简介：面向X光安检场景的目标检测数据集，提供3600张真实安检图像，涵盖打火机、刀具、剪刀、充电宝等10类违禁品，并划分测试集，适合目标检测方向的研究者、算法工程师及相关专业学生用于模型训练与效果验证。压缩包内共2000个文件，以Pascal VOC格式xml标注和YOLO格式txt标注为主体，整体大小约793.61MB，采用labelImg标注工具，双格式文件可方便切换主流检测框架。已有241人浏览学习。资源总计包含9042个标注框，各类别框数从几十到两千多不等，类别不均衡明显，可用于验证模型在稀有类别上的表现；同时提供完整测试集划分，便于直接评估检测精度与召回率，是安检智能识别项目落地的实用数据基础。

1. X光安检的目标检测，先解决数据集准备问题

做X光安检的目标检测项目，最耗时间的往往不是调模型，而是数据集准备。眼前这个压缩包解压后同时给出 VOC 和 YOLO 两种标注格式，3600 张原图覆盖 10 个违禁品类别，还单独切好了测试集——这三个信息放在一起，指向的是“拿来即用”：不用先花两周做格式转换，不用自己拍脑袋分训练集，测试集的存在还让你有一个和论文对得上的验收基准。它适合两类人：想快速跑通 yolo 训练流程、验证目标检测效果的入门者，以及要在固定测试集上对比改进收益的算法工程师。下面按我处理安检数据的顺序，把数据校验、训练配置、参数调优和部署验证四件事拆开讲，脚本可以直接抄。

2. 解压先做数据体检：VOC与YOLO双格式怎么对齐

开始训练之前一定先做数据体检。双格式数据集的隐患在于：VOC 的 XML 和 YOLO 的 txt 是两套标注，通常由不同脚本生成，一旦其中一套漏标、错行，训练时你用的是 txt，而检查时看的是 XML，问题会被带进损失函数里才暴露。先花十分钟把两份标注对齐，后面省下的调试时间是以天计的。

2.1 目录结构与双格式对照：XML与txt必须成对

VOC+YOLO 双格式数据集，习惯的目录摆法如下，解压后先核对这个骨架：

XrayData/
├── VOCdevkit/
│   ├── JPEGImages/       # 3600 张 .jpg 原图
│   ├── Annotations/      # 同名 .xml，像素级 bndbox
│   └── ImageSets/Main/   # 官方划分 txt
├── YOLO/
│   ├── images/train|val|test/
│   └── labels/train|val|test/
├── classes.txt           # 10 行，一行一个类名

VOC 格式里，每个目标框记录的是左上角和右下角的像素坐标；YOLO 格式每行是“类别索引、归一化中心点 x、归一化中心点 y、归一化宽、归一化高”。以一张 640×480 的图里一个 knife 框为例，XML 里写的可能是 xmin=120 ymin=80 xmax=260 ymax=180 ，对应 YOLO txt 应该是：

1 0.2969 0.2708 0.2188 0.2083

这里的 1 是 knife 在 classes.txt 里的行号。最容易出问题的是有人把 xmin/width 当作中心点直接用，五个数就废了四个。所以我拿到数据集第一件事，不是看十类目标长什么样，而是跑一遍下面的校验脚本，把“XML 有但 txt 没有”“类名不在表里”“坐标越界”一次性筛出来：

import os
import xml.etree.ElementTree as ET
from glob import glob

def audit_xray_pair(xml_dir, label_dir, classes_file):
    with open(classes_file, encoding="utf-8") as f:
        classes = [line.strip() for line in f if line.strip()]

    problems = []
    for xml_path in sorted(glob(os.path.join(xml_dir, "*.xml"))):
        root = ET.parse(xml_path).getroot()
        img_name = root.findtext("filename")
        txt_path = os.path.join(label_dir, os.path.splitext(img_name)[0] + ".txt")

        if not os.path.exists(txt_path):
            problems.append(f"{img_name}: 有 XML，缺 YOLO txt")
            continue

