简介面向计算机视觉与深度学习实践的一套花卉图像分类数据集共包含雏菊、蒲公英、玫瑰、向日葵和郁金香五个类别适合作为图像分类模型训练、深度学习课程实验以及毕业设计项目的基础数据。与零散收集的图片不同这份数据采用YOLOv8格式进行组织整体目录结构清晰便于在训练之前完成数据拆分、格式检查和不同实验之间的对比。包内共有2000个文件主体是1999张JPG格式花卉图片另附1个Python脚本能够用于图片整理或格式处理压缩包大小约218.93MB数据规模适中普通训练环境即可承载。目前已有622人浏览学习可以作为机器学习初学者快速上手花卉识别任务的练习素材也可用于科研验证。借助这份数据使用者能够获得覆盖五类花卉的图片样本推进YOLOv8模型在花卉分类场景中的训练、评估与调参实践同时有助于理解花卉分类体系在科学研究、园艺应用和植物资源管理中的基础作用。1. 五类花卉YOLOv8数据集拿来即用的检测训练起点做花卉识别这类小目标数据集时很多人的第一反应是先去下载一堆公开图片然后花几周时间标框、切图、转格式最后发现类别不均衡、标注不规范模型训练出来连验证集都跑不满。这份资源帮你绕过这段重复劳动——它已经整理成YOLOv8格式五个类别分别是daisy、dandelion、roses、sunflowers、tulips每张图都附带了对应的txt标注文件下载后直接配一个yaml就能开始训练。适合正在入门YOLOv8目标检测的初学者也适合需要一个干净数据集来验证检测流程、跑通训练脚本再迁移到自有业务的从业者。跟分类数据集不同这份数据强调的是「目标位置」你得到的不是一个图片标签而是每个花朵在画面中的坐标框这一点决定了它只能用于检测类任务而不能直接喂给分类网络。2. 读懂YOLOv8数据集格式目录结构与标注txt的含义2.1 下载解压后的目录结构和类别映射拿到压缩包后先解压不管发布者怎么打包最终都会落到一个统一的目录结构里。常见做法是images文件夹放原始图片labels文件夹放每一张图片对应的标注txt两个文件夹内部按train、val有的还带test分子目录。检测框架在读取数据时会通过图片路径去找同名同前缀的txt文件所以图片和标注的文件名必须完全一致后缀不同不要紧只要前面的主文件名相同就不会读错。以这份花卉数据集为例五类默认的类别编号通常是按字典序或者发布者自定义的顺序排列。第一次拿到手先不要急着训练打开任意一个txt文件看看第一个数字是什么再对照一下发布的类别清单。很多翻车事故都是因为类别顺序理解错位导致模型学到了错误的映射。我自己习惯拿到数据集以后第一步就写一个脚本把txt第一列的数字统计一遍确认只有0到4再跟规定的类别顺序对齐一次心里才踏实。import os from collections import Counter label_dir datasets/flowers/labels/train class_counter Counter() for f in os.listdir(label_dir): with open(os.path.join(label_dir, f)) as fp: for line in fp: cls line.strip().split()[0] class_counter[cls] 1 print(sorted(class_counter.items()))这段脚本会遍历train目录下所有label文件统计每一个类别编号出现的次数。如果输出的类别编号不是连续的0、1、2、3、4说明数据集里有其他类别的残留或者txt里混入了空行需要排查。我没有在脚本里做任何假设只是把原始数字统计出来给你看真正判断编号是否跟类别对上要看发布者提供的类别清单。2.2 标注txt内容的五列数字到底什么意思每一行标注是标准的YOLO格式类别编号、归一化后的中心点x坐标、中心点y坐标、归一化后的框宽度、归一化后的框高度。关键在「归一化」三个字所有坐标值都是0到1之间的小数实际像素坐标需要乘以图片的宽和高才能恢复出来。之所以用归一化坐标而不是像素坐标是因为YOLOv8在训练时会随机缩放图片尺寸归一化后的标注不依赖具体分辨率换任何输入尺寸都能对齐。举个实际例子假设一行标注是0 0.5123 0.4461 0.2846 0.3910图片尺寸是640x480。那么框的中心点在图片上的像素位置是x0.5123×640≈328、y0.4461×480≈214框的实际宽度大约是0.2846×640≈182像素高度大约是0.3910×480≈188像素。转换过程很容易出错尤其是多人协作时有人习惯写像素坐标有人习惯写归一化坐标混在一起以后训练时loss会异常大。