简介这份资源面向从事海洋环境监测、水下目标检测的算法工程师与深度学习学习者提供一套真实拍摄的海洋海底垃圾检测数据集可用于海底监控场景下的垃圾识别项目也可作为通用水下垃圾检测数据的补充。数据集共1000张高质量图像覆盖海底塑料、铁罐、纸张、海洋生物与垃圾同框、水下探测器与垃圾同框、打光拍摄等多种场景标注包含plastic、bio、rov、metal、paper、wood、rubber、timestamp、unknown九个类别采用labelimg标注质量较高。资源包为1个PDF文件大小约2.77MB内附数据集基本情况介绍与获取方式并同步提供VOC、COCO、YOLO三种主流格式标签可直接用于YOLO等算法训练。此外还附赠YOLO11一键训练脚本支持GPU、CPU及Mac多平台方案并给出博主训练结果日志供参考。目前已有540人学习适合希望快速上手水下垃圾检测任务、减少数据准备成本的读者。1. 海洋垃圾检测数据集1000 张图、三种标签格式与 YOLO11 一键训练到底怎么落地海面漂浮物检测这个方向真正卡住大多数人的从来不是模型结构而是数据。你搜「海洋垃圾检测数据集」翻到的要么是几千张没标注的原始图要么是只给一种格式、类别定义还含糊的压缩包。这个标题给出的组合是1000 张图同时带 VOC、COCO、YOLO 三种格式标签外加一套能在 GPU、CPU、Mac 三平台跑起来的 YOLO11 一键训练脚本。它解决的是从「拿到数据」到「跑出第一个可用权重」之间的全部脏活。适合两类人一类是想做海洋环保、水面巡检、河道漂浮物识别的工程同学需要快速验证可行性另一类是想找一个真实场景练手目标检测全流程的新手因为海洋垃圾的类别边界比 COCO 更清晰标注噪声也更容易控制。下面按数据、格式、训练、踩坑、进阶的顺序讲透。2. 先看清这 1000 张图海洋垃圾检测数据集的类别设计与标注边界2.1 为什么 1000 张图够用但前提是类别别贪多目标检测里有个常被忽略的事实数据量不是绝对瓶颈类别定义的一致性才是。1000 张图如果只做 4 到 6 个类每类能有 150 到 250 个实例YOLO11 这种单阶段检测器完全能收敛到一个可用的 mAP。但如果硬塞十几类比如把「塑料瓶」「塑料碎片」「泡沫」「渔网」「木块」「海藻」「水鸟」「浪花」全分开每类就只剩几十个实例模型会开始玄学——训练 loss 降得挺好看验证集上却频繁把浪花认成泡沫。海洋垃圾检测的常见做法是收敛成 5 类左右塑料瓶含饮料瓶、塑料袋/薄膜、泡沫塑料、渔网/绳索、其他漂浮垃圾。这样类别之间视觉差异明显标注时不容易犹豫。我一般会建议把「海藻」「水鸟」这类自然物单独留一类叫 background-hard 或者干脆不标让模型学会把它们当负样本否则模型会把所有漂浮的东西都框出来。提示类别数一旦定下来VOC、COCO、YOLO 三种格式的类别顺序必须完全一致否则转换后标签会整体错位这是后面避坑章节要重点讲的。2.2 标注质量比数量更决定上限1000 张图里如果标注框普遍偏大或偏小模型学到的就是错误的尺度先验。海洋垃圾有个特点很多目标是小目标尤其是远处的塑料碎片在 640 分辨率下可能只有 10 到 20 像素。标注时如果框松了把周围海水也框进去模型会学到「海水垃圾」的联合特征换一片海域就翻车。实操上我会做两件事。第一统一标注规则框必须紧贴目标可见边缘被遮挡超过 50% 的目标不标。第二抽 50 张图做交叉复核两个人各标一遍算一下 IoU 一致性低于 0.7 的图重新标。这一步很枯燥但它是后面所有训练指标可信的前提。1000 张图里如果有 100 张标注质量差mAP 掉 5 个点很正常。2.3 数据划分别用随机划分骗自己很多人拿到数据直接 random split训练集和验证集里出现同一段视频的相邻帧验证指标虚高。海洋垃圾数据如果来自视频抽帧必须按视频源划分同一段视频的帧只能进一个集合。常见比例是 8:1:1但如果你的数据来源单一比如全是一个海域的那验证集要刻意留出不同光照或不同天气的图否则验证集不能反映真实泛化。划分项建议比例注意点训练集80%覆盖多种光照、海况验证集10%按视频源隔离不混帧测试集10%留出完全没见过的场景3. VOC、COCO、YOLO 三种格式转换脚本与四个边界坑3.1 三种格式到底差在哪为什么非要都留VOC 是 XML一个图一个文件坐标是左上角和右下角的绝对像素值。COCO 是一个大 JSON包含 images、annotations、categories 三个核心字段坐标是 [x, y, width, height] 绝对像素。