简介：面向煤矿传送带异物检测的专用标注数据集，适用于训练主流目标检测模型，帮助工程人员解决煤流中锚杆、铁丝、大块矸石等异物识别问题，为煤矿智能化建设与安全生产提供数据支撑。包内共2000个XML标注文件，采用VOC格式，对应2345张煤矿传送带现场图像，压缩包整体约186.53MB，目录按train/test划分，便于直接划分训练集与验证集。数据来源于实际工况，涵盖不同光照、粉尘与煤流密度下的样本，标注框覆盖常见异物类别，同时保留原始文件名便于对应图像检索。已有884人学习下载，说明该数据在相关领域具备一定参考价值。读者可获得带类别与边界框标注的完整VOC数据，可直接用于模型迭代、算法对比与异物检测项目落地，也可作为迁移学习或数据增强的基础数据集，辅助快速验证检测网络在工业场景中的泛化能力。

1. 煤矿传送带异物检测数据集：这不是又一个“标注好的图片包”

做矿井皮带运输视觉检测的人，手机里多少都存过这样的截图：传送带上混进锚杆、托盘、大块矸石，甚至截齿尖，然后下游设备报废，检修班连夜下井换皮带。异物检测模型要解决的，就是这类“混在煤流里的非煤物体”的实时识别问题。而这个名为“煤矿传送带异物检测数据集”的资源，打包了2345张图像并附带完整的VOC格式标注，正好切中了这个场景里最基础也最稀缺的原料：带标注的现场数据。适合谁？矿业智能化服务商、做皮带运输视觉方案算法工程师，以及刚接手选煤厂或井下主运皮带项目、正在为数据发愁的团队。这篇文章会用一套完整的落地路径，把这个数据集从下载到训练再到工程部署的环节拆开讲清楚，哪些参数直接决定模型能不能用，哪些坑会浪费你两周时间。

2. VOC格式下的数据底细：先搞清这2345张图能做什么、不能做什么

2.1 一张图对应一个XML：VOC标注体系里的关键字段

这个数据集采用VOC格式组织，也就是每个图像文件都对应一个同名的XML标注文件。打开任意一个XML，核心信息集中在<object>节点里：<name>存类别名，<bndbox>存目标的四个坐标值，即xmin、ymin、xmax、ymax。这套结构和ImageNet、Pascal VOC比赛数据一致，像LabelImg这类标注工具原生支持打开和修改。

<annotation> <folder>JPEGImages</folder> <filename>img_00123.jpg</filename> <source><database>mine conveyor foreign object dataset</database></source> <size> <width>1920</width> <height>1080</height> <depth>3</depth> </size> <object> <name>anchor</name> <pose>Unspecified</pose> <truncated>0</truncated> <difficult>0</difficult> <bndbox> <xmin>824</xmin> <ymin>391</ymin> <xmax>1027</xmax> <ymax>568</ymax> </bndbox> </object> </annotation>

不要小看<difficult>字段，很多训练脚本默认忽略它，但这个字段恰恰标记了“部分遮挡”或“严重模糊”的样本。如果训练时把这类目标直接丢弃，等于放弃了最难样本的识别能力。而<truncated>标记的是超出图像边界的物体，在传送带场景中，大块矸石或锚杆经常跑到画面边缘，这一项信息对数据清洗价值很高。

2.2 类别分布与图像分辨率：决定你能否直接迁移到YOLO

这类数据集的常见类别包括锚杆、托盘、大块矸石、钢绞线、水棚管等。拿到手后不要急着训练，先写一个统计脚本把类别数、每类目标数量、图像尺寸分布算清楚，这一步能避免后面大量返工。一般用Python读取XML就能完成。

import os import xml.etree.ElementTree as ET xml_dir = "Annotations" classes_count = {} image_sizes = [] for xml_file in os.listdir(xml_dir): tree = ET.parse(os.path.join(xml_dir, xml_file)) root = tree.getroot() size = root.find("size") image_sizes.append((int(size.find("width").text), int(size.find("height").text))) for obj in root.iter("object"): cls = obj.find("name").text classes_count[cls] = classes_count.get(cls, 0) + 1 print("类别统计:", classes_count) print("图像尺寸范围:", min(image_sizes), max(image_sizes))