拿到数据集第一件事抽三到五张图把txt内容转成矩形画出来看一眼标注跟花朵的重合度是否自然这一步能过滤掉绝大多数格式问题。import cv2 img cv2.imread(datasets/flowers/images/train/example.jpg) h, w img.shape[:2] with open(datasets/flowers/labels/train/example.txt) as fp: for line in fp: cls, xc, yc, bw, bh map(float, line.split()) x1 int((xc - bw / 2) * w) y1 int((yc - bh / 2) * h) x2 int((xc bw / 2) * w) y2 int((yc bh / 2) * h) cv2.rectangle(img, (x1, y1), (x2, y2), (0, 255, 0), 2) cv2.imwrite(check_annotation.jpg, img)这段代码把txt里的归一化坐标还原成像素坐标并在原图上画出矩形框。如果你画出来的框明显偏离花朵主体或者框的大小和花朵比例不匹配多半是数据集发布时的标注失误也可能是你理解错了归一化的参考系。还有一点值得注意如果一个txt文件是空文件说明这张图没有被标注YOLOv8的训练流程会默认它是背景图参与负样本训练。如果这类空文件数量太大整体样本分布会被干扰所以统计时也要顺手算一下空文件的占比。3. 训练前的数据体检类别均衡与划分是否靠谱3.1 统计每个类别的图片数和目标实例数五类花卉的原始图片来源通常是公开图片库本身类别天然不均衡。roses和sunflowers这类常见花卉图片数量多tulips少一些dandelion更少如果直接拿去训练模型会偏向样本多的类别小类的召回率上不来。数据集的发布者就算做过一次均衡处理你拿到的版本也未必适合你的使用场景所以拿到手的第一个动作是体检而不是直接跑训练。统计图片数和实例数用Python最方便。图片数直接数images目录下的文件数量实例数则需要遍历所有label文件逐行累加同时按类别分组统计。单个类别的图片数只能说明这个类有多少张图而实例数更能体现框的密度——如果某个类别的实例数远小于图片数说明很多图里只有零星几朵花检测难度反而更大。import os from collections import Counter label_dir datasets/flowers/labels/train images_dir datasets/flowers/images/train num_images len(os.listdir(images_dir)) num_annotations 0 class_instances Counter() empty_label_files 0 for f in os.listdir(label_dir): path os.path.join(label_dir, f) if os.path.getsize(path) 0: empty_label_files 1 continue with open(path) as fp: for line in fp: if line.strip() : continue cls line.split()[0] class_instances[cls] 1 num_annotations 1 print(图片数:, num_images) print(标注实例总数:, num_annotations) print(各类别实例数:, dict(sorted(class_instances.items()))) print(空标注文件数:, empty_label_files)这段代码综合统计了三个关键指标图片总数、每个类别的实例数、空标注文件数。如果空标注文件比例超过10%说明大量背景图混在训练集里会影响模型对前景的敏感度如果某个类别实例数只有另一个类别的三分之一就需要考虑做类别重采样或增强。我一般在拿到任何数据集时都会跑一遍这段脚本把统计结果存成一个txt后面训练出问题的时候可以先回来对照排除数据分布引起的原因。3.2 训练集和验证集划分的随机性问题很多公开数据集在发布时已经划分好了train和val两个目录这份花卉数据集也带有划分。但不一定每个发布者划分时都用固定随机种子也不一定保证类别分布和总分布一致。你直接用它的划分训练时可能没问题但如果你想做数据增强、扩充样本或者换一种划分比例重新划分时要注意类别均衡性。