简介：这是一个面向目标检测任务的海面石油原油泄漏检测数据集，专为计算机视觉研究人员、算法工程师及环保应急监测场景设计，可用于训练和评估识别海面溢油的目标检测模型。资源包共2000个文件，以1817个XML标注文件和183个TXT文件为主，XML采用Pascal VOC格式记录目标边界框与类别，TXT提供YOLO格式标注及相关说明，整体压缩包约79.05MB，无需额外格式转换即可接入YOLO系列、MMDetection等常见检测框架。数据集中所有图片均围绕"oil_spillage"单一类别进行标注，共包含1817张jpg图像和3871个标注框，能够覆盖同一场景下多处泄漏的情况，为多目标检测提供有效样本；同时搭配labelImg标注工具，便于后续扩展或校对。目前已有283人学习下载，适合需要标准格式石油泄漏数据集、快速开展模型训练或算法验证的研究者与工程师使用。

1. 海面石油原油泄漏检测数据集：1800张为什么能起步，但别指望它一步到位

海面石油原油泄漏检测这个任务，和行人检测、车辆检测最大的不同在于：背景太干净了，干净到目标很难从背景里“跳”出来。一大片深蓝色海面上，泄漏区域可能是暗褐色油膜、阳光下带彩虹光泽的薄油层，也可能是被海浪打散的碎块，纹理和阴影、波浪反光极其接近。模型很难靠“颜色差异”直接区分油膜、阴影和浪花，这也是这类项目真正卡效果的地方——数据难，模型反而没那么难。

“海面石油原油泄漏检测数据集1800张VOC+YOLO格式.zip”这个标题，解决的就是起步问题：它提供了一份整理过的可见光海面泄漏影像，1800张图，一套VOC xml标注，一套YOLO txt标注。对做溢油监测、海面巡检、无人机航线识别的从业者来说，它最大的价值是能让你跳过“找图、清洗、转格式、对标签”这几周最磨人的前置工作，直接把精力放到模型训练和场景适配上去。但要注意，1800张只是起步量，不是终点。它够你跑通流程、验证算法选型，但要部署到真实海域，后面还得靠你自己的数据补强。这章先把定位说清楚，后面再讲怎么拆包、怎么转格式、怎么训练、以及最容易踩的坑在哪里。

2. 数据包里的真实构成：VOC与YOLO两套格式如何组织、先检查哪里

2.1 常见目录结构与两种格式的分工

一般这类双格式数据集包，打开后是两套平行目录，一套按Pascal VOC风格组织，一套按YOLO风格组织。两套目录指向的是同一批图片，只是标注表达方式不同。典型的目录结构如下。

VOC格式的优点是标注信息完整，方便查看和二次编辑；YOLO格式的优点是训练时不用做任何格式转换，直接喂路径就能跑。双格式的意义在于兼容不同训练管线：你在调试可视化、检查标注质量时用VOC，在训练模型时用YOLO，两边互不干扰。但这也带来一个隐患——两套标注如果是从不同流程生成的，很可能出现xml和txt对不上、类别顺序不一致、文件名前缀不匹配这类问题。所以拿到压缩包的第一件事不是训练，而是把数据“扫”一遍。