这段脚本的输出直接决定后续训练策略。如果发现某类目标只有几十个实例，就需要针对性做数据增强；如果图像尺寸不统一，比如既有1920x1080又有640x480，训练时预处理Resize策略就不能一刀切。多数煤矿传送带异物数据集的分辨率集中在1080p左右，原因是现场摄像头普遍采用高清枪机或矿用本安型摄像仪，这个尺寸对后续YOLO训练来说正好，不需要额外做超分辨率重建。

2.3 光照条件和遮挡情况：为什么不能直接在井下复用

有一个容易被忽略的现实：这个数据集可能有一部分是地面选煤厂拍摄，一部分来自井下主运巷道，两者的光照条件差异巨大。井下环境光照依赖矿灯或红外补光，煤尘大、对比度低，煤流与黑色异物的边界模糊；选煤厂则往往是自然光加照明灯，图像清晰得多。如果混在一起训练而不做区分，模型很可能出现“在某一类场景上表现好，换一个矿井就崩”的现象。

注意：拿到数据集后，先按拍摄环境做一次人工画像，用图像亮度均值、对比度、色彩分布做聚类分析。如果条件允许，尽量按环境拆分训练集和验证集，保证验证集来自模型没见过的场景。这是煤矿视觉项目落地最容易踩的坑。

3. VOC转YOLO：转换脚本与四个边界坑

3.1 为什么非转不可：YOLO系训练脚本只认TXT标注

虽然VOC格式是通用的标注标准，但YOLOv5、YOLOv8以及大多数工业部署框架（如TensorRT加速流程）都要求标注格式为归一化的TXT文件。每行内容依次是类别ID、归一化中心x、归一化中心y、归一化宽w、归一化高h，坐标基于图像宽高做除法计算。

import os import xml.etree.ElementTree as ET class_names = ["anchor", "tray", "gangue", "steel_cable", "water_pipe", "other"] def convert_annotation(xml_path, output_path, image_width, image_height): tree = ET.parse(xml_path) root = tree.getroot() lines = [] for obj in root.iter("object"): cls = obj.find("name").text if cls not in class_names: continue cls_id = class_names.index(cls) bndbox = obj.find("bndbox") xmin = float(bndbox.find("xmin").text) ymin = float(bndbox.find("ymin").text) xmax = float(bndbox.find("xmax").text) ymax = float(bndbox.find("ymax").text) x_center = (xmin + xmax) / 2.0 / image_width y_center = (ymin + ymax) / 2.0 / image_height box_width = (xmax - xmin) / image_width box_height = (ymax - ymin) / image_height lines.append(f"{cls_id} {x_center:.6f} {y_center:.6f} {box_width:.6f} {box_height:.6f}") with open(output_path, "w") as f: f.write("\n".join(lines))

这段脚本在转换坐标时，注意必须使用原图尺寸做归一化。如果某张图在标注前被Resize过，而XML里的坐标还是基于原图的，那么训练时模型看到的尺寸和标签计算的逻辑会错位，表现为Loss前期下降正常，后期震荡不收敛。

3.2 坑一：类别ID映射错位

在VOC格式里类别名是字符串（如anchor、tray），在YOLO格式里类别必须映射为从0开始的整数。手工维护class_names列表时极易出现新旧版本顺序不一致，导致“锚杆被当成托盘的框去训练”这种低级事故。建议用同一份class_names生成训练标签和模型配置文件中的类别列表，严禁两处单独维护。

3.3 坑二：目标是空的——XML存在但没有任何有效物体

数据集里偶尔会出现损坏的标注文件，可能某个XML的<object>节点缺失或者<name>为空。转换脚本遇到这种情况会生成一个空的TXT文件，而YOLO训练脚本遇到空标签通常会直接报错或跳过该图像。稳妥做法是：转换后统计TXT文件中数据行数为0的文件，再决定是删除对应图像还是退回检查XML。

find labels/train -name "*.txt" -size 0 -exec ls {} \;