        for obj in root.iter("object"):
            name = obj.findtext("name")
            if name not in classes:
                problems.append(f"{img_name}: XML 出现未登记类别 {name}")

        for line in open(txt_path, encoding="utf-8"):
            parts = line.strip().split()
            if len(parts) != 5:
                problems.append(f"{img_name}: txt 行字段数不为 5")
                continue
            cid, cx, cy, w, h = int(parts[0]), *map(float, parts[1:])
            if cid >= len(classes):
                problems.append(f"{img_name}: 类别索引 {cid} 越界")
            if not (0 <= cx <= 1 and 0 <= cy <= 1 and w > 0 and h > 0):
                problems.append(f"{img_name}: 坐标非法 ({cx},{cy},{w},{h})")
            if cx - w / 2 < 0 or cy - h / 2 < 0 or cx + w / 2 > 1 or cy + h / 2 > 1:
                problems.append(f"{img_name}: bbox 越出图像边界")

    return problems

if __name__ == "__main__":
    for p in audit_xray_pair("VOCdevkit/Annotations", "YOLO/labels", "classes.txt"):
        print(p)

脚本逻辑分三段：先用 filename 字段把 XML 和 txt 配对，再校验 XML 里的类名是否都在 classes.txt 里，最后检查 YOLO 五个字段的规范性和取值范围。注意倒数第三行的越界判断用的是“中心点加减宽高一半”，不是直接比较 cx 和 w，这个细节区分了“归一化数值合法”和“框真的在图内”。 line.strip().split() 按空白切分，所以 10 个类名里不要带空格，否则一个类名会被拆成两个字段，这类玄学问题后面极难排查。跑完如果 problems 为空，再进入下一步；有报错就逐条修，不要带着脏标注去训练，这是数据文件出问题前的最后一道闸。

2.2 10个类别的常见配置：材质、遮挡与标注噪声

3600 张、10 个类别，平均每类 360 张，但真实的安检数据绝不会均匀分布。我经手过的 X 光安检目标检测数据集，类别配置大致落在下面这个范围：锐器占一半，火种和电子设备占另一半。

类别	常见英文标签	在安检屏上的特征
刀具	knife	细长金属高亮，常和钱包、雨伞叠放
枪支	gun	轮廓清晰，但多与电子设备混叠
剪刀	scissors	双环结构，半透明区域多
钳子	pliers	与剪刀视觉上高度接近
扳手	wrench	一端开口，无机物蓝色调
打火机	lighter	小目标，外壳边缘弱
电池/充电宝	battery	矩形，内部密度差异大
喷雾罐	spray_bottle	圆柱形，金属底座反光
液体瓶	liquid	轮廓淡，材质色范围宽
爆竹/火种	firecracker	小目标，经常成串出现

这张表不是给你背的，而是提醒三件事。第一，遮挡是常态：包里的东西互相叠，X 光又有穿透性，框的边界在标注时就有分歧，数据噪声比自然图像高一个档次。第二，颜色是材质轴：安检屏上的橙（有机物）、蓝（无机物）、绿（混合物）是伪彩色，不是物体本色，后处理时别用自然图像的色彩逻辑去推。第三，角度任意：一把刀横放竖放斜放都有，旋转增强在这个场景不是可选项而是必需项。第三点的另一个推论是，这类数据集做旋转框目标检测（比如 mmrotate 那套）理论上有优势，但 3600 张直接上旋转框标注成本太高，绝大多数落地项目先用水平框把流程跑通，再谈要不要升级标注方案。

标注工具方面，我一般用 labelImg 直接出 VOC XML，再用现成脚本转 YOLO txt；碰到遮挡严重的框就用 labelme 画多边形，导出后再转矩形，比硬拉矩形框准。目标检测常用标注工具就这两档够了，别一上来就上重型标注平台，3600 张的体量手工刷一遍反而更快。刷的过程中顺手记录每类目标的典型遮挡程度，后面调损失函数权重时用得上。

