企业官网建设流程全解析

简介：数据集涵盖煤矿井下及地面运输场景中煤与传送带的标注图像，采用YOLOv11格式组织，每个目标由txt文件记录类别与归一化坐标，适合目标检测模型训练与验证，面向矿山自动化、工业视觉等领域算法工程师和研究人员。压缩包共625个文件，包含312张jpg原图、312个txt标注文件以及1个yaml类别配置文件，图像与标注一一对应，整体大小约39.63MB，下载后可直接接入YOLO系列训练流程。数据集中标注皮带和煤两类目标，平均识别率高达99.5%，对皮带边缘、煤堆轮廓等特征刻画细致，可支撑皮带异物检测、煤流状态识别、运输设备安全监控等场景的算法调优与效果评估。目前已有518人学习下载，说明该数据集在同类资源中具备较高的实用性与认可度。文件名保留原始拍摄时间和采样点编号，便于按时间回溯现场工况，也能帮助研究者划分训练集与验证集时保持场景多样性。

1. 煤和传送带识别数据集：为什么 99.5% 这个数字要先打个问号

煤矿皮带运输场景里，煤流检测和皮带跑偏识别一直是两个被反复提起的需求。这块场景有个天然难点：煤是黑色，皮带也是黑色，暗色场景下目标和背景的对比度极低，很多通用检测模型在这类数据上直接翻车。所谓“煤和传送带识别数据集，使用 yolov11 格式标注”，本质上是把皮带和煤分别作为独立类别，用 YOLO 系标签格式统一标注，供目标检测模型直接训练使用。适合谁？两类人：一是现场做皮带保护系统、需要本地化训练检测模型的工程师，二是想用现成标注数据快速迭代验证 yolov11 效果的算法开发。但 99.5% 这个数字，我的态度是当作宣传值看待，真实的精度取决于数据集的场景覆盖度和验证集构成，读完这篇你能自己跑出真实数值。

2. 数据集构成与标注规范：先弄懂 YOLOv11 格式到底长什么样

2.1 一个可用的煤与皮带数据集，目录结构应该是这样的

用 YOLOv11（Ultralytics 系）训练目标检测，数据集的目录组织直接决定你能不能一次跑通。常见做法是分成 images 和 labels 两个根目录，各自再按 train / val / test 划分。你也可以用单目录加 txt 清单的方式，但工程上我一般会保持 images/labels 分离的结构，因为后续做数据清洗、增量训练时更好操作。

一个典型结构如下：

coal_belt_dataset/ ├── images/ │ ├── train/ │ │ ├── mine_0123.jpg │ │ ├── mine_0124.jpg │ │ └── ... │ ├── val/ │ │ ├── mine_1001.jpg │ │ └── ... │ └── test/ │ └── ... ├── labels/ │ ├── train/ │ │ ├── mine_0123.txt │ │ ├── mine_0124.txt │ │ └── ... │ ├── val/ │ │ ├── mine_1001.txt │ │ └── ... │ └── test/ │ └── ... ├── data.yaml └── dataset_stats.py

data.yaml 的内容是训练入口，告诉 yolov11 去哪里读图、读标注，以及类别名是什么。下面是最小可用的配置：

path: ./coal_belt_dataset train: images/train val: images/val test: images/test nc: 2 names: 0: belt 1: coal

注意 path 的写法。这里如果填相对路径，就一定要确保你运行训练命令的终端工作目录在 coal_belt_dataset 的上一级，否则 yolov11 会报路径找不到。踩过这个坑的人不在少数，问题不是因为模型不行，而是路径解析失败。

2.2 标注文本里的 5 个数字：归一化坐标是唯一标准

YOLOv11 格式标注，没那么多玄学，核心就是每个图片对应一个同名的 txt 文件，每一行代表一个目标框。每行固定是 5 个数值，用空格分隔：第一个是类别 id，后面四个是中心点 x、中心点 y、框宽 w、框高 h，全部用归一化坐标表示，范围在 0 到 1 之间。

0 0.450012 0.532108 0.812344 0.124567 1 0.320001 0.410235 0.023411 0.018334

第一行表示一个皮带实例，类别 id 0，框中心落在图片 45% 宽度、53% 高度处，框宽占整图宽 81%，高占整图高 12%。皮带通常是横向贯穿画面的大目标，所以这个 w 值会很大。第二行是一个煤堆或煤流区域，通常是小目标，w 和 h 都很小。