这条命令列出所有内容为空的标签文件。正常情况下数据集清洗时就应该把这些坏样本剔除，而不是等到训练报错再排查。建议转换后把空标签文件对应的图像移动到一个exclude/目录，并在训练配置中忽略这个目录，保留坏数据作为排查线索。

3.4 坑三：坐标值超出图像边界

实际标注中，标注员在目标被遮挡时经常把框拉得过大或超出画面边界，导致归一化坐标大于1或小于0。YOLO训练对这类坐标通常不报错，但会严重影响anchor匹配效果。转换脚本里应该加上坐标裁剪逻辑：先限制xmin、ymin、xmax、ymax在图像范围内，再做归一化。

xmin = max(0, min(image_width - 1, xmin)) xmax = max(0, min(image_width - 1, xmax)) ymin = max(0, min(image_height - 1, ymin)) ymax = max(0, min(image_height - 1, ymax))

3.5 坑四：JPEGImages和Annotations目录不一一对应

部分数据集发布时，图像目录里有几张图没有对应的XML，或者XML没有对应的图。转换前先比对一下两个目录的文件名集合，找出差异文件。

comm -23 <(ls JPEGImages | sed 's/\.jpg$//' | sort) <(ls Annotations | sed 's/\.xml$//' | sort)

这条命令输出“有图像但没有标注”的文件名，反过来再跑一次输出“有标注但没有图像”的文件名。两条命令的结果都应该为空，否则要先把数据补全再做训练集划分。

4. 基于YOLOv8训练异物检测：配置与参数细节

4.1 数据集配置文件怎么写

YOLOv8用YAML文件描述数据集路径和类别信息。对自定义数据集来说，关键字段只有三个：path、train、val，names列表必须和转换脚本里的class_names完全一致。

path: /data/mine_foreign_object train: images/train val: images/val names: 0: anchor 1: tray 2: gangue 3: steel_cable 4: water_pipe 5: other

4.2 训练命令与关键超参数

这2345张图的规模属于典型的中小样本工业数据集，训练时不需要从零预训练，直接加载YOLOv8s或YOLOv8m的COCO预训练权重即可。这两个模型规模在该数据量下表现最均衡。

yolo detect train data=mine_foreign.yaml model=yolov8s.pt epochs=150 imgsz=640 batch=16 device=0 patience=20

解释一下几个核心参数：imgsz=640是训练分辨率，1080p原图会被压缩到640像素边长输入网络，这个值兼顾了速度和检测精度，不是越大越好；patience=20控制早停机制，连续20个epoch验证集mAP不提升就自动结束训练，这个参数能节省大量时间；device=0指定第一块GPU，如果没有GPU则改成device=cpu，但训练时间会非常长。

4.3 Loss曲线怎么看

训练过程中重点关注box_loss和cls_loss两个指标。正常情况是训练初期快速下降，中后期缓慢收敛。如果box_loss在训练中段反弹，大概率是学习率过大或数据里存在错误标注框；如果cls_loss收敛后仍高于0.1，说明类别混淆较严重，尤其是“anchor”和“steel_cable”这类外形相近的长条物体。

出现Loss波动时，最直接的调参手段是降低初始学习率。

yolo detect train data=mine_foreign.yaml model=yolov8s.pt epochs=150 imgsz=640 batch=16 lr0=0.001 patience=20

4.4 数据增强在煤矿场景下的取舍

YOLOv8内置了Mosaic、随机仿射变换、HSV扰动等增强策略，但煤矿传送带场景有别于通用目标检测：煤流本身颜色单一，过度饱和度和色彩扰动反而会导致模型学到错误的颜色特征。建议在训练时调整增强参数，将HSV的饱和度扰动调低，保留更多灰度变化特征。可以通过参数传递实现：

yolo detect train data=mine_foreign.yaml model=yolov8s.pt epochs=150 imgsz=640 batch=16 hsv_s=0.2 hsv_v=0.2 patience=20

