTree as ET # 顺序写死，禁止用 set 去重后转 list CLASSES = ['healthy', 'anthracnose', 'blister_blight', 'white_scab', 'red_leaf_spot', 'gray_blight', 'sooty_mold', 'brown_blight'] def voc_to_yolo(xml_path, out_path): 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 CLASSES: continue # 未知类别直接跳过，避免污染 cls_id = CLASSES.index(name) box = obj.find('bndbox') x1 = float(box.find('xmin').text) y1 = float(box.find('ymin').text) x2 = float(box.find('xmax').text) y2 = float(box.find('ymax').text) # 像素坐标转归一化中心点+宽高 cx = ((x1 + x2) / 2) / w cy = ((y1 + y2) / 2) / h bw = (x2 - x1) / w bh = (y2 - y1) / h # 越界兜底，防止训练时报 out of bounds 警告 cx = min(max(cx, 0.0), 1.0) cy = min(max(cy, 0.0), 1.0) bw = min(max(bw, 0.0), 1.0) bh = min(max(bh, 0.0), 1.0) if bw < 0.005 or bh < 0.005: continue # 面积过小的框没有训练价值 lines.append(f'{cls_id} {cx:.6f} {cy:.6f} {bw:.6f} {bh:.6f}') with open(out_path, 'w') as f: f.write('\n'.join(lines) + '\n') xml_dir = 'VOC/Annotations' out_dir = 'YOLO/labels/train' os.makedirs(out_dir, exist_ok=True) for xml_file in os.listdir(xml_dir): stem = os.path.splitext(xml_file)[0] voc_to_yolo(os.path.join(xml_dir, xml_file), os.path.join(out_dir, stem + '.txt'))

逻辑说明：CLASSES列表的顺序就是目标类别编号，这个顺序必须写死，千万不能用set()去重后转 list——集合是无序的，每次跑出的映射都不一样。root.iter('object')遍历一张图里的所有目标，一个目标生成一行。归一化公式前面说过，中心点=两端坐标均值除以图宽高。后面那段 clamp 和面积过滤是保命用的：很多第三方标注工具会导出略微越界的框，比如 xmax 比图宽还大 1 像素，不兜底的话 YOLO 训练时会刷一堆 out of bounds 警告，严重的直接把 loss 带歪。

参数说明：xml_dir和out_dir按实际路径改；CLASSES要和你最终训练用的 names 完全一致。如果数据集原始标签里某个名字不在列表里，代码会静默跳过，日志不会报错，所以转完后建议抽 5~10 个 txt 人工看一下首列数字是否合理，别偷懒。

4. 用它训练 YOLOv8：dataset.yaml、损失函数与参数经验

4.1 dataset.yaml 的写法和路径陷阱

拿到一份规整的 YOLO 格式数据，训练第一步是写数据集描述文件。YOLOv8 用的是 YAML，核心就两件事：告诉框架图片在哪、标签对应的类别名是什么：

# tea_disease.yaml path: D:/datasets/tea_disease train: images/train val: images/val test: images/test nc: 8 names: 0: healthy 1: anthracnose 2: blister_blight 3: white_scab 4: red_leaf_spot 5: gray_blight 6: sooty_mold 7: brown_blight

path是数据根目录，train/val/test相对它定位。这里有三个很常见的坑。第一，path用相对路径时是相对「当前工作目录」解析的，不是相对 yaml 文件所在目录，如果你在项目根目录跑命令、yaml 放在数据集目录里，路径会解析错。我习惯直接用绝对路径，或者把 yaml 丢到数据集根目录下再写相对路径。第二，names的顺序必须和标签 txt 第一列的数字对齐，一旦错位，训练不报错，但预测结果全乱。第三，nc必须等于 names 的长度，多写少写都会触发对齐错误。

如果是在 Docker 或远程服务器上训练，这份数据的双格式价值就体现出来了——VOC 目录可以作为备份存档，YOLO 目录直接挂载进容器，不需要在镜像里再装转换工具。数据不动、环境只读，跑完一个实验销毁容器，下一轮重新挂载，保证实验可复现。

