简介面向目标检测学习与实战的抽烟行为数据集适合使用YOLO系列模型训练吸烟识别任务的开发者也适合作为课程设计、毕业设计或算法对比实验的素材。压缩包共594个文件包含297张JPEG原图与297个XML标注文件每张图片均有对应的标定数据XML中保存目标框信息可直接用于模型训练、验证也能通过脚本转换为YOLO所需的txt格式。资源整体约59.11MB图像与标注一一对应规模适中便于快速完成抽烟检测Demo的训练与效果验证。目前已有366人学习浏览说明该数据集在同类素材中具备一定参考价值。拿到压缩包后可按文件名快速配对图像与标注结合现成脚本即可接入YOLOv5、YOLOv8等训练流程省去自行采集、清洗与标注的大量时间让读者更聚焦模型调参与应用落地。 先聊点实际的。这几年做目标检测项目抽烟行为识别绝对是工业界落地最多、需求最稳定的方向之一尤其是工地安全、加油站禁烟、工厂消防这些场所。而任何一个能跑的抽烟检测模型背后都离不开一套靠谱的数据集——我这里说的就是标题里那种“YOLO抽烟目标检测数据集包含图片和标定数据”。说白了它就是一批标注好“烟”“烟头”“打火机”或者“正在抽烟的人”的图片文件夹外加对应的标签文件。标签文件里写的是每个目标在图像里的位置和类别YOLO算法就是靠这些数据学会“看”的。这篇文章我不打算讲空泛的概念而是完完整整拆解这种数据集的构建逻辑、格式选型、训练评测和常见坑。不论你手头已经有一套现成数据集还是打算从零开始攒一套都能在这里找到可复用的方案。1. 先搞清楚抽烟检测数据集到底长什么样1.1 图片文件和标定数据缺一不可很多人刚接触目标检测时有个误区以为“数据集”就是一堆图片。图片只是原材料真正让模型学会识别的是每张图片里那些标注框bounding box和类别标签。以YOLO训练为例一张图片通常对应一个同名但后缀为.txt的文本文件。文件里每一行代表一个目标格式固定为左边第1个数字是类别编号抽烟烟头烟盒打火机。编号按你写配置文件时的顺序来定后面4个数字分别是归一化后的中心点x坐标、中心点y坐标、框宽、框高。所有数字都在0到1之间用图片的宽高做归一化。举个例子某张1280x720的图中一个香烟目标位于坐标(640, 360)附近宽80像素、高240像素那么标签文件里对应的行就是0 0.5 0.5 0.0625 0.333因为640/12800.5360/7200.580/12800.0625240/7200.333。这个归一化过程不是可选项而是必须项。如果直接把像素坐标喂给YOLO模型对不同分辨率的图片会无所适从。1.2 两类标注模式目标框检测 vs 行为识别我见过不少团队在“抽烟检测”这个需求上绕进死胡同卡在最顶层的问题上到底应该标“烟”还是标“正在抽烟的人”如果标注目标是“香烟/烟头”模型学到的是局部特征适合近距离特写比如桌面烟灰缸、车窗内抽烟的抓拍如果标注目标是“正在抽烟的人”通常包括手部到嘴部的动作区域模型学到的是行为特征适合监控画面的中远距离视角。这两者没有绝对优劣完全取决于你的摄像头位置和业务目标。工业现场往往会混合标注远距离时框人、近距离时框烟。我遇到一个做工地安全帽抽烟双检测的项目就是在大范围监控里以人为检测主体同时单独训练一个模型专门框烟头两路结果做逻辑融合。这种做法比单模型硬扛要稳得多。2. 标定数据怎么来从标注工具到格式转换2.1 工具选型与标注流程拿到了原始图片下一步就是做标定。开源工具里我用得最多的是 LabelImg 和 X-AnyLabeling这两个足够应付99%的场景。LabelImg老牌工具支持Pascal VOC和YOLO格式直接输出快捷键顺手适合团队批量作业缺点是对旋转框、多边形等复杂标注支持较弱X-AnyLabeling带自动预标注功能可以先用一个已训练的模型帮你生成初版框人工再修正效率提升非常明显特别适合几千张起步的中型数据集。标注流程上我建议按“先粗后细”来走第一轮把所有明显目标快速框完第二轮专门做审查修正把遗漏的补上、把框大的缩小。