2.2 写个脚本把数据“扫”一遍：类别数、空标签、越界框

我通常会先写一个检查脚本，遍历所有xml，统计类别分布、空标签数量、bbox是否越界。这个脚本不复杂，但能提前暴露大部分标注质量问题。

import os import glob import xml.etree.ElementTree as ET voc_dir = "VOC/Annotations" xml_files = glob.glob(os.path.join(voc_dir, "*.xml")) total_boxes = 0 empty_xml = 0 categories = {} out_of_bounds = 0 for xml_path in xml_files: tree = ET.parse(xml_path) root = tree.getroot() objects = root.findall("object") if len(objects) == 0: empty_xml += 1 print(f"[空标签] {os.path.basename(xml_path)}") continue # 从xml里读取图片真实尺寸 size = root.find("size") img_w = int(size.find("width").text) img_h = int(size.find("height").text) for obj in objects: name = obj.find("name").text categories[name] = categories.get(name, 0) + 1 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) # 越界检查：坐标超出图片范围，或宽高为0 if xmin < 0 or ymin < 0 or xmax > img_w or ymax > img_h: out_of_bounds += 1 print(f"[越界] {os.path.basename(xml_path)}: {name} " f"({xmin:.0f},{ymin:.0f})-({xmax:.0f},{ymax:.0f})") if xmax <= xmin or ymax <= ymin: out_of_bounds += 1 print(f"[无效框] {os.path.basename(xml_path)}: {name} 宽高为空") total_boxes += 1 print(f"\n共检查 {len(xml_files)} 个xml文件") print(f"目标框总数: {total_boxes}") print(f"空标签xml数: {empty_xml}") print(f"越界或无效框数: {out_of_bounds}") print("类别分布:") for k, v in sorted(categories.items(), key=lambda x: -x[1]): print(f" {k}: {v}")

这个脚本里有两个关键点。第一，读取 bbox 时要从 xml 的 size 节点拿到图片真实宽高，用真实尺寸判断越界，不要自己猜测。第二，越界框在 VOC 转 YOLO 时如果不处理，归一化后坐标可能小于 0 或大于 1，直接导致训练时 loss 变成 nan 或目标框偏移。空标签 xml 在目标检测里有时是合理的（负样本），但如果数量超过 20%，说明标注漏标严重，这份数据的质量就要打问号。

2.3 三个值得看的分布指标

跑完脚本后，我会继续看三个维度，这三个维度直接决定后续训练策略。

第一是类别比例。这类泄漏数据集通常只有两个语义类别：油污和背景。如果标注类别里出现了“疑似油污”“高光”“船舶”这类词，说明标注标准不统一，训练前需要合并或清理类别。第二是目标尺度分布。统计所有 bbox 面积占图片总面积的比例，如果大部分框占比小于 2%，说明数据以小目标为主，训练时输入分辨率不能设太低。比如 640×640 输入下，一个 10×10 像素的小油块下采样几次就消失了，很难学出特征。第三是场景多样性。看文件名里是否有拍摄时间、航线序号；如果 1800 张图全部来自同一条航线、同一个高度、同一个光照时段，那模型在这个场景里会表现很好，换一片海域几乎必然掉点。

3. 把VOC转成YOLO格式：转换脚本、归一化参数和四个边界坑

3.1 什么时候需要自己转

这个压缩包标题写的是“VOC+YOLO格式”，正常情况下不需要你额外转换。但在实际项目中你一定会遇到需要自己动手的情况：YOLO 的 labels 目录丢失或生成错误、你想调整类别定义后重新生成标签、或者你要把这份数据接到另一个只认某一种格式的训练管线里。与其临时找在线转换工具，不如自己写一个转换脚本，保证可复现、可审计。转换的核心就是两件事：坐标归一化、类别 ID 映射。

3.2 核心转换逻辑：从xml到txt

下面这段脚本会遍历 VOC 的 Annotations 目录，为每个 xml 生成一个同名 txt 写入 YOLO 的 labels 目录。注意它用 OpenCV 重新读取图片尺寸，而不是信任 xml 里存的 size 节点——因为图片被压缩过或重新保存过以后，xml 里的尺寸可能已经失真。