3. 把3600张跑成yolo训练：划分脚本、YAML与最小命令

数据体检过了，接着就是划分和跑通。这一章解决两个问题：怎么在不碰官方测试集的前提下做出稳定的验证集，以及怎么用最短的命令把 yolov8 训练流程跑起来。

3.1 官方测试集先冻结，再按7:1.5:1.5做分层划分

压缩包带测试集是个好习惯，但也是最大的陷阱：很多人顺手把 test 目录也 glob 进训练，最后指标虚高。我的做法是官方 test 目录连动都不动，从剩余数据里再切出 15% 做验证集，用固定随机种子保证每次结果可复现。

import os
import random
from collections import Counter

random.seed(42)
label_root = "YOLO/labels"
names = [os.path.splitext(f)[0] for f in os.listdir(label_root) if f.endswith(".txt")]
random.shuffle(names)

n = len(names)
cut1, cut2 = int(n * 0.70), int(n * 0.85)
train, val, test = names[:cut1], names[cut1:cut2], names[cut2:]

def class_counter(name_list):
    cnt = Counter()
    for name in name_list:
        with open(os.path.join(label_root, name + ".txt"), encoding="utf-8") as f:
            for line in f:
                cnt[int(line.split()[0])] += 1
    return cnt

print("train 目标数:", dict(class_counter(train)))
print("val 目标数:", dict(class_counter(val)))
print("test 目标数:", dict(class_counter(test)))

随机种子固定成 42，同一份数据任何机器上重跑出来划分一致。7:1.5:1.5 的比例在 3600 张上意味着验证集约 540 张，够用于早停和调参，剩下的约 3060 张喂给训练。数据划分完成的标准不是数量对，而是打印出来的 val 类别分布：如果某个类别在 val 里目标数小于 5，就把 train 里包含该类别的图片挪几张进 val，直到分布不再有空洞。另外，划分完顺手把“图片数量和标注数量”对一遍：train 里有多少张 jpg，就应该有多少个 txt，数量不一致说明有图没标或有标没图，这种错位在双格式拼接时经常发生。

划分结果怎么用有两种方式。一种是物理移动文件，另一种更轻，直接生成图片路径清单，Ultralytics 支持在 YAML 里引用 txt 路径：

find YOLO/images/train -name "*.jpg" > train.txt
find YOLO/images/val -name "*.jpg" > val.txt
find YOLO/images/test -name "*.jpg" > test.txt

我倾向用路径清单，因为训练过程中反复调整划分不用搬文件，改一次清单重跑就行，也更容易在脚本里记录每次划分用的版本。

3.2 yolov8训练自己的数据集：YAML与最小命令

yolov8 训练自己的数据集，核心就一个 YAML 加一条命令。YAML 里路径、目录和 10 个类名按下面对齐，注意 names 的索引必须和 txt 第一位的类别索引一致，这是数据能跑起来的前提：

# xray.yaml
path: /home/user/XrayData
train: train.txt        # 或 YOLO/images/train
val: val.txt
test: test.txt

names:
  0: gun
  1: knife
  2: scissors
  3: pliers
  4: wrench
  5: lighter
  6: spray_bottle
  7: battery
  8: liquid
  9: firecracker

然后终端里执行：

cd /home/user/XrayData
yolo detect train model=yolov8s.pt data=xray.yaml \
    epochs=120 imgsz=960 batch=16 device=0 \
    project=runs/xray name=baseline

model=yolov8s.pt 指定从预训练权重起步，第一次运行会联网下载 yolo预训练模型，内网环境就手动把 .pt 文件放到当前目录再指定相对路径。 imgsz=960 是安检场景的关键选择，往下看 4.1 会展开； batch=16 在 16G 显存的卡上足够，显存紧张就降 batch 而不是降 imgsz。跑起来之后先确认终端里打印的类别数和你的 classes.txt 一致，再去盯指标。训练中途断了不用慌，Ultralytics 会在项目目录下存 last.pt 和 best.pt，续跑加 resume=True 就行。V100 这类卡上，3600 张跑 120 轮大概是几小时的量级，别用 CPU 试，会等到怀疑人生。

