森林火灾检测数据集

📋 数据集概览

数据集名称：森林火灾检测数据集（Fire and Smoke Detection Dataset）

数据集用途：用于训练和评估森林火灾及烟雾检测的目标检测模型

🏷️ 类别信息

本数据集包含 2个检测类别：

类别ID	类别名称	英文名称	说明
0	火灾	Fire	火焰目标
1	烟雾	Smoke	烟雾目标

📊 数据规模统计

数据集划分

数据集	图片数量	标注文件数量	占比
训练集 (train)	6,900 张	6,900 个	~80.0%
验证集 (val)	862 张	862 个	~10.0%
测试集 (test)	863 张	863 个	~10.0%
总计	8,625 张	8,625 个	100%

数据特点

✅ 所有图片已统一尺寸为 640×640 像素
✅ 图片格式：JPG
✅ 支持单目标和多目标检测（一张图片可能同时包含Fire和Smoke）
✅ 提供多种标注格式（YOLO格式和XML格式）

📁 数据集目录结构

复制代码

datasets/
├── images/                    # 原始图片目录（8625张JPG图片）
├── txt/                      # YOLO格式标注文件（8625个.txt文件）
├── xml/                      # XML格式标注文件（8625个.xml文件，PASCAL VOC格式）
├── classes.txt               # 类别名称文件
├── fire_smoke.yaml          # YOLO数据集配置文件
├── best.pt                   # 训练好的模型权重文件
└── datasets/                 # 划分后的数据集目录
    ├── train/                # 训练集
    │   ├── images/          # 训练图片（6900张）
    │   └── labels/          # 训练标注（6900个.txt文件）
    ├── val/                  # 验证集
    │   ├── images/          # 验证图片（862张）
    │   └── labels/          # 验证标注（862个.txt文件）
    └── test/                 # 测试集
        ├── images/          # 测试图片（863张）
        └── labels/          # 测试标注（863个.txt文件）

📝 标注格式说明

1. YOLO格式（.txt文件）

格式规范：

复制代码

class_id x_center y_center width height

参数说明：

class_id: 类别ID（0=Fire, 1=Smoke）
x_center: 边界框中心点x坐标（归一化到0-1）
y_center: 边界框中心点y坐标（归一化到0-1）
width: 边界框宽度（归一化到0-1）
height: 边界框高度（归一化到0-1）

示例：

复制代码

# 单个目标
0 0.5766 0.4562 0.6 0.3344

# 多个目标（每行一个目标）
0 0.85 0.4547 0.3031 0.225
1 0.4797 0.2469 0.4562 0.4906

2. XML格式（PASCAL VOC格式）

格式规范：标准的PASCAL VOC XML标注格式

示例：

复制代码

<?xml version="1.0" encoding="utf-8"?>
<annotation>
    <folder>MyDataset</folder>
    <filename>1.jpg</filename>
    <size>
        <width>640</width>
        <height>640</height>
        <depth>3</depth>
    </size>
    <object>
        <name>Fire</name>
        <pose>Unspecified</pose>
        <truncated>0</truncated>
        <difficult>0</difficult>
        <bndbox>
            <xmin>243</xmin>
            <ymin>218</ymin>
            <xmax>485</xmax>
            <ymax>448</ymax>
        </bndbox>
    </object>
</annotation>

⚙️ 配置文件说明

fire_smoke.yaml

YOLO训练配置文件，包含以下信息：

复制代码

# 数据集路径配置
path: D:\BaiduNetdiskDownload\1\datasets  # 数据集根目录
train: train/images                        # 训练集图片路径（相对path）
val: val/images                            # 验证集图片路径（相对path）

# 类别数量
nc: 2

# 类别名称
names:
  '0': Fire
  '1': Smoke

🎯 使用场景

本数据集适用于以下应用场景：

森林火灾早期预警系统
- 实时监测森林区域
- 及时发现火灾和烟雾
环境监控系统
- 无人机巡检
- 固定摄像头监控
目标检测模型训练
- YOLO系列模型（YOLOv5, YOLOv8等）
- 其他深度学习目标检测框架
模型评估与对比
- 算法性能测试
- 模型精度评估

🔧 使用建议

训练前准备

检查数据完整性
- 确保每个图片都有对应的标注文件
- 验证标注格式是否正确
数据增强
- 建议使用数据增强技术提高模型泛化能力
- 常见增强：翻转、旋转、亮度调整等
类别平衡
- 检查Fire和Smoke类别的样本分布
- 必要时进行数据平衡处理

训练参数建议

输入尺寸：640×640（已统一）
批次大小：根据GPU显存调整（建议16-32）
学习率：初始学习率建议0.01
训练轮数：建议100-300 epochs

📈 数据集质量

✅ 所有图片已统一尺寸处理
✅ 标注格式标准化（YOLO + XML双格式）
✅ 数据集已按标准比例划分（8:1:1）
✅ 支持多目标检测场景

📄 相关文件

classes.txt: 类别名称列表
fire_smoke.yaml: YOLO训练配置文件
best.pt: 预训练模型权重（如可用）