导弹发射与爆炸烟雾火焰数据集：xml与txt双标注检测训练实战指南

简介：面向计算机视觉目标检测学习者与算法改进实验者的导弹发射、爆炸烟雾火焰数据集，从视频抽帧制作并完成标注，可用于YOLO系列模型的训练、验证与算法改进对比实验。资源包共约2000个文件，以930个txt标签、923个xml标注和147张jpg预览图为主，VOC与YOLO两种格式并存，方便直接接入不同检测框架；压缩包约114.95MB。影像共923幅，像方分辨率1280×720，涵盖烟雾（smoke）与火焰（fire）两类目标，其中训练集839幅、验证集84幅，划分明确，适合快速搭建实验基线。已有123人学习下载，可作为小样本烟雾火焰检测、视频抽帧数据质量分析及模型泛化验证的实践素材。

1. 导弹发射与爆炸烟雾火焰数据集：一份带 xml 和 txt 双标注的检测训练素材，到底能拿来干什么

手里有一批导弹发射、飞行、命中爆炸的现场帧，画面里同时出现尾焰、推进剂白烟、爆点黑烟和橘红火球，标注文件一半是 Pascal VOC 的 xml，一半是 YOLO 的 txt。这种「双格式混装」的数据集，第一眼看上去像是打包时偷懒，实际用起来才发现它恰好卡在两条主流检测链路的中间：xml 能直接喂给以 VOC 为默认输入的老一代训练脚本，txt 能直接进 YOLO 系列的 data 目录。对做烟火检测、发射事件识别、红外/可见光融合预警的从业者来说，这类素材的稀缺性不在「导弹」三个字，而在于同一场景里烟雾和火焰的形态跨度极大——发射段是高速喷射的锥形白烟，爆炸段是低速扩散的团状黑烟加瞬时高亮火球，模型很容易在其中一类上过拟合。这篇笔记就按「先看清数据长什么样、再把它统一成可训练格式、然后跑通一个最小检测基线、最后处理标注本身的坑」这条线走，适合已经会用 YOLO 或 Faster R-CNN 跑通公开数据集、但第一次接触这类特种场景素材的人。

2. 先摸清 xml 与 txt 的对应关系：别急着训练，先做一次数据体检

拿到混装标注，最忌讳的动作是直接train.py一把梭。xml 和 txt 往往不是同一批图的两种备份，而是不同标注轮次、不同标注人、甚至不同类别体系拼起来的。先体检，再决定要不要合并、怎么合并。

2.1 xml 与 txt 各自承载了什么信息

Pascal VOC 的 xml 是「一图一文件」，根节点annotation下挂filename、size（宽高深）、以及若干object，每个 object 里有name（类别）、bndbox（xmin/ymin/xmax/ymax，绝对像素坐标）。YOLO 的 txt 是「一图一文件」，每行class_id cx cy w h，全部归一化到 0~1。两者最本质的差异不是坐标，而是类别用字符串还是整数：xml 里写的是smoke、flame这类词，txt 里是0、1。所以合并前必须先建立一张类别映射表，否则同一个「烟」在两边会被当成两个类。

体检脚本我一般这么写，跑一遍就能看出两边图数量、类别词表、坐标越界情况：

import os, glob import xml.etree.ElementTree as ET from collections import Counter xml_dir = "labels_xml" txt_dir = "labels_txt" img_dir = "images" # 1) 统计 xml 侧类别词表与框数 xml_classes = Counter() xml_files = glob.glob(os.path.join(xml_dir, "*.xml")) bad_box = 0 for f in xml_files: root = ET.parse(f).getroot() w = int(root.find("size/width").text) h = int(root.find("size/height").text) for obj in root.findall("object"): name = obj.find("name").text.strip() xml_classes[name] += 1 b = obj.find("bndbox") x1, y1 = float(b.find("xmin").text), float(b.find("ymin").text) x2, y2 = float(b.find("xmax").text), float(b.find("ymax").text) # 越界或退化框计数：这类框进训练会直接拉低召回 if x1 < 0 or y1 < 0 or x2 > w or y2 > h or x2 <= x1 or y2 <= y1: bad_box += 1 # 2) 统计 txt 侧类别 id 分布 txt_classes = Counter() txt_files = glob.glob(os.path.join(txt_dir, "*.txt")) for f in txt_files: for line in open(f): line = line.strip() if not line: continue cid = int(line.split()[0]) txt_classes[cid] += 1 print("xml 文件数:", len(xml_files), "类别:", dict(xml_classes), "异常框:", bad_box) print("txt 文件数:", len(txt_files), "类别 id:", dict(txt_classes))

这段脚本干三件事：把 xml 的类别词频拉出来、把 txt 的类别 id 频布拉出来、顺手数一遍 xml 里的越界框和退化框。逻辑说明上，size/width和size/height必须读，因为后面判断越界要用原图尺寸；x2 <= x1这种退化框在爆炸高亮区域特别常见，标注人框火球时手一抖就框反了。参数上没什么可调的，路径按自己目录改即可。跑完你会得到两张频次表，接下来做映射就有了依据。