import os import random from collections import defaultdict random.seed(42) label_dir datasets/flowers/labels images_dir datasets/flowers/images train_ratio 0.85 all_labels [f for f in os.listdir(label_dir)] class_files defaultdict(list) for f in all_labels: cls_file os.path.join(label_dir, f) with open(cls_file) as fp: first_line fp.readline().strip() if not first_line: continue cls first_line.split()[0] class_files[cls].append(f) train_files, val_files [], [] for cls, files in class_files.items(): random.shuffle(files) split_point int(len(files) * train_ratio) train_files.extend(files[:split_point]) val_files.extend(files[split_point:]) print(f训练集文件数: {len(train_files)}) print(f验证集文件数: {len(val_files)})这段脚本按类别分别划分训练集和验证集保证每个类别在两边都有分布而不是把所有图片混在一起随机切分。混在一起随机切分的问题在于小类别可能整个被切进训练集验证集里某个类一张都没有模型在验证时报错甚至无法计算该类别的mAP。固定seed42是为了保证后续复现时划分结果一致调参过程中不会因为数据分布漂移干扰判断。注意这里只是按文件维度划分更严格的做法是按类别实例数划分但文件维度的类别均衡已经能满足绝大多数场景。4. 用YOLOv8实际训练这份花卉数据集从yaml到参数选择4.1 先写好数据集的yaml配置YOLOv8训练前需要一个yaml文件描述数据位置和类别清单。这个文件的核心内容是三行路径加一个类别列表路径可以用绝对路径或相对路径。写路径时建议把数据集目录放在项目目录下用相对路径指定避免换机器训练时还要改一堆路径。类别列表的顺序必须跟数据集标注txt里的编号顺序完全一致不一致会导致模型学到的类别语义和实际标签错位。path: datasets/flowers train: images/train val: images/val names: 0: daisy 1: dandelion 2: roses 3: sunflowers 4: tulips这个yaml文件的含义很直白数据集根目录在datasets/flowers训练图片在images/train子目录验证图片在images/val子目录类别编号从0开始依次是daisy、dandelion、roses、sunflowers、tulips。注意这里只写了图片目录没有写标签目录YOLOv8会自动把images替换成labels去查找对应标注文件所以你不需要在yaml里额外指定标签路径。如果你发现训练时报找不到标注文件先检查一下图片目录和标签目录是否在同一个父目录下命名是否是images和labels这个是YOLOv8默认的约定。4.2 开始训练模型配置、Epoch与超参数YOLOv8官方提供了n、s、m、l、x五个尺寸的预训练模型它们的区别是网络深度和宽度逐级增加精度更高但训练和推理更慢。五类花卉这种简单任务不需要一上来就跑最大的x模型一般推荐从yolov8n或者yolov8s起步。我的习惯是先用小模型快速跑通流程、验证数据集格式正确性再逐步升级模型尺寸。yolo detect train dataflowers.yaml modelyolov8s.pt epochs100 imgsz640 batch16 device0这条命令启动训练dataflowers.yaml指定数据集配置modelyolov8s.pt加载预训练权重epochs100是训练轮数imgsz640把所有输入图片统一缩放到640x640batch16是每批图片数量device0指定使用第一张GPU。如果机器没有GPU去掉device0让它自动跑CPU但要心里有数CPU训练100轮可能需要十几个小时建议先跑10个epoch验证流程。