不要指望一次标完就完美。实际项目里一份2万张图的抽烟数据集光两轮标定加交叉审核就花掉了3个人两周时间。这个时间成本很难压缩只能靠好的工具链减少返工。2.2 四种常见格式到底选哪种做检测的人绕不开格式转换。常见的有四种YOLO txt每张图一个txt前面已经说过训练效率最高也是YOLO系列的默认输入VOC XMLPascal VOC标准一个XML对应一张图信息冗余大主要为了兼容老框架COCO JSON所有标注写在一个大JSON里带images、annotations、categories三段结构适合用mmdetection或Detectron2训练LabelMe JSON多边形标注为主适合做实例分割转检测框时需要额外计算外接矩形。我的建议很直接如果主要用YOLO系列直接标成txt如果团队里有人要同时跑不同类型的模型就以COCO JSON作为中间交换格式需要时再转成其他格式。labelme2coco和voc2yolo这类脚本网上很多但转的时候务必检查两点类别顺序有没有对错、归一化坐标有没有越界。坐标小于0或大于1的情况训练时会直接报错排查起来相当花时间。3. 构建一个能用好用的抽烟数据集细节决定成败3.1 数据划分不能偷懒业内标准划分是训练集:验证集:测试集 8:1:1。但重点不在比例而在划分方式。我的建议是按场景划分而不是按文件简单随机切。什么意思假设你摄像头A拍的是白天的工厂车间摄像头B拍的是傍晚的加油站摄像头C拍的是夜间停车场。如果随机划分很可能同一场景的画面同时出现在训练集和测试集里模型看似精度很高一旦部署到新场景就立刻掉点。按场景划分的做法是把来自同一摄像头、同一时间段、同一光线条件的图片归到同一个大组里再把大组整体按比例划分。这样才能真实检验模型的泛化能力。3.2 图像质量与背景多样性我踩过最大的坑是为了凑数量把大量模糊图和重复截图塞进数据集。模型训练起来loss降得很漂亮一到真实摄像头画面就“失明”。后来我总结出一个筛选标准分辨率低于640x640的图片直接丢弃宁可要少量高清不要大量模糊同一视频流里抽帧间隔至少20帧以上避免连续帧高度相似每张图里除了抽烟目标最好保留对应的正常背景比如空手打电话、手拿饮料的负样本否则模型容易把手部动作误判为抽烟。负样本这个点很多人会漏掉。我有一次接手一个数据集正样本画面上几乎人人的手都举在嘴附近模型学出来之后误报率奇高后来专门补了三千多张“手拿矿泉水”“手摸下巴”的图片做负样本误报才压下来。抽烟检测本质上是“找差异”没有足够的正常行为做对比模型根本不知道什么算异常。3.3 数据增强别把增强当万能药YOLOv8自带的增强已经很强包括Mosaic、随机仿射、HSV扰动、翻转等。训练抽烟检测时我一般只改几个关键开关Mosaic开启但把它出现概率调到0.5左右。Mosaic对提升小目标检测很有帮助但概率过高会让模型看到太多拼接图反而干扰行为动作的完整性上下翻转在监控场景里必须关掉。摄像头是固定的地面不可能突然跑到天上去。开了这个增强等于主动教模型学错误空间关系亮度、对比度扰动可以开到较大范围抽烟场景经常有逆光、夜视、强灯光变化这一项非常管用。补充一点外部增强脚本比如用Albumentations适合在数据量真的不足时使用。如果图片本身就超过两万张靠内置增强就足够了额外引入外部增强只会拖慢训练速度收益很有限。4. 训练前必须理清的评价指标与配置逻辑4.1 用mAP说话别只盯着loss很多新手训练目标检测模型看完loss曲线就发朋友圈说“收敛了”。但loss低不等于检测准真正要盯的是验证集上的几个指标Precision预测出来的框中真正是目标的占比Recall所有真实目标中被模型找回来的占比mAP0.5IoU阈值取0.5时的平均精度是目标检测最经典的参考值mAP0.5:0.95对不同IoU阈值从0.5到0.95步长0.05求平均更严苛反映模型框的定位精度。实际项目中我只认一个原则先看Recall是否达标。抽烟检测漏报一个比误报一个严重得多。误报顶多多一条日志漏报可能直接出安全事故。