3.3 增强参数：旋转、贴片与克制着调的颜色

3600 张属于中小体量，增强做得好不好直接决定过拟合程度。X 光场景的增强和自然图像有三个明显差异：可以大方旋转，不要乱动颜色，小目标类需要额外贴片。

yolo detect train model=yolov8s.pt data=xray.yaml \
    epochs=120 imgsz=960 batch=16 \
    degrees=45 translate=0.1 scale=0.4 fliplr=0.5 flipud=0.2 \
    hsv_h=0.01 hsv_s=0.2 hsv_v=0.2 \
    close_mosaic=10

degrees=45 配合水平垂直翻转，等效覆盖任意角度，比直接调成 90 更稳，因为 90 度步进会让某些姿态出现重复。 hsv_h 压到 0.01 是我反复踩坑后的取值，原因见 5.4； hsv_s 和 hsv_v 控制在 0.2 以内，只做微调。 close_mosaic=10 表示最后 10 轮关闭马赛克增强，让模型从“见过各种拼贴”回到“只看真实完整图”，对收敛末尾的稳定性帮助明显。稀有小类（比如打火机）如果目标太少，额外用 copy-paste 把它贴到没有该类的包图上再补一份样本，比单纯靠 mosaic 拼图更有效，因为贴片保持了目标真实纹理和 X 光下的材质色。如果你用的是 mmdetection 这类框架，增强逻辑一样，只是参数写进配置文件，核心原则不变：几何往大了做，颜色往小了做。

4. X光安检检测的三个必调参数：分辨率、损失函数与BN崩溃

训练跑通只是起点，指标能不能上去取决于几个参数。这一章讲 X 光安检场景下我每次都会动的三样东西：输入分辨率、损失函数权重、以及小数据集上最容易翻车的 BN 崩溃。

4.1 输入分辨率：640起步，960是安检场景的常用档

自然图像检测很多场景 640 就够，但 X 光安检图里违禁品往往只占包的一小块，刀、打火机这类目标在 640 分辨率下只有十来个像素，特征直接被下采样吃掉。先量化确认一下目标的尺度：

import glob

areas = []
for txt in glob.glob("YOLO/labels/val/*.txt"):
    for line in open(txt):
        p = line.split()
        if len(p) == 5:
            areas.append(float(p[3]) * float(p[4]))

avg = sum(areas) / len(areas)
print("目标平均占图比例:", round(avg, 4))
print("中位数:", round(sorted(areas)[len(areas)//2], 4))

这里用归一化宽高相乘得到面积占比。如果均值小于 0.03，说明目标普遍偏小， imgsz=640 会漏掉相当一部分小目标，直接上 imgsz=960 。背后的道理是下采样倍率：YOLO 系列输出的特征图一般是输入的 1/32，640 时是 20×20 的网格，960 时是 30×30，网格更密，小目标的中心点更容易落在某个格子内并被分配为正样本。显存不够就把模型从 yolov8s 降到 yolov8n，保持 960 分辨率，而不是降分辨率保大模型——在安检场景里，分辨率对 mAP 的边际收益通常比模型容量更明显。上 1280 确实还能再涨一点，但训练速度和部署帧率都会明显下降，我一般只在目标平均占比低于 0.02 时才考虑。

4.2 yolo损失函数：box、cls、dfl三个旋钮怎么调

yolo 的训练损失是三个分量的加权和：box 损失负责框回归，算的是预测框和真实框的几何误差；cls 损失负责类别打分，本质是带聚焦机制的二分类损失；dfl 损失负责框分布的聚焦程度，影响小目标的定位精度。Ultralytics 把这三个权重暴露成命令行参数，默认大概在 box=7.5、cls=0.5、dfl=1.5 附近，但 X 光场景要往以下方向改：

yolo detect train model=yolov8s.pt data=xray.yaml \
    epochs=120 imgsz=960 batch=16 \
    box=8.0 cls=0.8 dfl=1.8