这里有个很多人容易搞混的点：如果你的标注工具导出的是 VOC 格式的 xml 或者 COCO 格式的 json，必须先做格式转换，而不是手动改文件名硬塞进去。转换逻辑其实很简单，VOC 给的是左上角 xmin、ymin 右下角 xmax、ymax 像素坐标，你要先算出框宽高和中心点，再除以图片宽高做归一化。

转换脚本的核心部分长这样：

import cv2 import xml.etree.ElementTree as ET import os def voc_to_yolo(xml_path, img_width, img_height): tree = ET.parse(xml_path) root = tree.getroot() yolo_lines = [] for obj in root.findall('object'): name = obj.find('name').text class_id = class_map.get(name, -1) if class_id == -1: continue 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) # 像素坐标转归一化中心点 + 宽高 x_center = (xmin + xmax) / 2.0 / img_width y_center = (ymin + ymax) / 2.0 / img_height w = (xmax - xmin) / img_width h = (ymax - ymin) / img_height # 边界保护：避免出现 0 或 1 的极端值 x_center = min(max(x_center, 0.0), 1.0) y_center = min(max(y_center, 0.0), 1.0) w = min(max(w, 0.0), 1.0) h = min(max(h, 0.0), 1.0) yolo_lines.append(f"{class_id} {x_center:.6f} {y_center:.6f} {w:.6f} {h:.6f}") return "\n".join(yolo_lines)

转换脚本里有三个细节值得注意：第一个，x_center 的计算用的是 (xmin + xmax) / 2，不是 xmin + w/2，这两者理论上等价，但前者能避免浮点累积误差；第二个，边界保护在煤矿这类大目标场景尤其重要，因为标注框超出画面边界是常态，不限制会出现中心点在 0 到 1 之外的情况，模型训练时直接报错；第三个，保留至少 6 位小数，归一化后的小目标框可能只有 0.02 的宽高，精度不够会导致小目标框位置抖动。

2.3 类别定义只有 2 个，但别把“煤”和“皮带”标混

这个数据集的类别只有 belt 和 coal 两类，看起来简单，实际标注的时候才是真正容易出问题的地方。皮带在画面上通常是暗色背景区域，煤是叠加在皮带上的暗色前景物。当煤流覆盖住皮带表面时，边界是模糊的，标注人员很容易把煤的框框到皮带外面去，或者把皮带裸露区域标成煤。

我见过一份煤与皮带数据集的标注质量报告，mAP 始终在 80% 上下不去，后来查出原因：大约 12% 的煤框把皮带边缘也包进去了，导致模型学到的是“皮带边缘特征”，而不是煤本身的纹理特征。这种现象在深度学习圈子里叫标注噪声，解决的办法不是重新标，而是做框的 IoU 过滤——把标注框与类别语义明显冲突的样本挑出来人工复检。

标注时的另一个常见误区是：皮带是长条目标，一张图中可能贯穿整个画面，有些人喜欢拆成多段标注，有些人喜欢一框到底。YOLOv11 对大目标的检测能力不差，建议一框到底，拆段会让模型认为皮带有断裂，推理时的置信度会波动。煤的标注则相反，分散的小煤块各自独立标注，煤流连成片时用一个稍大的框覆盖整体密度高的区域即可，不要试图把每个煤块都精确扣边，那样既费人力，又会让模型过拟合标注风格而不是煤本身。

3. 训练前的数据准备：划分数据集与质量校验脚本

3.1 按场景划分，而不是按文件名随机切

很多人拿到数据集第一步就是 random split，把所有图片打乱按 8:1:1 分成训练验证测试。这在煤与皮带场景是错的。矿上的图像数据通常来自不同摄像头、不同时段、不同光照条件，随机切分会导致同一个场景片段同时出现在训练集和验证集里，模型记住的是场景背景而非皮带和煤本身，验证精度虚高，一到新增点位就翻车。