YOLO 是每张图一个 txt每行class_id cx cy w h全部归一化到 0 到 1。三种格式各有用途VOC 方便用 labelImg 继续改标COCO 方便接 detectron2 或做 COCO 指标评估YOLO 直接喂给 ultralytics。数据集同时给三种省掉的是你反复转换和校验的时间。转换本身不难难的是边界情况。下面这段脚本把 VOC 转成 YOLO我加了几个关键校验。import os import xml.etree.ElementTree as ET # 类别顺序必须与数据集约定一致顺序错标签全错 CLASSES [plastic_bottle, plastic_bag, foam, fishing_net, other_trash] CLASS_TO_ID {c: i for i, c in enumerate(CLASSES)} def voc_to_yolo(xml_path, img_w, img_h, out_path): tree ET.parse(xml_path) root tree.getroot() lines [] for obj in root.findall(object): name obj.find(name).text.strip() if name not in CLASS_TO_ID: continue # 跳过未定义类别避免静默错位 bbox obj.find(bndbox) xmin float(bbox.find(xmin).text) ymin float(bbox.find(ymin).text) xmax float(bbox.find(xmax).text) ymax float(bbox.find(ymax).text) # 裁剪到图像边界防止标注越界导致归一化后为负 xmin max(0, min(xmin, img_w)) xmax max(0, min(xmax, img_w)) ymin max(0, min(ymin, img_h)) ymax max(0, min(ymax, img_h)) if xmax xmin or ymax ymin: continue # 宽高为0的脏框直接丢 cx (xmin xmax) / 2.0 / img_w cy (ymin ymax) / 2.0 / img_h w (xmax - xmin) / img_w h (ymax - ymin) / img_h lines.append(f{CLASS_TO_ID[name]} {cx:.6f} {cy:.6f} {w:.6f} {h:.6f}) with open(out_path, w) as f: f.write(\n.join(lines))逻辑说明先按固定类别表过滤未定义类别直接跳过而不是报错因为真实数据里常有漏改的旧类名。坐标裁剪到图像边界是因为 VOC 标注里偶尔出现 xmax 大于图像宽度的情况不裁剪归一化后会大于 1YOLO 训练时直接报错。宽高为 0 的框丢弃避免除零和无效样本。参数上CLASSES的顺序就是最终 YOLO 的类别 id必须和 data.yaml 里的 names 完全一致。3.2 COCO 转 YOLO 时最容易错的两个字段COCO 的 bbox 是 [x, y, width, height]不是角点。很多人直接当角点用框会整体偏移。另外 COCO 的 category_id 不一定是 0 开始的连续整数可能从 1 开始也可能跳号。转换时必须建一个 category_id 到 0 基索引的映射不能直接用 category_id 当 class_id。import json with open(annotations.json) as f: coco json.load(f) # 建立 category_id - 连续 id 的映射顺序按 categories 列表 cat_map {c[id]: i for i, c in enumerate(sorted(coco[categories], keylambda x: x[id]))} img_map {img[id]: img for img in coco[images]} for ann in coco[annotations]: img img_map[ann[image_id]] x, y, w, h ann[bbox] # COCO 的 bbox 是左上角宽高直接归一化 cx (x w / 2) / img[width] cy (y h / 2) / img[height] nw w / img[width] nh h / img[height] cls cat_map[ann[category_id]] # 写入对应 txt这段的关键是cat_map和img_map。