所以调参时优先提高Recall再去通过提高置信度阈值把Precision拉回来。4.2 YOLO版本选择与训练参数参考YOLO系列现在可选版本非常多v5、v8、v9、v10甚至2024年出的YOLO11各有侧重。我的经验是如果是边缘设备部署比如树莓派或Jetson Nano用YOLOv5s或YOLOv8n体量小、推理快如果服务器上有独立显卡追求精度直接上YOLOv8m甚至YOLOv8l如果是研究性质而非工程落地可以试试YOLO11但工程上我还是v8最顺手社区资料最全遇到问题最好搜到方案。一组参考训练参数以YOLOv8为例显卡用RTX 3090batch size16到32视显存定epochs120到200不要设300以上容易过拟合img-size640x640这是一个精度和速度的均衡点patience默认50用于早停防止后续epoch白跑workers4到8Windows上不要设太高否则可能报DataLoader多进程错误。训练过程里我习惯每10个epoch存一次权重并且把best.pt和last.pt都保留。best.pt是验证集mAP最高的那一次last.pt是最后一次epoch的结果两者用途不同。实际部署时绝大多数情况用best.pt就够了。4.3 损失函数与调参心得很多初学者会在训练前纠结要不要改造损失函数。我的观点是先跑通基线再谈自定义。YOLOv8默认包含分类损失、定位损失、置信度损失三者加权求和模型自己会平衡一般不需要动。真正影响效果的三件事优先级从高到低依次是数据质量、锚框或Anchor策略、训练时长。数据质量前面已经展开。锚框方面YOLO系列会自动根据训练集统计出合适的先验尺寸但你可以在ultralytics的yaml里用anchors字段手动指定。比如你的检测目标多数是从远处看的整根香烟比例细长那么锚框宽高比可以多设一些细长型。不确定怎么设的话直接跑一次auto anchor会帮你算。5. 训练过程中的常见问题与排查技巧5.1 常见问题速查表这里整理了一份我在多个项目中沉淀下来的问题排查表直接对照参考现象可能原因解决办法验证集mAP迟迟不涨标注框质量差中心点偏移抽检200个标注框可视化修正训练loss下降快、mAP差过拟合数据多样性不足补数据、增加增强、降低epoch推理时漏检小目标原图分辨率低或下采样过大提高训练分辨率到960x960或加小目标检测头误报高把打火机当烟类别特征不够明显增加打火机样本量或合并为“疑似吸烟物”类别同一张图反复闪框NMS阈值过低把IoU阈值从默认0.5提高到0.6左右GPU显存占用异常高batch size太大减小batch size或用梯度累积步数模型在夜间效果断崖下跌训练数据缺少夜间样本单独补充红外/低光照增强数据5.2 关于小目标检检测的优化心得抽烟场景里最头疼的小目标是远处监控画面中那个只有几十像素大小的烟头或者手上那根细烟。说实话YOLOv5n和YOLOv8n在小目标上效果偏弱因为网络下采样倍数大细节在深层特征图里已经丢了。三种有效手段提高输入分辨率到960或1280这是最直接不过的代价是推理速度下降在YOLOv8里开启多尺度训练设置scale0.5和scale1.5让模型见过不同尺寸的目标使用添加P2检测头的改进版本也就是常说的“小目标检测头”。网络上有很多针对YOLOv8加入P2层的改进代码复现时注意训练脚本的配套修改。如果以上都试过还是不理想回头检查数据分布。一张1280x720的图上烟头目标只有20x20像素那么它对模型的学习贡献是很低的。这时候可以剪裁原图把包含小目标的区域裁出来单独作为训练样本等于让小目标在画面里放大。这种方法在无人机视角的小目标检测中非常常见同样适用于抽烟检测的远处镜头。6. 部署与落地让模型真正跑起来6.1 模型导出与推理训练完成后一般需要把PyTorch权重导出为部署格式。