4.2 训练命令与参数范围

YOLOv8 的命令行训练很直接，一条命令跑到底：

yolo detect train \ data=tea_disease.yaml \ model=yolov8m.pt \ epochs=200 \ imgsz=640 \ batch=16 \ patience=40 \ lr0=0.001 \ device=0 \ project=runs/tea_disease

model=yolov8m.pt表示从预训练权重开始微调，而不是随机初始化。9591 张图对农业细粒度病害来说数量不算多，迁移学习收益明显，尤其前几十个 epoch 收敛速度快很多。预训练权重会从官方自动下载到~/.cache，第一次跑需要联网，后面都走本地缓存。如果网络受限，手动下载对应的.pt文件放到工作目录再指定路径也行。

关键参数我给一个参考范围，具体按显存和任务调：

显存估算有个粗公式：显存占用大约正比于 batch × imgsz²。batch 16、imgsz 640 用 m 模型，8G 显存基本顶满，再往上就 out of memory。此时降 batch 到 8、换 n 或 s 模型更保险，不要硬上大模型——农业病害这种细粒度分类，模型容量不是瓶颈，数据和标注质量才是。

4.3 训练时看什么：损失曲线与混淆矩阵

训练启动后，很多人只盯着 mAP 那个数，其实最有信息量的是三条损失曲线。YOLOv8 的损失函数拆成三块：box_loss是边界框回归损失，用 CIoU 变体，衡量预测框和真实框的重合度；cls_loss是分类损失，二值交叉熵；dfl_loss是分布焦点损失，负责框边界的精细回归。训练过程中results.png里这三条曲线都会画出来。

判断标准有两个。第一，看 train 和 val 曲线的间距：train loss 一直降、val loss 降到某点开始回升，是过拟合的信号，此时加数据增强或提前早停；val loss 全程剧烈抖动，大概率是 lr 太高或 batch 太小，先降 lr 再看。第二，看混淆矩阵是不是对角占优。训练结束后runs/tea_disease/下会生成confusion_matrix.png，对角线亮、其余位置暗就是正常状态。茶叶病害里最容易混淆的组合是 anthracnose 和 red_leaf_spot，两者都是褐红色斑，如果这对格子很亮，说明特征差异在 640 分辨率下不够明显，考虑截取病斑局部图做二次分类，或者叠加一个细粒度分类头。

提示：训练完别急着删 runs 目录。weights/best.pt和weights/last.pt都要留，best 是验证集上最优的权重，last 是最后一轮的，有时候 last 反而在真实场景上更稳。

5. 避坑指南：双格式数据集最容易翻车的五个位置

5.1 7z 解压到一半报错：分卷、版本与完整性

现象：解压到 30% 或 80% 弹出「数据错误」或「无法作为自解压文件运行」，有时还提示密码错误，但包根本没设密码。 原因：最常见的是分卷没下全，或者下载过程中文件被截断，7z 校验文件头时就中止了。其次是 7-Zip 版本太老，不支持较新的压缩算法。密码提示多半是文件本身损坏导致的误报，压缩包损坏时错误信息会乱跳。 解决：先把所有分卷放进同一目录，跑一遍7z t看完整性；Windows 升级 7-Zip 到 21.x 以上，Linux 用 p7zip-full 最新版；确认没问题再7z x。这套流程我现在拿到任何 7z 包都先走一遍，属于最低成本的后悔药。

5.2 类别编号对不上：loss 正常但 mAP 为 0

现象：训练曲线非常正常，loss 稳定下降，验证时 mAP 却是 0，预测结果类别全乱，比如把煤病全预测成健康。 原因：类别编号错位。txt 里第一列是数字，yaml 里 names 是字符串，两者靠顺序对齐。只要转换脚本的 CLASSES 顺序和训练 yaml 的 names 顺序不一致，整个标签体系就整体平移一位。 解决：以 VOC 的 XML 为基准，抽 3~5 个文件人工比对一次。具体做法是找一个 XML 里name=anthracnose的框，看对应 txt 同索引行首列是不是 1。这个检查 30 秒做完，能省掉一整轮无效训练。