import cv2 import os import glob import xml.etree.ElementTree as ET from pathlib import Path voc_anno_dir = "VOC/Annotations" voc_img_dir = "VOC/JPEGImages" yolo_label_dir = "YOLO/labels" class_file = "YOLO/classes.txt" os.makedirs(yolo_label_dir, exist_ok=True) # 读取类别表，建立类别名 -> ID 的映射 with open(class_file, "r") as f: class_names = [line.strip() for line in f.readlines()] class_to_id = {name: idx for idx, name in enumerate(class_names)} print("类别映射:", class_to_id) def convert_xml_to_yolo(xml_path, img_path, out_dir): """把单个VOC xml转换为YOLO格式txt""" tree = ET.parse(xml_path) root = tree.getroot() # 用OpenCV读实际图片尺寸，避免xml里存的尺寸失真 img = cv2.imread(img_path) if img is None: print(f"图片读取失败，跳过: {img_path}") return False img_h, img_w = img.shape[:2] txt_name = Path(xml_path).stem + ".txt" txt_path = os.path.join(out_dir, txt_name) lines = [] for obj in root.findall("object"): name = obj.find("name").text if name not in class_to_id: print(f"类别 '{name}' 不在classes.txt中，跳过该框: {xml_path}") continue 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) # 坐标越界修正：裁剪到图片范围内 xmin = max(0, min(xmin, img_w)) ymin = max(0, min(ymin, img_h)) xmax = max(0, min(xmax, img_w)) ymax = max(0, min(ymax, img_h)) # 过滤掉无效框 if xmax <= xmin or ymax <= ymin: print(f"跳过无效框: {xml_path} - {name}") continue # 转换为YOLO归一化坐标 x_center = (xmin + xmax) / 2 / img_w y_center = (ymin + ymax) / 2 / img_h width = (xmax - xmin) / img_w height = (ymax - ymin) / img_h # 归一化后仍可能有极小概率越过[0,1]，再裁剪一次 x_center = min(max(x_center, 0.0), 1.0) y_center = min(max(y_center, 0.0), 1.0) width = min(max(width, 0.0), 1.0) height = min(max(height, 0.0), 1.0) lines.append(f"{class_to_id[name]} {x_center:.6f} {y_center:.6f} {width:.6f} {height:.6f}") if lines: with open(txt_path, "w") as f: f.write("\n".join(lines) + "\n") else: # 空标签也生成一个空txt，保证图片与标签一一对应 open(txt_path, "w").close() return True xml_files = glob.glob(os.path.join(voc_anno_dir, "*.xml")) for xml_path in xml_files: img_path = os.path.join(voc_img_dir, Path(xml_path).stem + ".jpg") if not os.path.exists(img_path): print(f"找不到对应的jpg: {img_path}") continue convert_xml_to_yolo(xml_path, img_path, yolo_label_dir) print(f"转换完成，共处理 {len(xml_files)} 个xml文件")

脚本里有几个参数要说明。类别 ID 的顺序完全由 classes.txt 决定，不是由 xml 里的出现顺序决定，这两者一旦错位，训练出来的模型类别全乱。坐标归一化用图片实际宽高，而不是固定 640 或 1280，这样后续换输入分辨率不需要重新转换。越界修正放在归一化之前，修正后再计算中心点和宽高，避免出现负坐标。空标签也要生成空 txt，因为 YOLO 训练管线要求每张图都有对应标签文件，缺失标签会导致训练意外中断。

3.3 四个边界情况

第一个坑是 xml 里的 filename 与实际图片文件名不一致。常见现象是标注软件导出的 xml 里 filename 写成“1.jpg”，但图片实际叫“IMG_0001.jpg”，用 stem 作为关联键时两者对不上。解决方式是不要信任 filename 节点，直接用 Annotations 目录里的 xml 文件名去 JPEMages 里找对应图片，找不到就打印警告。

第二个坑是 bbox 坐标越界。部分标注工具允许框拖出画布边缘，xml 里存的 xmin、ymax 超出图片尺寸。转换时不修正，YOLO 坐标会出现负数或大于 1 的值，训练时框直接飞掉。上面代码里已经用裁剪逻辑处理了，但你应该在检查阶段就把这类文件找出来，确认是标注错误还是边缘目标被截断。如果是截断目标，修正后保留是合理的。

第三个坑是类别名不一致。比如有的 xml 里写“oil_spill”，有的写“oil”，还有的写“OilSpill”。处理类名时可以用“别名映射表”把所有变体统一映射到一个标准名，避免一个类别被拆成三个ID。映射表建议单独存成一个 json，便于后续审计。

第四个坑是图片与标签数量不匹配。1800 张图对应的 xml 或 txt 只有 1700 个，大概率是几张图片没有被标注，或标注过程被中断。漏标的图参与训练只有两种结果：当作纯背景负样本，或让模型在该位置产生漏检。解决方法是把漏标的图片列表打印出来，人工确认是负样本还是标注丢失。