最常用的是ONNX通用格式配合ONNX Runtime或OpenVINO跨平台部署TensorRT英伟达显卡上推理速度最快适合有实时要求的监控系统OpenVINOIntel CPU/核显上表现抢眼NCNN/MNN手机端和边缘盒子的选项。导出时输入尺寸要和训练时保持一致。如果训练时用的是640导出也设640。我见过有人训练960、导出640模型精度直接崩掉因为感受野完全对不上。6.2 后处理逻辑不能省单靠模型输出的框来报警误报会很多。工业级落地要加一道业务过滤逻辑。我自己常用的一套规则是连续N帧比如3帧都检测到目标才触发报警避免偶然误检目标置信度阈值设0.45以上现场误报严重的可以压到0.6同一检测目标在相邻帧的IoU大于0.5时视为同一目标避免重复计数与业务联动比如只有人员在特定区域如加油站卸油区、工地动火区内抽烟才报警区域外视为可忽略。这些规则写在推理后处理的脚本里用Python或者C都能实现。别看它简单能把误报率再降低一半以上。7. 数据集的后续维护与扩展数据集不是一次性资产。模型上线后现场不断产生新的场景数据一定要定期收集反馈样本回灌到数据集里做增量训练。我建议团队做两件事每周导出一批现场误检和漏检样本人工标注后并入训练集。不用等积累很多才训练500到1000张就能做一次微调把模型版本和数据集版本对应管理起来每次训练留好配置文件和训练日志。否则三个月后你想复现当时的精度会发现数据变了、代码变了什么都对不上。积累三个月后这套抽烟检测系统的精度一般都比刚上线时高出不少因为现场数据才是最有价值的训练来源。最后分享一个个人习惯每次拿到新数据集我先做一次快速可视化把标注框画在图片上随机看个二三十张。这一步不能跳过。很多标注工具导出的顺序、类别对不上号都会在可视化时原形毕露。等图片和标注确认无误再动手训练省下的时间远比这一步花掉的多。这个抽烟检测数据集本身不难难的是把每个环节的细节都做扎实。按上面这套流程走下来你手里就会有一套真正能训练出高精度模型的资产而不是一堆躺在硬盘里“看着像能用”的图片加txt。本文还有配套的精品资源点击获取
YOLO抽烟检测数据集构建全攻略：图片标定、训练优化与部署避坑
简介面向目标检测学习与实战的抽烟行为数据集适合使用YOLO系列模型训练吸烟识别任务的开发者也适合作为课程设计、毕业设计或算法对比实验的素材。压缩包共594个文件包含297张JPEG原图与297个XML标注文件每张图片均有对应的标定数据XML中保存目标框信息可直接用于模型训练、验证也能通过脚本转换为YOLO所需的txt格式。资源整体约59.11MB图像与标注一一对应规模适中便于快速完成抽烟检测Demo的训练与效果验证。目前已有366人学习浏览说明该数据集在同类素材中具备一定参考价值。拿到压缩包后可按文件名快速配对图像与标注结合现成脚本即可接入YOLOv5、YOLOv8等训练流程省去自行采集、清洗与标注的大量时间让读者更聚焦模型调参与应用落地。 先聊点实际的。这几年做目标检测项目抽烟行为识别绝对是工业界落地最多、需求最稳定的方向之一尤其是工地安全、加油站禁烟、工厂消防这些场所。而任何一个能跑的抽烟检测模型背后都离不开一套靠谱的数据集——我这里说的就是标题里那种“YOLO抽烟目标检测数据集包含图片和标定数据”。说白了它就是一批标注好“烟”“烟头”“打火机”或者“正在抽烟的人”的图片文件夹外加对应的标签文件。标签文件里写的是每个目标在图像里的位置和类别YOLO算法就是靠这些数据学会“看”的。这篇文章我不打算讲空泛的概念而是完完整整拆解这种数据集的构建逻辑、格式选型、训练评测和常见坑。不论你手头已经有一套现成数据集还是打算从零开始攒一套都能在这里找到可复用的方案。1. 先搞清楚抽烟检测数据集到底长什么样1.1 图片文件和标定数据缺一不可很多人刚接触目标检测时有个误区以为“数据集”就是一堆图片。图片只是原材料真正让模型学会识别的是每张图片里那些标注框bounding box和类别标签。以YOLO训练为例一张图片通常对应一个同名但后缀为.txt的文本文件。文件里每一行代表一个目标格式固定为左边第1个数字是类别编号抽烟烟头烟盒打火机。