这组参数把饱和度和明度扰动幅度压缩到0.2，减少模型对颜色的依赖。煤和矸石的主要区别在纹理和形状，色彩本来就不可靠。

4.5 验证集指标不能只看mAP

训练完成后很多人只看mAP50、mAP50-95，但煤矿场景更应该关注每个类别的单独召回率。以典型的皮带异物检测需求来看，漏检的代价远高于误检，一个漏检的锚杆可能直接撕裂皮带，制造数万元损失。训练结束后，用验证集单独统计每个类别的召回率，如果anchor或tray的召回率低于90%，这个模型就不具备上线条件。

yolo detect val data=mine_foreign.yaml model=runs/detect/train/weights/best.pt

验证输出包含每个类别的Precision和Recall，逐行检查，不要只看汇总数。

5. 现场部署的难点：从离线测试到实时检测的四个注意

5.1 推理速度不是越快的越好

很多人一上来就推荐TensorRT加速模型，追求毫秒级推理速度，但在煤矿场景里，传送带本身运行速度有限，异物从进入画面到抵达下游转载点通常有几秒到十几秒的窗口期。相比极端帧率，稳定性更关键。

5.2 JPEG图像的绝对路径和相对路径问题

把模型部署到现场工控机时，图像加载路径往往是Windows风格的双反斜杠，而训练时用的是Linux风格路径。推理脚本里如果写死路径分隔符，换一台机器就报“找不到文件”。这个坑在煤矿项目里非常常见。

from pathlib import Path image_dir = Path(r"D:\conveyor_images") for img_path in image_dir.glob("*.jpg"): results = model.predict(str(img_path), conf=0.25)

使用pathlib能自动适配Windows和Linux路径分隔符，避免多环境部署时的路径解析错误。

5.3 置信度阈值的选择逻辑

煤矿现场检测建议把conf阈值设在0.25左右，不要设太高。井下视频画面受煤尘、水雾干扰大，模型输出置信度普遍比地面场景低0.1到0.2个百分点。设到0.5会漏掉大量真实目标，宁可多几次误报（人工复核），不能漏。

5.4 报警逻辑要设计滞后机制

这是最容易踩的工程坑。传送带异物不是瞬间出现的，一个锚杆可能在画面里持续出现0.5秒以上。如果模型出现一帧漏检，就直接撤回报警，会造成大量重复告警。常见做法是连续3到5帧检出再触发报警，连续10帧消失再解除报警状态。这个滞后机制能让现场值班人员不至于被报警刷屏。

6. 进阶技巧：把数据集价值放大到极致

在这个2345张图像的数据集基础上，一个很容易轻视但性价比极高的操作是“伪标注扩充”：用训练好的模型对未标注的传送带视频帧做预测，再把高置信度结果人工复核后加入训练集。这个半自动标注流程能让有效样本数量翻倍，成本却只有人工标注的一小部分。

import cv2 cap = cv2.VideoCapture("conveyor_video.mp4") frame_idx = 0 while cap.isOpened(): ret, frame = cap.read() if not ret: break if frame_idx % 30 == 0: cv2.imwrite(f"frames/frame_{frame_idx}.jpg", frame) frame_idx += 1 cap.release()

这段脚本每隔30帧抽取一帧，也就是每秒抽1帧，避免相邻帧高度相似造成的数据冗余。再配合模型预测结果做人工复核，就能稳定扩充数据池。

另外一个实操经验是：训练完成后单独跑一遍测试集，把预测框和标签框的IoU较低的样本全部挑出来，人为检查这些“模型最不擅长的样本”。通常会发现两类问题：一是标签框标注不准确，二是目标形态和训练集差异大。前者修正标签重训，后者对应着需要补充采集的现场场景。

做煤矿视觉这几年，一个最深的感受是很多人把精力花在换模型上，反而忽略了对数据本身的理解和清洗。这个异物检测数据集虽然只有2345张，但把它吃透，搞清楚每一类目标的光照特征、遮挡形态、出现概率，比盲目堆数据更管用。把数据集的格式转换、训练参数、部署边界逐项调校一遍，你会发现自己对检测任务的理解上了一个台阶。希望这些踩坑经验能帮你在现场少走几步弯路。

本文还有配套的精品资源，点击获取