我一般按现场采集的文件夹或时间段来划分。假设原始图片按拍摄点位和日期组织，划分脚本这样写：

import os import random import shutil from collections import defaultdict image_root = "raw_images" train_ratio = 0.8 val_ratio = 0.1 # 按点位分组 scene_groups = defaultdict(list) for img_name in os.listdir(image_root): scene_id = img_name.split("_")[0] # 假设文件名前缀是场景id scene_groups[scene_id].append(img_name) # 按组划分：整组进入训练或验证，不拆开 all_scene_ids = list(scene_groups.keys()) random.shuffle(all_scene_ids) train_scenes = all_scene_ids[:int(len(all_scene_ids) * train_ratio)] val_scenes = all_scene_ids[int(len(all_scene_ids) * train_ratio): int(len(all_scene_ids) * (train_ratio + val_ratio))] test_scenes = all_scene_ids[int(len(all_scene_ids) * (train_ratio + val_ratio)):] # 复制图片和同名标注到目标目录 for split, scenes in [("train", train_scenes), ("val", val_scenes), ("test", test_scenes)]: for scene_id in scenes: for img_name in scene_groups[scene_id]: src_img = os.path.join(image_root, img_name) src_lbl = src_img.replace(".jpg", ".txt").replace(".png", ".txt") dst_img_dir = f"coal_belt_dataset/images/{split}" dst_lbl_dir = f"coal_belt_dataset/labels/{split}" os.makedirs(dst_img_dir, exist_ok=True) os.makedirs(dst_lbl_dir, exist_ok=True) shutil.copy(src_img, os.path.join(dst_img_dir, img_name)) shutil.copy(src_lbl, os.path.join(dst_lbl_dir, os.path.basename(src_lbl)))

这种按组划分的方式，短期看验证集上的 mAP 可能不如随机切分高，但能真实反映模型在新场景下的表现。做煤流识别这种项目，目标是要在不同矿井、不同角度、不同光照下都能工作，场景独立是必须的。

这里注意文件名前缀的假定：如果原始文件名没有这个规律，可以用子目录名作为分组依据。核心思路是“来自同一段视频或同一时刻连续帧的图片不能跨组”。

3.2 图片尺寸统一与标注框合法性检查

YOLOv11 支持自适应图片缩放，但这不代表你可以把 4K 和 640x480 的图混在一起直接训练。混用会导致两个问题：一是 PyTorch 的 DataLoader 会按批次内最大尺寸补齐，内存消耗飙升；二是小图上的标注框在归一化后语义发生变化——640 宽上的 0.5 宽和 4K 图上的 0.5 宽，实际物理尺寸差远了。

训练前做一次全量检查脚本很有必要。检查项包括三类：图片是否能正常读取、标注文件与图片是否同名对应、标注文件里的坐标是否都在 [0,1] 区间内。

import cv2 import os import numpy as np img_dir = "coal_belt_dataset/images/train" lbl_dir = "coal_belt_dataset/labels/train" for img_name in os.listdir(img_dir): img_path = os.path.join(img_dir, img_name) lbl_path = os.path.join(lbl_dir, img_name.replace(".jpg", ".txt")) if not os.path.exists(lbl_path): print(f"[缺失标注] {img_name}") continue img = cv2.imread(img_path) if img is None: print(f"[图片损坏] {img_name}") continue h, w = img.shape[:2] with open(lbl_path, "r") as f: lines = f.readlines() for i, line in enumerate(lines): parts = line.strip().split() if len(parts) != 5: print(f"[格式错误] {img_name} 第{i+1}行: {line.strip()}") continue cls, cx, cy, bw, bh = int(parts[0]), float(parts[1]), float(parts[2]), float(parts[3]), float(parts[4]) if cls not in [0, 1]: print(f"[类别越界] {img_name} 第{i+1}行: cls={cls}") if not (0 <= cx <= 1 and 0 <= cy <= 1 and 0 < bw <= 1 and 0 < bh <= 1): print(f"[坐标越界] {img_name} 第{i+1}行: {line.strip()}") print("检查完成")

图片损坏这个问题在煤矿现场数据里非常常见。井下摄像头的存储设备经常异常断电，最后几帧图片文件头不完整，OpenCV 读出来是 None。如果不清理，训练到一半 DataLoader 崩掉，前面十几个小时白跑。这个脚本很难一次性覆盖所有异常，但能把最常见的几种过滤掉。