编号按你写配置文件时的顺序来定后面4个数字分别是归一化后的中心点x坐标、中心点y坐标、框宽、框高。所有数字都在0到1之间用图片的宽高做归一化。举个例子某张1280x720的图中一个香烟目标位于坐标(640, 360)附近宽80像素、高240像素那么标签文件里对应的行就是0 0.5 0.5 0.0625 0.333因为640/12800.5360/7200.580/12800.0625240/7200.333。这个归一化过程不是可选项而是必须项。如果直接把像素坐标喂给YOLO模型对不同分辨率的图片会无所适从。1.2 两类标注模式目标框检测 vs 行为识别我见过不少团队在“抽烟检测”这个需求上绕进死胡同卡在最顶层的问题上到底应该标“烟”还是标“正在抽烟的人”如果标注目标是“香烟/烟头”模型学到的是局部特征适合近距离特写比如桌面烟灰缸、车窗内抽烟的抓拍如果标注目标是“正在抽烟的人”通常包括手部到嘴部的动作区域模型学到的是行为特征适合监控画面的中远距离视角。这两者没有绝对优劣完全取决于你的摄像头位置和业务目标。工业现场往往会混合标注远距离时框人、近距离时框烟。我遇到一个做工地安全帽抽烟双检测的项目就是在大范围监控里以人为检测主体同时单独训练一个模型专门框烟头两路结果做逻辑融合。这种做法比单模型硬扛要稳得多。2. 标定数据怎么来从标注工具到格式转换2.1 工具选型与标注流程拿到了原始图片下一步就是做标定。开源工具里我用得最多的是 LabelImg 和 X-AnyLabeling这两个足够应付99%的场景。LabelImg老牌工具支持Pascal VOC和YOLO格式直接输出快捷键顺手适合团队批量作业缺点是对旋转框、多边形等复杂标注支持较弱X-AnyLabeling带自动预标注功能可以先用一个已训练的模型帮你生成初版框人工再修正效率提升非常明显特别适合几千张起步的中型数据集。标注流程上我建议按“先粗后细”来走第一轮把所有明显目标快速框完第二轮专门做审查修正把遗漏的补上、把框大的缩小。不要指望一次标完就完美。实际项目里一份2万张图的抽烟数据集光两轮标定加交叉审核就花掉了3个人两周时间。这个时间成本很难压缩只能靠好的工具链减少返工。2.2 四种常见格式到底选哪种做检测的人绕不开格式转换。常见的有四种YOLO txt每张图一个txt前面已经说过训练效率最高也是YOLO系列的默认输入VOC XMLPascal VOC标准一个XML对应一张图信息冗余大主要为了兼容老框架COCO JSON所有标注写在一个大JSON里带images、annotations、categories三段结构适合用mmdetection或Detectron2训练LabelMe JSON多边形标注为主适合做实例分割转检测框时需要额外计算外接矩形。我的建议很直接如果主要用YOLO系列直接标成txt如果团队里有人要同时跑不同类型的模型就以COCO JSON作为中间交换格式需要时再转成其他格式。labelme2coco和voc2yolo这类脚本网上很多但转的时候务必检查两点类别顺序有没有对错、归一化坐标有没有越界。坐标小于0或大于1的情况训练时会直接报错排查起来相当花时间。3. 构建一个能用好用的抽烟数据集细节决定成败3.1 数据划分不能偷懒业内标准划分是训练集:验证集:测试集 8:1:1。但重点不在比例而在划分方式。我的建议是按场景划分而不是按文件简单随机切。什么意思假设你摄像头A拍的是白天的工厂车间摄像头B拍的是傍晚的加油站摄像头C拍的是夜间停车场。如果随机划分很可能同一场景的画面同时出现在训练集和测试集里模型看似精度很高一旦部署到新场景就立刻掉点。按场景划分的做法是把来自同一摄像头、同一时间段、同一光线条件的图片归到同一个大组里再把大组整体按比例划分。这样才能真实检验模型的泛化能力。3.2 图像质量与背景多样性我踩过最大的坑是为了凑数量把大量模糊图和重复截图塞进数据集。模型训练起来loss降得很漂亮一到真实摄像头画面就“失明”。