第一个改动方向是提高 dfl。安检图里目标互相叠，框边界不明确，dfl 权重高一点能让模型对小偏移更敏感，定位精度提升明显。第二个方向是提高 cls。10 个类别里小类数量少，类别损失权重不足时，稀有类会倾向被预测成大类，把 cls 从 0.5 提到 0.8 能缓解，但别超过 1.0，否则定位损失被压制，框质量会下降。调整节奏是每次只动一个旋钮，幅度不超过 20%，跑完一轮看 val 的 loss 分量曲线再决定下一步。三个一起乱拧等于什么结论都得不到，还会浪费时间重训。

4.3 yolo训练中bn崩溃：3600张小数据集的nan从哪来

训练中 loss 突然变 nan、mAP 归零、BN 层的 running_mean 发散，这个现象在 3600 张的小数据集上比大样本数据集常见得多。机理不复杂：batch 太小或学习率太高时，BN 在一批样本上统计的均值和方差抖动过大，running stats 被带偏，下一层输入分布彻底乱掉，损失直接浮点溢出。前兆通常是前几个 epoch 的 loss 剧烈跳动，然后某一步直接变 nan。

常见的止损和预防做法是三件事连做：

yolo detect train model=yolov8s.pt data=xray.yaml \
    epochs=120 imgsz=960 batch=16 \
    lr0=0.002 lrf=0.01 warmup_epochs=10 freeze=10

第一，batch 至少 8，最好 16 以上。显存不够就开梯度累积，别真用 batch=2 硬扛。第二，把 lr0 从默认的 0.01 降到 0.002 附近， warmup_epochs 提到 10，让 BN 统计量在前期慢慢热起来。第三， freeze=10 冻结前 10 层主干，既省显存又让浅层特征先稳定下来，训练中期再解冻。这套组合在这类小数据集上几乎必用。真的出现 nan 也别慌，从 last.pt 续跑，lr0 降一个数量级，比从头再来省时间。

5. X光安检数据集训练避坑：最容易翻车的5个地方

前面讲的是怎么做，这一章讲不能怎么做。以下五条都是我在安检数据集上真实踩过的坑，按“现象 → 原因 → 解决”写，每条都能直接对号入座。

5.1 官方测试集被顺手并进训练

现象：训练时 mAP 一路涨到 0.95，换到现场实拍图性能明显缩水。

原因：数据集的 test 目录就在 YOLO/images 下，很多人用 glob("YOLO/images/*.jpg") 全量加载，测试集被当成训练集用过，模型相当于提前看到了答案。

解决：训练前先数数。 yolo detect train 启动时打印的图像数量如果接近 3600，而你的划分应该是一万两千多的一半，数量对不上就停下来查。用路径清单方式训练时，确认 train.txt、val.txt 里没有任何一行指向 images/test 目录。

5.2 VOC转YOLO的坐标公式写错

现象：loss 正常下降，但可视化检测框全偏到物体一侧，AP 偏低。

原因：把 VOC 的 xmin 除以图像宽度当成中心点 x 用了。XML 给的是左上角和右下角，YOLO 要的是中心点加宽高，公式差一步结果天差地别。

解决：转换时按下面这个函数来，别自己缩写：

def voc2yolo(xmin, ymin, xmax, ymax, W, H):
    cx = (xmin + xmax) / 2.0 / W
    cy = (ymin + ymax) / 2.0 / H
    w = (xmax - xmin) / W
    h = (ymax - ymin) / H
    return cx, cy, w, h

转完强制做一步可视化抽查，随机抽 20 张图把框画回去，人眼扫一遍比任何数值检查都直观。这一步建议直接写进数据校验流程，而不是临时做一次。

5.3 稀有小类从未出现在验证集

现象：训练 100 轮，某个类的 AP 一直是 0，训练损失却正常。

原因：随机划分下，样本量最小的类可能全部落进训练集，验证集里一个该类目标都没有，验证指标当然恒为 0。我见过有人调了一周损失函数，最后发现是划分的锅。

解决：划分后打印 val 的类别分布，发现空洞就从 train 往 val 挪图。挪的时候连图带 txt 一起挪，别只挪标注。如果小类整体样本都很少，优先在 train 里做该类的 copy-paste 增强，而不是靠挪图制造假平衡。