3.3 data.yaml 之外的超参初值：从 yolov11n 还是 yolov11s 开始

煤和皮带这个任务，属于目标尺度差异极大的场景：皮带是大目标，煤是小目标。起步模型选哪个，直接影响你的时间成本和显存占用。

我一般先跑 yolov11n 做 baseline，原因很简单：n 模型参数最少，单卡可以跑较大 batch，几分钟就能看到 loss 是否收敛，用来验证数据质量最合适。如果 baseline 的 mAP50 能到 0.95 左右，说明数据没问题；如果只有 0.8，先别急着换大模型，回头查数据的问题。等到 baseline 确认数据无误，再上 yolov11s 或 yolov11m 拉精度。

训练命令的最小形式：

yolo detect train \ model=yolo11n.pt \ data=coal_belt_dataset/data.yaml \ imgsz=640 \ epochs=100 \ batch=16 \ device=0 \ project=runs/train \ name=coal_belt_yolo11n

几个参数的含义拆开说：imgsz=640 是输入分辨率，煤流场景建议不低于 640，太小了煤块在缩略图上只有几个像素，模型根本学不到纹理；epochs 第一次跑 100 就够，重点看前 50 轮的 loss 曲线；batch 大小根据显存调整，遇到 OOM 就先降到 8，不要硬撑；name 是实验别名，同一模型跑多组对比实验时用来区分输出目录。

4. 用 YOLOv11 训练煤与皮带检测：训练配置与精度验证流程

4.1 训练过程中的 5 个关键日志指标怎么读

训练跑起来后，终端会持续输出 loss、精度、召回率等指标。新手最容易犯的错是盯着 loss 数值本身看收敛没有，但 YOLO 系列的 loss 是多个 loss 加权的复合值，绝对值大小没有绝对意义。更应该关注的是 val 集上的 mAP50 和 mAP50-95 随 epoch 的变化。

正常情况是：前 10 轮 mAP50 快速爬升到 0.9 左右，后面 30 轮在 0.95 上下震荡，最终稳定。如果你看到 mAP50 一直在 0.5 到 0.7 之间上不去，先停一下，做三类排查：数据标注是否大面积出错、类别定义是否重叠、场景划分是否泄露。其中标注问题最常见，用上一章的检查脚本重新扫一遍，特别关注框过大或过小的异常样本。

训练完成后的输出目录里会有 weights/best.pt 和 weights/last.pt。best.pt 是验证集最优的权重，last.pt 是最后一轮的权重。煤与皮带这类工业场景，我通常直接拿 best.pt 用，因为 last.pt 在训练后期容易过拟合训练集，泛化能力反而更差。

4.2 验证脚本：计算验证集上的精确率、召回率与漏检率

很多人以为跑完训练就算完事了，验证集指标只是打印出来看看。不对。煤流检测的落地评价不只是 mAP，关键看漏检率和误报率。井下环境中，皮带撕裂或煤流异常是安全事故，漏检的代价远远高于误报。

用训练好的 best.pt 对验证集做批推理并输出指标：

from ultralytics import YOLO model = YOLO("runs/train/coal_belt_yolo11n/weights/best.pt") # 在验证集上评估 metrics = model.val( data="coal_belt_dataset/data.yaml", split="val", imgsz=640, conf=0.25, iou=0.5, project="runs/eval", name="coal_belt_val" ) # 打印各类别 AP print("Class AP50:") for cls_name, ap50 in zip(metrics.names.values(), metrics.box.ap50): cls_idx = list(metrics.names.keys())[list(metrics.names.values()).index(cls_name)] print(f" {cls_name}: {metrics.box.ap50[cls_idx]:.4f}")

这段代码里最关键的是 conf 参数。验证集评估时把它设成和实际部署时一致的值，这样评估结果才有参考意义。训练时模型内部的置信度阈值和推理时的 conf 是两回事，很多人在训练时不管，在部署时把 conf 设到 0.5，mAP 掉了 10 个点，以为是模型不行，其实只是阈值变了。

验证输出里要重点看每个类别的 AP50。皮带这类大目标，AP50 一般能到 0.99 以上；煤的 AP50 如果低于 0.9，说明模型对小目标的特征学习不到位。这时候先测试一下推理时的输入分辨率——把 imgsz 从 640 调到 960，煤块的像素面积变大，AP 会有明显提升。代价是推理速度变慢，工业场景如果对实时性有要求，这就需要在速度和精度之间取平衡。