后来我总结出一个筛选标准分辨率低于640x640的图片直接丢弃宁可要少量高清不要大量模糊同一视频流里抽帧间隔至少20帧以上避免连续帧高度相似每张图里除了抽烟目标最好保留对应的正常背景比如空手打电话、手拿饮料的负样本否则模型容易把手部动作误判为抽烟。负样本这个点很多人会漏掉。我有一次接手一个数据集正样本画面上几乎人人的手都举在嘴附近模型学出来之后误报率奇高后来专门补了三千多张“手拿矿泉水”“手摸下巴”的图片做负样本误报才压下来。抽烟检测本质上是“找差异”没有足够的正常行为做对比模型根本不知道什么算异常。3.3 数据增强别把增强当万能药YOLOv8自带的增强已经很强包括Mosaic、随机仿射、HSV扰动、翻转等。训练抽烟检测时我一般只改几个关键开关Mosaic开启但把它出现概率调到0.5左右。Mosaic对提升小目标检测很有帮助但概率过高会让模型看到太多拼接图反而干扰行为动作的完整性上下翻转在监控场景里必须关掉。摄像头是固定的地面不可能突然跑到天上去。开了这个增强等于主动教模型学错误空间关系亮度、对比度扰动可以开到较大范围抽烟场景经常有逆光、夜视、强灯光变化这一项非常管用。补充一点外部增强脚本比如用Albumentations适合在数据量真的不足时使用。如果图片本身就超过两万张靠内置增强就足够了额外引入外部增强只会拖慢训练速度收益很有限。4. 训练前必须理清的评价指标与配置逻辑4.1 用mAP说话别只盯着loss很多新手训练目标检测模型看完loss曲线就发朋友圈说“收敛了”。但loss低不等于检测准真正要盯的是验证集上的几个指标Precision预测出来的框中真正是目标的占比Recall所有真实目标中被模型找回来的占比mAP0.5IoU阈值取0.5时的平均精度是目标检测最经典的参考值mAP0.5:0.95对不同IoU阈值从0.5到0.95步长0.05求平均更严苛反映模型框的定位精度。实际项目中我只认一个原则先看Recall是否达标。抽烟检测漏报一个比误报一个严重得多。误报顶多多一条日志漏报可能直接出安全事故。所以调参时优先提高Recall再去通过提高置信度阈值把Precision拉回来。4.2 YOLO版本选择与训练参数参考YOLO系列现在可选版本非常多v5、v8、v9、v10甚至2024年出的YOLO11各有侧重。我的经验是如果是边缘设备部署比如树莓派或Jetson Nano用YOLOv5s或YOLOv8n体量小、推理快如果服务器上有独立显卡追求精度直接上YOLOv8m甚至YOLOv8l如果是研究性质而非工程落地可以试试YOLO11但工程上我还是v8最顺手社区资料最全遇到问题最好搜到方案。一组参考训练参数以YOLOv8为例显卡用RTX 3090batch size16到32视显存定epochs120到200不要设300以上容易过拟合img-size640x640这是一个精度和速度的均衡点patience默认50用于早停防止后续epoch白跑workers4到8Windows上不要设太高否则可能报DataLoader多进程错误。训练过程里我习惯每10个epoch存一次权重并且把best.pt和last.pt都保留。best.pt是验证集mAP最高的那一次last.pt是最后一次epoch的结果两者用途不同。实际部署时绝大多数情况用best.pt就够了。4.3 损失函数与调参心得很多初学者会在训练前纠结要不要改造损失函数。我的观点是先跑通基线再谈自定义。YOLOv8默认包含分类损失、定位损失、置信度损失三者加权求和模型自己会平衡一般不需要动。真正影响效果的三件事优先级从高到低依次是数据质量、锚框或Anchor策略、训练时长。数据质量前面已经展开。锚框方面YOLO系列会自动根据训练集统计出合适的先验尺寸但你可以在ultralytics的yaml里用anchors字段手动指定。比如你的检测目标多数是从远处看的整根香烟比例细长那么锚框宽高比可以多设一些细长型。不确定怎么设的话直接跑一次auto anchor会帮你算。