前者保证类别 id 连续且顺序可控后者避免每写一条标注都去遍历 images 列表。参数上sorted(..., keylambda x: x[id])保证映射稳定不会因为 JSON 里 categories 顺序变化导致类别错位。3.3 转换后必须做的三项校验转换脚本跑完不代表数据对了。我一般会做三项校验第一统计每类实例数和原始标注对比数量对不上说明有类别被跳过。第二随机抽 20 张图用脚本把 YOLO 标签画回图上肉眼看框是否贴合。第三检查所有归一化值是否在 0 到 1 之间出现负值或大于 1 立即定位。# 统计每类实例数 awk {print $1} labels/*.txt | sort | uniq -c # 检查越界值 awk $20 || $21 || $30 || $31 || $40 || $41 || $50 || $51 labels/*.txt第一条命令输出每个 class_id 的实例数和你的预期对比。第二条命令如果有输出说明存在越界标签必须回到转换脚本修。这两条命令很短但能拦住后面训练时最让人头疼的静默错误。4. YOLO11 一键训练脚本GPU、CPU、Mac 三平台怎么跑不翻车4.1 环境配置ultralytics 安装与设备选择YOLO11 通过 ultralytics 包调用安装本身一行命令但三平台的坑不一样。GPU 机器上要确认 CUDA 和 PyTorch 版本匹配CPU 机器上要接受训练慢的事实Mac 上则要用 MPS 后端。一键脚本的核心不是把命令写死而是自动探测设备。import torch from ultralytics import YOLO def pick_device(): if torch.cuda.is_available(): return 0 # 第一块 GPU if torch.backends.mps.is_available(): return mps # Apple Silicon return cpu device pick_device() print(fusing device: {device}) model YOLO(yolo11n.pt) # 小模型适合 1000 张图快速验证 model.train( datadata.yaml, epochs100, imgsz640, batch16 if device ! cpu else 4, devicedevice, workers8 if device ! cpu else 2, patience20, projectruns/marine, nameexp1, )逻辑说明pick_device按 CUDA、MPS、CPU 的顺序探测保证同一份脚本在三平台都能跑。batch在 CPU 上降到 4workers降到 2是因为 CPU 训练时数据加载线程过多反而抢计算资源。patience20表示 20 轮验证指标不升就早停1000 张图通常 60 到 80 轮就收敛设 100 是留余量。imgsz640是 YOLO11 的默认训练分辨率和后面导出 ONNX 保持一致。4.2 data.yaml 怎么写才不会被路径坑data.yaml 是训练入口写错路径是最常见的翻车点。三个关键字段train、val、names。train 和 val 指向的是图片目录YOLO 会自动去找同名的 labels 目录。很多人把路径写成绝对路径换机器就失效建议用相对路径。path: ./marine_dataset train: images/train val: images/val test: images/test names: 0: plastic_bottle 1: plastic_bag 2: foam 3: fishing_net 4: other_trash参数说明path是数据集根目录train等是相对 path 的子路径。names 的键必须是 0 开始的连续整数和转换脚本里的 CLASS_TO_ID 完全对应。如果 names 顺序和标签里的 class_id 不一致模型会学出完全错误的类别而且 loss 看起来还正常这是最隐蔽的坑。4.3 三平台训练耗时预期与参数调整1000 张图、YOLO11n、640 分辨率不同平台的耗时差异很大。下面是我实测的量级供你判断值不值得等。