4.3 实测视频推理：置信度阈值与 NMS 参数怎么联动

往视频流上部署是煤流识别项目的最终归宿。推理脚本本身不复杂：

from ultralytics import YOLO import cv2 model = YOLO("runs/train/coal_belt_yolo11n/weights/best.pt") cap = cv2.VideoCapture("test_mine_video.mp4") while cap.isOpened(): ret, frame = cap.read() if not ret: break results = model(frame, imgsz=640, conf=0.35, iou=0.45, device=0) for r in results: boxes = r.boxes for box in boxes: cls_id = int(box.cls[0].item()) conf = float(box.conf[0].item()) xyxy = box.xyxy[0].tolist() if cls_id == 0: # belt color = (0, 255, 0) label = f"belt {conf:.2f}" else: # coal color = (0, 0, 255) label = f"coal {conf:.2f}" cv2.rectangle(frame, (int(xyxy[0]), int(xyxy[1])), (int(xyxy[2]), int(xyxy[3])), color, 2) cv2.putText(frame, label, (int(xyxy[0]), int(xyxy[1]) - 5), cv2.FONT_HERSHEY_SIMPLEX, 0.6, color, 2) cv2.imshow("Coal Belt Detection", frame) if cv2.waitKey(1) & 0xFF == ord("q"): break cap.release() cv2.destroyAllWindows()

conf 和 iou 两个参数在现场要根据视频观察调整。conf 越高漏检越多，conf 越低误报越多。煤流场景我一般从 0.35 起调，如果误报频繁就逐步升到 0.4，如果漏检严重就降到 0.25。iou 是 NMS 的去重阈值，目标重叠度高时需要调低，否则多个框叠加输出，影响后续逻辑判断。

5. 煤与皮带识别训练里的 5 个高频坑：现象、原因与解决办法

5.1 训练正常但推理时皮带框乱跳

现象：模型在验证集上 mAP 很高，但部署到视频流时皮带框忽大忽小，甚至一帧能检测到、下一帧消失。

原因：皮带场景中，训练数据的皮带框如果部分标注成“只框了可见区域”，部分标注成“整条皮带”，模型学到的框尺寸分布是双峰的。推理时同一帧不同位置可能同时触发两种尺度的预测，NMS 压不掉，产生抖动。

解决：重新检查标注，统一皮带的框范围策略。推荐统一框完整皮带区域。如果历史标注已经无法追溯，可以在 post-process 里对检测结果做时间维度的平滑滤波，对连续帧的框坐标做指数平均，牺牲少量实时性换取稳定性。

5.2 煤和皮带同为黑色，模型把皮带误检成煤

现象：conf=0.25 时，模型频繁在皮带裸露区域输出煤的检测框，误报率高达 30%。

原因：两个类别在灰度特征上高度相似，模型更多依赖上下文位置信息做区分。当验证集中的煤样本大多出现在皮带上方或表面时，模型学到“皮带区域 = 有煤”的强先验，背景稍微有一点纹理变化就触发煤框。

解决：这也是这类二分类的典型困境。第一步，提高 conf 到 0.5 观察误报变化，如果显著下降，说明是置信度校准问题，部署时用更高的阈值即可；第二步，如果 conf 提到 0.6 还压不住，就要从数据层面入手，专门裁剪一批“皮带裸露无煤”的负样本加入训练集，告诉模型皮带本身长什么样。这是最有效但最费人工的做法。

5.3 加了大量负样本反而不收敛

现象：为抑制误报，加入一批无煤皮带图片作为负样本后，训练 loss 震荡剧烈，mAP 反而下降。

原因：数据集中原本所有图片都是正样本，包含至少一个目标。加入纯负样本后，类别分布从 1:1 变成了正样本与负样本比例失衡，尤其是煤类目标在负样本里完全没有对应标注，模型在反向传播时梯度方向冲突。

解决：负样本不要无脑堆。控制负样本占比在总数据量的 20% 以内，并且不能整批加入。同时，验证集和测试集也要保留一部分负样本，否则评估时无法反映真实误报率。这类数据的正确评估指标是 F1 或误报率/漏检率联合观察，而不是只看 mAP。