5. 训练过程中的常见问题与排查技巧5.1 常见问题速查表这里整理了一份我在多个项目中沉淀下来的问题排查表直接对照参考现象可能原因解决办法验证集mAP迟迟不涨标注框质量差中心点偏移抽检200个标注框可视化修正训练loss下降快、mAP差过拟合数据多样性不足补数据、增加增强、降低epoch推理时漏检小目标原图分辨率低或下采样过大提高训练分辨率到960x960或加小目标检测头误报高把打火机当烟类别特征不够明显增加打火机样本量或合并为“疑似吸烟物”类别同一张图反复闪框NMS阈值过低把IoU阈值从默认0.5提高到0.6左右GPU显存占用异常高batch size太大减小batch size或用梯度累积步数模型在夜间效果断崖下跌训练数据缺少夜间样本单独补充红外/低光照增强数据5.2 关于小目标检检测的优化心得抽烟场景里最头疼的小目标是远处监控画面中那个只有几十像素大小的烟头或者手上那根细烟。说实话YOLOv5n和YOLOv8n在小目标上效果偏弱因为网络下采样倍数大细节在深层特征图里已经丢了。三种有效手段提高输入分辨率到960或1280这是最直接不过的代价是推理速度下降在YOLOv8里开启多尺度训练设置scale0.5和scale1.5让模型见过不同尺寸的目标使用添加P2检测头的改进版本也就是常说的“小目标检测头”。网络上有很多针对YOLOv8加入P2层的改进代码复现时注意训练脚本的配套修改。如果以上都试过还是不理想回头检查数据分布。一张1280x720的图上烟头目标只有20x20像素那么它对模型的学习贡献是很低的。这时候可以剪裁原图把包含小目标的区域裁出来单独作为训练样本等于让小目标在画面里放大。这种方法在无人机视角的小目标检测中非常常见同样适用于抽烟检测的远处镜头。6. 部署与落地让模型真正跑起来6.1 模型导出与推理训练完成后一般需要把PyTorch权重导出为部署格式。最常用的是ONNX通用格式配合ONNX Runtime或OpenVINO跨平台部署TensorRT英伟达显卡上推理速度最快适合有实时要求的监控系统OpenVINOIntel CPU/核显上表现抢眼NCNN/MNN手机端和边缘盒子的选项。导出时输入尺寸要和训练时保持一致。如果训练时用的是640导出也设640。我见过有人训练960、导出640模型精度直接崩掉因为感受野完全对不上。6.2 后处理逻辑不能省单靠模型输出的框来报警误报会很多。工业级落地要加一道业务过滤逻辑。我自己常用的一套规则是连续N帧比如3帧都检测到目标才触发报警避免偶然误检目标置信度阈值设0.45以上现场误报严重的可以压到0.6同一检测目标在相邻帧的IoU大于0.5时视为同一目标避免重复计数与业务联动比如只有人员在特定区域如加油站卸油区、工地动火区内抽烟才报警区域外视为可忽略。这些规则写在推理后处理的脚本里用Python或者C都能实现。别看它简单能把误报率再降低一半以上。7. 数据集的后续维护与扩展数据集不是一次性资产。模型上线后现场不断产生新的场景数据一定要定期收集反馈样本回灌到数据集里做增量训练。我建议团队做两件事每周导出一批现场误检和漏检样本人工标注后并入训练集。不用等积累很多才训练500到1000张就能做一次微调把模型版本和数据集版本对应管理起来每次训练留好配置文件和训练日志。否则三个月后你想复现当时的精度会发现数据变了、代码变了什么都对不上。积累三个月后这套抽烟检测系统的精度一般都比刚上线时高出不少因为现场数据才是最有价值的训练来源。最后分享一个个人习惯每次拿到新数据集我先做一次快速可视化把标注框画在图片上随机看个二三十张。这一步不能跳过。很多标注工具导出的顺序、类别对不上号都会在可视化时原形毕露。等图片和标注确认无误再动手训练省下的时间远比这一步花掉的多。这个抽烟检测数据集本身不难难的是把每个环节的细节都做扎实。按上面这套流程走下来你手里就会有一套真正能训练出高精度模型的资产而不是一堆躺在硬盘里“看着像能用”的图片加txt。本文还有配套的精品资源点击获取