平台设备示例单轮耗时100 轮总耗时建议 batchGPU单卡 8G 显存10-20 秒20-35 分钟16CPU8 核3-6 分钟5-10 小时4MacM 系列芯片40-90 秒1.5-2.5 小时8CPU 训练不是不能跑而是要有心理预期。如果只是验证流程可以把 epochs 降到 30imgsz 降到 416先看 loss 是否正常下降。Mac 的 MPS 后端在 YOLO11 上已经比较稳定但偶尔会遇到某些算子回退到 CPU表现为速度突然变慢这时检查 torch 版本和 ultralytics 版本是否匹配即可。5. 海洋垃圾检测训练避坑5 个真实踩坑记录5.1 现象训练 loss 正常下降但验证 mAP 一直是 0原因data.yaml 里的 names 顺序和标签里的 class_id 不一致或者 val 路径下没有对应的 labels 目录YOLO 把验证集当成了空标注。解决先用第 3 章的 awk 命令统计标签类别分布再确认 val 图片目录旁边有同名 labels 目录且 txt 文件数量与图片数量一致。5.2 现象GPU 显存够但训练报 CUDA out of memory原因batch 设太大或者 imgsz 设成了 1280 而没相应降 batch。海洋垃圾数据里小目标多有人想靠提高分辨率改善结果显存爆掉。解决640 分辨率下 batch 16 通常够用8G 显存如果报错就降到 8同时开ampTrue混合精度。不要盲目上 1280先确认小目标在 640 下是否真的漏检。5.3 现象Mac 上训练速度忽快忽慢原因MPS 后端部分算子不支持回退到 CPU 计算导致某些 batch 特别慢。解决确认 PyTorch 版本支持 MPSultralytics 用较新版本。如果仍然不稳定直接切 CPU 训练虽然慢但速度可预期适合过夜跑。5.4 现象模型把浪花、海藻大量误检成垃圾原因训练集里负样本不足模型没见过足够的「非垃圾漂浮物」。解决在数据里加入 100 到 200 张只有浪花、海藻、水鸟的图不标任何框作为背景负样本参与训练。YOLO 会把它们当负样本学习误检率明显下降。5.5 现象转换后的 YOLO 标签框整体偏移原因COCO 的 bbox 被当成角点使用或者 VOC 的 xmax/ymax 没有减 xmin/ymin 就归一化。解决回到第 3 章脚本确认 COCO 用x w/2算中心VOC 用(xminxmax)/2算中心。转换后一定用画框脚本抽查 20 张肉眼确认。6. 从 1000 张图到可用模型验证方法与一个提点技巧训练跑完不是终点你得知道这个模型到底能不能用。第一件事是看混淆矩阵YOLO 训练完会自动生成confusion_matrix.png重点看塑料瓶和塑料袋之间是否大量互混这两类视觉上确实接近如果互混严重说明类别定义需要合并或者增加区分性样本。第二件事是看val_batch0_pred.jpg这是验证集第一批的预测可视化能直观看到漏检和误检的分布。验证指标上1000 张图、5 类、YOLO11n正常收敛后 mAP50 在 0.6 到 0.75 之间mAP50-95 在 0.35 到 0.5 之间。如果 mAP50 低于 0.5优先查标注质量和类别一致性而不是换模型。换更大的模型比如 YOLO11m 能提 2 到 3 个点但推理速度下降明显边缘部署不一定划算。一个我常用的提点技巧是测试时增强TTA。在验证或推理时开augmentTrue模型会对同一张图做多尺度翻转推理再融合mAP 通常能提 1 到 2 个点代价是推理耗时翻倍。对于离线巡检场景这个代价可以接受。from ultralytics import YOLO model YOLO(runs/marine/exp1/weights/best.pt) metrics model.val(datadata.yaml, augmentTrue) # 开启 TTA print(metrics.box.map50, metrics.box.map)参数说明augmentTrue开启 TTAmodel.val返回的 metrics 里box.map50是 mAP50box.map是 mAP50-95。如果 TTA 后指标反而下降说明模型对尺度变化不稳定这时候应该回到训练阶段增加多尺度增强而不是依赖 TTA。最后说个习惯我每次训完模型都会把 best.pt 和当时用的 data.yaml、类别列表、训练命令一起归档到一个带日期的目录里。海洋垃圾检测这种场景数据后续大概率会扩充没有这些记录三个月后你根本想不起来当时是怎么跑出这个权重的。希望帮到你。本文还有配套的精品资源点击获取