5.4 小煤块漏检：煤流分散时大面积检测不到

现象：煤流密集时检测正常，煤量少、分布分散时几乎全部漏检。

原因：煤块在 640x640 输入下只有十几个像素，经过 YOLOv11 的多层下采样后，小目标的特征图响应极其微弱。这是 YOLO 系模型的固有问题，不是参数能解决的。

解决：分两路走。第一路，推理时用更高分辨率，imgsz=960 或 1280，小目标在输入端的像素面积变大，检测率会明显改善；第二路，如果硬件限制不能提分辨率，就针对小目标单独训练一个检测分支，把原图切片成 4 个子图分别推理，再合并结果。后者工程量大，但工业场景中只要人员安全或设备保护依赖这个检测，就值得做。

5.5 99.5% 的精度为什么换了个摄像头就变成 85%

现象：用某个井下摄像头采集的数据训练，验证集精度 99.5%，拿到另一个矿井部署后精度掉到 85% 甚至更低。

原因：不同摄像头的安装角度、高度、焦距不同，导致皮带和煤在画面中的尺度和长宽比变化。训练数据的场景多样性不足，模型过拟合了原摄像头的视角特征。

解决：采集数据时尽可能覆盖多个机位、多种光照条件、不同煤种。数据集文档里标注采集环境，训练时按机位分组做场景划分（参考 3.1 的做法）。如果现场已经部署了多路摄像头，可以先用原模型做自动标注，再由人工抽检修正，快速扩充新场景的训练数据，这是业界常见的半自动迭代做法。

6. 进阶用法：用训练好的权重做半自动标注，把新场景数据滚进训练集

模型训好后，最有价值的用法不是直接部署结束，而是利用它加速新场景数据的迭代。煤矿现场有大量未标注的摄像头数据，靠人工标注一帧要十几秒，一个场景几千帧就是好几个工作日。用训练好的模型做预标注，人工只需筛选修正，能把周期压缩到一个小时内。

核心思路是：用 best.pt 对新图片做批推理，把高置信度的检测结果转换成 YOLO 格式标注文本，低置信度的框单独提出来让人工复核。

脚本实现：

from ultralytics import YOLO import os model = YOLO("runs/train/coal_belt_yolo11n/weights/best.pt") new_images = "new_scene_raw/" output_labels = "new_scene_labels/" os.makedirs(output_labels, exist_ok=True) for img_name in os.listdir(new_images): img_path = os.path.join(new_images, img_name) results = model(img_path, imgsz=640, conf=0.7, iou=0.5, verbose=False) lines = [] for r in results: for box in r.boxes: cls_id = int(box.cls[0].item()) conf = float(box.conf[0].item()) if conf < 0.7: # 低置信度框不写入标注文件，留给人去判断 continue # 归一化坐标输出 x_center, y_center, w, h = box.xywhn[0].tolist() lines.append(f"{cls_id} {x_center:.6f} {y_center:.6f} {w:.6f} {h:.6f}") with open(os.path.join(output_labels, img_name.replace(".jpg", ".txt")), "w") as f: f.write("\n".join(lines)) print("预标注完成，请人工复核低置信度区域")

这个流程的关键在 conf=0.7。预标注阶段的置信度阈值要设置得比部署时高，保险策略是“只标注确定的，把不确定的留给人”。低置信度框不是没有价值，它们往往是新场景里模型没见过的新形态，覆盖这些才能让模型快速适应新环境。

精度上，预标注生成的训练数据不能直接拿来训。至少要抽样 10% 的标注结果由人复核。复核时重点看框是否贴合目标边缘、类别是否判错、有没有漏检的大目标。复核完成后再合并进原始训练集，跑一轮增量训练。

做煤矿现场的项目，模型精度永远只是一方面，真正值钱的是持续迭代数据的流程。我见过太多团队拿着一个高精度模型到一个新场景就躺平，然后被现场数据打回原形。数据是这类场景的命脉，训练出来的模型反过来加速数据生产，形成闭环，这件事做成了，识别率 99.5% 就不再是宣传数字，而是你实测的日常结果。希望这篇笔记帮你在自己的场景里把这条闭环跑起来。

本文还有配套的精品资源，点击获取