5.3 空标注与越界框

现象：训练时刷大量WARNING: label file ... out of bounds，或者数据里存在 0 字节 txt，训练日志里对应图片永远没有 loss 贡献。 原因：第三方标注工具导出时，贴边框的 xmax 会略大于图宽；空 txt 是标注员标完又删掉目标后留下的残留文件。 解决：把 3.3 节脚本里的 clamp 逻辑跑一遍，强制把坐标压回 [0,1]；同时清理 0 字节标签和对应图片。检查命令很简单：find YOLO/labels -name "*.txt" -size 0把空文件全列出来，核对后删除。

5.4 训练 loss 变 NaN 与 BN 崩溃

现象：训练一两个 epoch 后 loss 突然变成 NaN，或日志里出现 BN running statistics 相关的异常，后续 epoch 全部无效。 原因：三个高频诱因——学习率过高导致梯度爆炸、batch 太小让 BN 统计值不稳、预训练权重和被改过的模型结构不匹配（比如手动改了 nc 但没对应调整网络头）。 解决：先把 lr0 降到 0.001 试探 20 个 epoch，能跑再拉回来；batch 至少 8；换预训练权重时直接用对应版本的 yolov8n.pt 或 yolov8m.pt，不要自己改结构。BN 崩溃这种问题，降 lr 永远是最快的止血手段。

5.5 混淆矩阵数值总和不是 1

现象：训练完打开 confusion_matrix.png，标题写着 normalized，但每行加起来不是 100%，甚至矩阵里所有数字加起来不到 1。 原因：这个图默认是「行归一化」，每个真实类别单独归一，每行之和为 1。但背景列也算作一个预测类，所以某类被误判为背景的比例也占一行里的份额。如果不确认归一化方向，光凭直觉觉得「总和不对」很容易误判模型好坏。 解决：读图前先看 colorbar 范围，normalized 版的最大值是 1.0；要算自己关心的指标，直接看 val 输出的 precision、recall、mAP50 数字，不要拿图上的色块猜。这个属于「看着像 bug 其实是特性」的典型，我第一次看到也差点以为数据有问题。

6. 把模型接进真实场景：推理脚本与帧间投票

6.1 推理脚本

训练结束后，先用没进过训练集的现场照片验证一遍，再看真实视频流。推理脚本很短：

from ultralytics import YOLO model = YOLO('runs/tea_disease/weights/best.pt') results = model.predict( source='field_samples/', # 放几张现场实拍图 conf=0.25, iou=0.6, save=True, save_txt=True, project='outputs/field_test', )

conf是置信度阈值，低于 0.25 的框不输出；iou=0.6是 NMS 合并阈值，同一位置的多余框会被压掉。田间巡检场景我会把 conf 抬到 0.4 左右，宁可少框不可乱框，因为误报框出现在健康叶片上，工人得专门跑过去看一次才知道是错的。

6.2 帧间投票

单张图稳定不代表视频稳定。扫茶园时同一片叶子会出现在连续多帧里，我给每帧输出加一个投票窗口，连续几帧出现同一类别才保留：

from collections import deque window = deque(maxlen=5) # 滑动窗口，保留最近 5 帧 def vote(frame_boxes, min_votes=3): window.append(frame_boxes) if len(window) < min_votes: return [] counter = {} for boxes in window: for cls_id, _ in boxes: counter[cls_id] = counter.get(cls_id, 0) + 1 return [c for c, n in counter.items() if n >= min_votes]

窗口 5 帧、阈值 3 次，相当于目标要被持续检出约一秒才上报，无人机晃动和叶片反光造成的偶发误报能压掉大半；窗口太长又会让快速移动镜头的响应变迟钝，3~5 帧是我试过的平衡点。

这轮做下来我养成了一个固定习惯：拿到任何数据集压缩包，先7z t再解压，解压完先数图片和标签、抽查三五个标注，然后才谈训练参数；模型上了现场，也不看单帧效果，先跑一遍帧间投票看稳定性。这份双格式数据把最麻烦的格式转换省掉了，剩下的坑基本都在解压完整性和标签对应上，按这个流程走都能提前挡住。希望帮到你。

本文还有配套的精品资源，点击获取