参数选择上有几个重点。batch的大小取决于显卡显存一般16G显存跑yolov8s的640输入可以开到16如果你的显卡只有8G先降到8甚至4。imgsz决定输入分辨率416能提高推理速度但小目标漏检率高640是精度和速度相对均衡的默认值。epochs不是越多越好五类花卉这种简单且类别差异明显的任务100轮以内通常已经收敛跑多了反而有过拟合风险建议同时配置早停参数patience20连续20轮验证集指标没有提升就自动截断训练。训练过程中需要关注的日志指标主要是box_loss和cls_loss以及验证集上的mAP50和mAP50-95。box_loss下降说明框的位置回归在收敛cls_loss下降说明分类在收敛。如果训练还没有结束你不需要频繁打断去看中间产物等训练跑完以后统一做验证。4.3 验证与可视化模型效果到底怎么样训练结束以后模型会自动在验证集上做一次验证输出mAP50、mAP50-95、precision、recall等指标。mAP50表示IoU阈值在0.5时各类别AP的平均值mAP50-95则是在0.5到0.95之间间隔0.05取十个阈值平均后者更严格。五类花卉这种大目标、类别外观差异明显的任务mAP50通常能达到0.9以上mAP50-95也会在0.7以上才算是正常水平。yolo detect val modelruns/detect/train/weights/best.pt dataflowers.yaml batch16验证命令会加载训练过程中表现最好的权重best.pt而不是最后一轮权重last.pt这是YOLOv8的默认机制。真正判断模型生不实用光看指标不够要看预测结果的可视化效果。跑一次预测脚本输出几张带预测框的图片观察框的贴合程度和置信度分布。置信度普遍偏低说明训练充分度不够需要更多epoch或者数据增强框的位置正确但类别置信度不高往往意味着类别间的特征区分度不足这时候就要从数据层面入手看看样本是否存在标注噪声或者遮挡情况。from ultralytics import YOLO model YOLO(runs/detect/train/weights/best.pt) results model.predict(datasets/flowers/images/val, conf0.25, saveTrue)这段脚本加载训练好的模型对整个验证集目录做预测并保存可视化结果。conf0.25是置信度阈值低于这个值的检测框会被过滤掉不影响模型的检测能力只影响可视化展示效果。实际部署时这个阈值要重新调如果你更看重召回率阈值可以降低到0.1如果更看重精确率阈值可以上调到0.5具体数值取决于业务场景对漏检和误检的容忍度。5. 避坑YOLOv8训练花卉数据集的五个典型问题5.1 类别编号错位导致模型学歪现象训练时loss下降正常但验证集的precision和recall都很差预测出的框位置正确标签全都对不上比如把daisy全都识别成dandelion。原因我遇到过两次一次是数据集的类别清单和txt标注的编号不一致另一次是我自己写的yaml里names顺序跟数据集发布顺序对不上。YOLOv8不会校验类别名是否和训练集标注语义一致它只认编号0号对应的名称完全取决于yaml里写的name。解决训练前写一个脚本把每个类别编号对应的样本图各抽一张画框时把类别名称也打印上去肉眼确认一遍再开训。这个检查成本很低但能省掉一整天的排错时间。5.2 归一化坐标越界导致训练loss异常现象训练早期出现loss: nan或者box_loss一开始就非常大验证时预测框位置飘出图片边界。原因标注txt里的x、y、w、h出现了大于1或小于0的值说明发布者可能在转换格式时把像素坐标直接当作归一化坐标写入没有做除法。这类脏数据在训练时会让损失函数直接爆炸。解决写个检查脚本扫描所有标注文件只要发现任何一个值超出[0,1]范围就把对应文件单独挑出来要么修复坐标要么删掉这张图。不要指望训练时模型自己去适应脏标注。5.3 数据集划分不均衡导致验证集指标虚高现象训练集mAP50很高验证集mAP50很低两者差距超过0.2但图片本身质量没问题。原因划分数据集时没有按类别分层抽样某个类别在验证集里只有三五张图这些图恰好是拍摄角度刁钻的样本或者验证集里全是同一风格的花卉分布跟训练集差了很远。解决如果你需要自定义数据划分就用前面3.2节的分层抽样方法按类别分别切分。如果你用数据集自带的划分先跑一次统计脚本确认每个类别的图片数在训练集和验证集的比例接近8:2或9:1再开始训练。