3.4 转换后的自检

转换完不能直接训练，我会再做两步验证。第一步是随机抽取 20 张图，用 OpenCV 画出 txt 里的框叠加在图片上，人工扫一眼框是否贴住油污区域。第二步是统计 labels 目录里所有 txt 的行数，与 xml 里的 bbox 总数对比，不一致就说明转换过程有跳框。自检脚本本身很简单，但至关重要——我见过太多人跳过这步，训练到一半才发现标签坐标整体偏移，损失了几天时间。

import cv2 import os import random label_dir = "YOLO/labels" img_dir = "YOLO/images" class_names = open("YOLO/classes.txt").read().splitlines() txt_files = [f for f in os.listdir(label_dir) if f.endswith(".txt")] random.seed(42) sample = random.sample(txt_files, min(20, len(txt_files))) for txt_name in sample: img_path = os.path.join(img_dir, txt_name.replace(".txt", ".jpg")) img = cv2.imread(img_path) if img is None: continue h, w = img.shape[:2] with open(os.path.join(label_dir, txt_name)) as f: for line in f.readlines(): parts = line.strip().split() if len(parts) != 5: continue cls_id, xc, yc, bw, bh = map(float, parts) x1 = int((xc - bw / 2) * w) y1 = int((yc - bh / 2) * h) x2 = int((xc + bw / 2) * w) y2 = int((yc + bh / 2) * h) color = (0, 0, 255) if int(cls_id) == 0 else (0, 255, 0) cv2.rectangle(img, (x1, y1), (x2, y2), color, 2) cv2.putText(img, class_names[int(cls_id)], (x1, y1 - 5), cv2.FONT_HERSHEY_SIMPLEX, 0.6, color, 2) out_path = "check_" + txt_name.replace(".txt", ".jpg") cv2.imwrite(out_path, img) print(f"可视化结果已保存: {out_path}")

可视化检查时如果发现大量框没有贴合目标，优先怀疑坐标转换公式写错或者图片尺寸读取错误。油污目标的边界本身带有一定的模糊性，标注框比目标稍微大一点可以接受，但框完全不在目标上，就要立刻停下来查。

4. 从1800张数据到模型：场景化划分、YOLO训练参数和监控指标

4.1 按什么切train/val：不要随机切，按场景切

拿到1800张图，最省事的做法是用随机划分，七三开，训练完发现 mAP 很高，但换到新的海域视频里效果崩盘。原因大概率是相似帧串集——无人机巡检是按航线拍连续帧的，同一段航线的前后帧高度相似，随机划分会把相似帧同时分到 train 和 val，验证集指标虚高，模型其实没有见过真正的多样性。

我一般会先看文件名里能不能提取出拍摄时间或航线编号，把连续帧切成一个“场景组”，按场景组划分。比如把数据按文件名前缀分成 A、B、C 三个场景组，A 组训练、B 组验证、C 组测试，或者做三折交叉验证，每次用两个场景训练、一个场景验证。这样得到的 mAP 才是真实泛化能力的估计。如果文件名里没有任何场景标识，可以按图片时间戳排序，每隔若干张抽一张到验证集，至少避免连续帧直接落到两边。

4.2 最小可跑配置：data.yaml 与训练命令

数据检查完、划分完，下一步是写 YOLO 的 data 配置。以当前主流 YOLO 训练命令为例，数据配置是一个 yaml 文件，指向图片和标签目录，同时声明类别数。

# data.yaml path: /data/oil_spill train: train/images val: val/images test: test/images nc: 1 names: ['oil_spill']

训练命令直接指定数据配置和预训练权重，其他参数按项目情况调整。

yolo detect train \ data=/data/oil_spill/data.yaml \ model=yolov8s.pt \ epochs=300 \ imgsz=1280 \ batch=16 \ patience=50 \ project=oil_spill_exp \ name=baseline