5.4 颜色增强把材质信息洗没了

现象：训练指标还行，但上真实安检机后，刀具、枪支在橙色有机物背景下大量漏检。

原因：默认的 hsv_h=0.5 会把 X 光伪彩色随机旋转，有机物从橙色变成蓝色，模型再也学不到“橙色=有机物=背景干扰”这条稳定线索。X 光图像里颜色是材质轴，不是装饰轴，自然图像那套大幅度颜色抖动在这里是毒药。

解决：把 hsv_h 压到 0.01，hsv_s 和 hsv_v 不超过 0.2。如果还是漏，直接全部关掉颜色增强，只保留几何增强，损失一点数据量换稳定性。这条也是 3.3 里参数设置的依据。

5.5 离群目标框：超大框与退化点框

现象：训练中某个类 AP 突然下滑，查看标签发现一张图上有个框占了大半个包，或者宽高只有 0.001。

原因：原始标注里把整个行李包误标成了违禁品，或者边界框在截断时被压成一条线。这种离群框会把 anchor 分配和损失计算都带偏，轻则浪费训练资源，重则让该类的定位头学歪。

解决：在数据体检脚本里加两条过滤：过滤归一化宽或高小于 0.005 的框（点框），过滤面积占比大于 0.8 的框（整包框）。过滤前先可视化确认，别误删真实的大目标，比如底座展开的大型喷雾罐本身可能就很大。

6. 部署前验证：先读yolo混淆矩阵，再做ONNX导出

训练结束不等于可以做验收，更不等于能上线。最后这一章讲我部署前必做的两件事：用混淆矩阵确认漏检到底出在哪一类，以及用固定测试集加 ONNX 导出把模型从训练框架里固化出来。

6.1 先读混淆矩阵，再看平均mAP

平均 mAP 会骗人：10 个类别里 9 个很高的平均值，会被一个几乎全漏的类别拖成平庸，反之也会被两三个优势类抬得很高。所以在专用测试集上跑完验证后，第一眼看 confusion_matrix.png ：

yolo detect val model=runs/xray/baseline/weights/best.pt \
    data=xray.yaml imgsz=960 split=test

跑完在 runs/xray/baseline/ 下会生成混淆矩阵图。重点看主对角线之外哪一格最亮：在 X 光图里，剪刀和钳子、刀和笔形物体经常互相混。定位到了混淆对，下一步才有方向——是补该类样本、调 cls 权重，还是在后处理里按类别设不同置信度阈值。单纯盯着总 mAP 调参，等于闭着眼睛开车。

6.2 ONNX导出与分辨率二选一

验证通过后，导出成 ONNX 到目标设备上测帧率。安检机边缘设备的算力通常比训练卡低一个量级，这一步必须做，不能在训练框架里跑着测性能，标准做法是导出后套上后处理再到真机测：

yolo export model=runs/xray/baseline/weights/best.pt \
    format=onnx imgsz=960 opset=12

导出后在同一台目标设备上分别跑 640 和 960 两个分辨率，记录 mAP50 与 FPS，二选一。我的经验是安检场景里 640 到 960 的 mAP 提升通常有 2 到 3 个点，而帧率可能掉三成；如果现场对实时性要求高，优先保 960 的检出能力，因为漏检一次的代价远大于多等 0.1 秒。我现在的习惯是，拿到任何一份 X 光安检目标检测数据集，都先跑一遍第 2 章的校验脚本再谈训练，改一次增强就把 val 类别分布重新打印一次，这个习惯帮我避开了大半无意义的调参。数据这个黑匣子里的灯点亮了，模型才不容易翻车。希望帮到你。

本文还有配套的精品资源，点击获取