5.4 小显存跑不动batch导致训练中断现象训练到一半进程被kill报CUDA out of memory。原因batch设太大加上YOLOv8训练时默认开启mosaic增强单张图合成后的分辨率波动比想象中更大显存峰值超出显卡容量。很多人只看模型参数量就估计显存但mosaic会把四张图拼成一张显存消耗翻倍。解决显存不够时优先把batch降到8或4其次把imgsz从640降到512这两个调整对精度的影响在花卉检测这种大目标任务上非常有限。如果还想继续用小batch训练更大模型还可以开启梯度累积device0 batch4配合optimizerSGD效果不如直接换小模型。5.5 CPU训练时盲目跑满epochs浪费时间现象CPU机器上训练100个epoch跑了一天才跑了十几个epoch而且发现前十个epoch的指标已经接近最终结果剩下全是白费时间。原因花朵检测这类任务特征简单模型的收敛速度比想象中快说玄学一点很多时候前20个epoch就已经定了调子后面全是微调。CPU训练本来就慢浪费在无效计算上不值得。解决没有GPU时先用epochs10跑通流程观察loss下降速度和验证集指标如果十个epoch内mAP50已经超过0.8再决定是否继续训练或换更强模型。我自己的做法是CPU机器上永远不直接跑大模型先用yolov8n最小尺寸模型验证数据再用GPU云实例跑正式训练。6. 进阶技巧让五类花卉模型收敛更快、精度更高的三个操作6.1 用迁移学习和冻结训练加速起步YOLOv8的预训练模型是在COCO数据集上训出来的COCO里没有花卉类别但模型的前面层已经学会了边缘、颜色、纹理这些基础特征。你不需要从头训练这些特征只需要让模型去适应花卉的边缘和形状细节所以可以先把backbone层冻结只微调head部分。实现方式是训练时设置freeze10数字代表冻结模型前多少层的参数对yolov8s来说冻结前10层通常就是整个backbone。yolo detect train dataflowers.yaml modelyolov8s.pt epochs50 freeze10 imgsz640 batch16冻结backbone训练10到20个epoch以后模型损失大概率进入平台期这时候可以去掉freeze参数对全部层再做10个epoch微调权重的网络结构不变只是学习率策略需要降低YOLOv8会自动处理。这个策略在数据量几百张的情况下极其有效能明显降低训练初期loss突跳的概率。6.2 用小物体策略提高小花朵的检出率花卉图片里经常出现这样的情况roses类的花朵占画面比例很大但dandelions和tulips在远景图里占比可能只有百分之几。默认640输入尺寸下框宽小于10像素的目标非常容易被浅层特征丢失。如果你发现验证集里小目标类别的recall明显偏低一个实用做法是把imgsz调大到960甚至1280输入分辨率提高意味着小目标在特征图上占据更多像素。yolo detect train dataflowers.yaml modelyolov8s.pt epochs100 imgsz960 batch8调大输入尺寸直接导致显存占用飙升我一般用imgsz960时batch最多开到8如果显存不够就先用640训练然后对small和tiny两个困难类别单独做数据增强对图片做随机裁切放大把小花朵放大后再加入训练集。还有一种思路是先用大模型跑一轮检测把低置信度的目标框当作候选数据人工复核挑出错检漏检后补充到训练集里做一轮迭代式的模型优化。6.3 TTA验证和多尺度推理的工程落地模型训练完成后推理阶段可以用测试时增强TTA来白嫖一点精度。YOLOv8官方提供了augmentTrue选项推理时会对输入做多尺度、翻转等变换然后把多个预测结果融合。代价是推理时间成倍涨不适合实时场景但如果你的任务是批量识别花卉图片比如对一批花园照片做分类统计TTA可以稳定提升2到5个点的mAP。yolo detect predict modelbest.pt sourcetest_images/ conf0.25 augmentTrue如果不想用TTAscale参数也值得单独调。有些人喜欢训练完直接当黑匣子用但我每次都习惯把一张验证图分别按原尺寸、放大1.2倍、缩小0.8倍各测一次对比预测框的稳定性。如果一个框在不同分辨率下都在同一位置出现且类别一致这个预测基本可信如果框的位置飘忽不定这张图多半存在遮挡或视角问题即使当前模型能稳定预测换了场景也会反噬。从那以后我每次拿到新的花卉数据集都会先做一次三尺度推理稳定性检查再判断要不要优化模型比你直接盯着mAP调参更抓得住本质希望帮到你。本文还有配套的精品资源点击获取