几个关键参数说一下。model 选择 yolov8s 而不是 nano，因为海面油污目标尺度偏小，nano 的浅层特征表达能力不够，在小目标上容易漏检；1800 张数据也不到用 large 或 xlarge 的程度，s 或 m 是起步的合理区间。imgsz 设 1280 还是 640，取决于第 2 章的尺度分布统计结果。如果大部分框占图片比例小于 2%，就不要用 640，否则小目标下采样几次就变成 1×1 特征点。batch 大小受显存限制，一般原则是能放得下就尽量大，但 1280 分辨率下 16 已经需要至少 16G 显存，显存不够就降到 8，同时把 imgsz 降到 960 或 640。epochs 设 300 并配合 patience 早停，避免死等完整训练。预训练权重用 COCO 训练过的权重作为起点，比从零训练收敛快很多，尤其对这种数据量小的场景。

4.3 训练中必须盯的三个信号

训练启动后不要干等，重点看三件事。

第一件是 loss 曲线。正常情况 train 和 val 的 box_loss、cls_loss 都在下降，如果 train 下降但 val 从某个 epoch 开始上升，过拟合信号出现，立即检查类别标签是否错乱、验证集是否与训练集重叠。第二件是 mAP 震荡幅度。数据量小的时候 mAP 震荡是正常的，但如果你发现 mAP@0.5 在 0.3 到 0.9 之间反复跳，先怀疑验证集里相似帧太多或一个场景组里标注质量差异大。第三件是误检类别分布。训练完看 confusion matrix 或 val 集预测结果，如果大量把正常海面预测成 oil_spill，回到第 2 章检查是否“高光反光”被标成了正样本。

5. 海面泄漏检测训练中的5条踩坑记录：现象、原因、解决办法

5.1 高光被标成泄漏，模型在强光下误报激增

现象：训练集 mAP 很高，但模型在中午强光时段的海面视频上疯狂框选亮白色区域，几乎把每块太阳反光都当成油污。

原因：泄漏数据的标注环节，标注员把“有明显反光的深色斑块”统一标成了油污，而强光下的海面高光形态与油膜高度相似。模型学到的是“亮度异常=油污”，而不是“纹理+色相+形态=油污”。

解决：回到 xml 里把所有带高光特征的框导出，人工逐张确认，把纯高光样本从正样本里剔除。如果这类样本数量大，不要直接删图，把它们改成“不参与训练”的背景负样本，让模型看到高光区域但没有对应标签，抑制误报。

5.2 类别文件顺序错乱，训练模型把油污识别成别的类别

现象：转换后训练，loss 正常下降，但推理时类别标签全部错位，油污被预测成另一个 ID。

原因：classes.txt 的类别顺序与 xml 里出现的类别顺序不一致。比如 xml 里第一个出现的是“ship”，但 classes.txt 第一行写的是“oil_spill”，转换脚本按字符串匹配没报错，但类别 ID 全局错位。

解决：转换脚本里建立“类别名→ID”映射时，只以 classes.txt 为唯一依据，并且在转换前打印一份映射表人工核对。调整类别名称时不要手动改 txt，重新跑一遍转换脚本。

5.3 小目标在resize后消失，漏检集中在远处油膜

现象：训练过程正常，但验证集里远处的小油污几乎全部漏检，近处的大块油污检测效果尚可。

原因：1800 张图里包含大量拍摄高度较高、油污面积很小的画面，imgsz 设 640 时，远处一个 15×15 像素的油膜下采样到 7×7 特征图，已经失去了可分性。

解决：imgsz 提到 1280，或者对大图做切片训练。如果显存不够，优先保证训练和推理分辨率一致，不要训练用 1280，推理用 640，那样小目标召回率会骤降。也可以把所有低于面积阈值的 bbox 滤掉，先训练中等以上目标，后续再做小目标专项优化。

5.4 连续帧串集，验证集指标虚高

现象：随机划分后 mAP@0.5 接近 0.95，但部署到另一段航线视频时 mAP 掉到 0.6 以下。

原因：随机划分时，同一航线的连续帧被分到了训练集和验证集。模型在训练集见过的场景几乎原样出现在验证集里，指标天然虚高。这不是数据量不够，而是评估方式失真。

解决：按场景组做划分，同一航线段要么全部进训练集，要么全部进验证集。也可以按时间戳排序，每隔一段间隔抽样做验证，确保验证集与训练集没有连续帧重叠。

5.5 空白标签参与训练，loss曲线异常跳变

现象：训练前几个 epoch loss 正常，后面突然出现周期性尖峰，且尖峰对应的迭代轮次规律出现。

原因：第 3 章转换时，部分图片没有目标，生成了空 txt。YOLO 训练时空标签本身是允许的，但如果图片文件名与标签文件名前缀不一致，空标签文件会被错误匹配到有目标的图片上，相当于把有目标图片的标注清空，loss 自然异常。

解决：检查 labels 目录里的 txt 文件名与 images 目录里的图片文件名是否完全一致，重点核对后缀（.jpg / .jpeg / .png）和文件名里的空格、下划线。建议写一个对比脚本，输出“有图无标”和“有标无图”两个列表，逐项处理。

6. 让这1800张数据发挥更大价值：切片推理、连续帧去误报和效果验证

6.1 用切片推理找回小目标

训练完成后，面对大尺寸海面影像，不要直接把整张图送进模型。把原图切成 512×512 或 640×640 的带重叠 patch，每张推理后再把检测框映射回原图坐标，重叠区域的框用 NMS 合并。切片重叠率建议 20% 到 30%，太低会切断目标，太高推理速度下降。这个操作在 4K 及以上分辨率的海面数据上效果非常明显，能把第 5 章里的小目标漏检问题压下一截。

import cv2 import numpy as np def infer_large_image(model, img_path, patch_size=640, overlap=0.25): """对大图做切片推理，返回合并后的检测框列表""" img = cv2.imread(img_path) h, w = img.shape[:2] step = int(patch_size * (1 - overlap)) boxes = [] for y in range(0, h, step): for x in range(0, w, step): x1, y1 = x, y x2, y2 = min(x + patch_size, w), min(y + patch_size, h) patch = img[y1:y2, x1:x2] results = model(patch, conf=0.25) for box in results[0].boxes.data.cpu().numpy(): px1, py1, px2, py2, conf, cls = box # 映射回原图坐标 boxes.append([px1 + x1, py1 + y1, px2 + x1, py2 + y1, conf, cls]) # NMS合并重叠框 return nms(boxes, iou_threshold=0.5)

这个方法也有代价：推理时间成倍增加，切片边缘会截断部分目标，所以 patch 重叠率不要低于 20%。如果项目对实时性要求高，优先在训练阶段提高输入分辨率，推理阶段切片只作为离线分析的保底手段。

6.2 用连续帧确认压掉单帧误报

海面监测通常是视频流或连续巡检序列，单帧推理结果里会出现孤立误报——某一帧把高光当成油污，但下一帧同样的位置没有检测框。这类误报有一个特点：在时间上不连续。利用连续 3 帧做逻辑确认，同一位置的检测框在至少 2 帧中出现且 IoU 大于 0.3，才保留为最终目标，孤立出现的框直接丢弃。

这个技巧不依赖额外模型，纯粹是用时间维度过滤空间误检，对泄漏监测这种“目标和背景都在缓慢移动”的场景很有效。需要注意漂移速度：海面油污会随水流漂移，相邻帧之间的框位移可能较大，IoU 阈值不要设得太高，0.2 到 0.3 比较合理。

6.3 用三折交叉验证判断数据的真实下限

最后建议做一个三折实验：按场景分为三组，每次取两组训练、一组验证，记录三次验证 mAP 的均值和极差。如果三次 mAP 差距在 5 个点以内，说明 1800 张数据的场景多样性足够支撑后续迭代；如果差距超过 15 个点，说明某一组场景和其他组差异太大，数据分布不完整，要继续补充对应场景的图片。这个实验花不了多少时间，但能帮你判断这份数据到底值不值得作为项目基线，以及增量采集应该往哪个方向走。

我现在的习惯是，拿到任何一份数据集，第一件事永远是打开几十张图，把标注框一个一个拖出来看，再跑一轮分布统计，最后才谈训练。统计指标只能告诉你数据“长什么样”，能不能在真实场景里用，还得靠你的眼睛和现场反馈。希望这些经验能帮你在海上泄漏检测这个方向上少走一段弯路。

本文还有配套的精品资源，点击获取