2.2 建立类别映射表：烟、焰、尾迹要不要分开

这类场景的类别体系通常有三种切法：粗粒度smoke / flame两类；中粒度launch_smoke / explosion_smoke / flame三类；细粒度再加missile_body、trail。我的经验是先按中粒度落地，粗粒度做兜底。原因很直接：发射段的白烟和爆炸段的黑烟在颜色、纹理、扩散速度上差异巨大，合成一类会让模型学到一个「平均烟」，在两类上都表现平庸；但细粒度到trail这种细长尾迹，标注一致性极差，不同人框出来的长度能差一倍，训进去就是噪声。

映射表建议落成一个 json，训练和转换脚本都读它，避免两处硬编码：

{ "smoke": 0, "flame": 1, "launch_smoke": 0, "explosion_smoke": 0, "missile_body": 2 }

这里把launch_smoke和explosion_smoke都归到 0，是给「先跑通两类基线」留的后路；等你确认数据量够、标注一致性够，再把它们拆成 0 和 3。missile_body单独给 2，是因为弹体在画面里往往很小、运动快，和烟火混在一类会互相干扰。注意这张表的方向是「原始词 → 目标 id」，转换时只做单向查表，不做反向推断，避免歧义。

2.3 用一张对照表判断数据能不能直接合并

体检完别急着写转换脚本，先填一张对照表，把「能不能合并」这件事量化：

这张表的价值在于把「感觉数据挺乱」变成「哪一项不达标、处理动作是什么」。我见过太多人跳过这步，训到一半发现某类召回死活上不去，回头查才发现是 txt 里有一批图的类别 id 整体错位了一位。血泪经验：体检花两小时，能省两天排错。

3. 把 xml 转成 YOLO txt：坐标归一化与四个边界坑

统一格式是绕不开的一步。哪怕你最终用 VOC 链路训练，也建议先转一份 txt 出来做交叉校验——两套坐标互相印证，能抓出不少标注错误。

3.1 归一化公式与转换脚本

VOC 的xmin/ymin/xmax/ymax是绝对像素，YOLO 要的是中心点加宽高、且除以图宽图高。公式不复杂，坑都在边界上：

import os, glob import xml.etree.ElementTree as ET import json xml_dir = "labels_xml" out_dir = "labels_yolo" img_dir = "images" cls_map = json.load(open("class_map.json")) os.makedirs(out_dir, exist_ok=True) def clamp(v, lo=0.0, hi=1.0): return max(lo, min(hi, v)) for f in glob.glob(os.path.join(xml_dir, "*.xml")): root = ET.parse(f).getroot() w = float(root.find("size/width").text) h = float(root.find("size/height").text) lines = [] for obj in root.findall("object"): name = obj.find("name").text.strip() if name not in cls_map: continue # 未映射类别直接跳过，不猜 b = obj.find("bndbox") x1 = float(b.find("xmin").text) y1 = float(b.find("ymin").text) x2 = float(b.find("xmax").text) y2 = float(b.find("ymax").text) # 先裁到图内，再算中心与宽高，顺序不能反 x1, x2 = clamp(x1, 0, w), clamp(x2, 0, w) y1, y2 = clamp(y1, 0, h), clamp(y2, 0, h) if x2 - x1 < 1 or y2 - y1 < 1: continue # 裁完退化，丢弃 cx = (x1 + x2) / 2.0 / w cy = (y1 + y2) / 2.0 / h bw = (x2 - x1) / w bh = (y2 - y1) / h lines.append(f"{cls_map[name]} {cx:.6f} {cy:.6f} {bw:.6f} {bh:.6f}") stem = os.path.splitext(os.path.basename(f))[0] with open(os.path.join(out_dir, stem + ".txt"), "w") as out: out.write("\n".join(lines))

逻辑上最关键的一句是「先裁到图内，再算中心与宽高」。如果先算再裁，中心点可能落在图外，归一化后出现负数或大于 1 的值，YOLO 训练时这类框会被静默丢弃或产生梯度异常。参数上，clamp的上下界固定 0 和 1 是归一化后的语义，但裁剪时用的是像素界0~w、0~h，两者别混。保留 6 位小数足够，再多没意义。未映射类别选择「跳过」而不是「归 0」，是因为归 0 会把未知目标硬塞进烟类，污染标签。

3.2 四个边界坑：越界、退化、极小框、坐标反写

转换脚本跑通不代表数据干净，下面四类问题在爆炸帧里出现频率极高：

越界框。火球高亮时标注人容易把框拉到画面外，xmax大于图宽。处理就是上面的 clamp，但要注意 clamp 之后框会变形，如果变形超过原框面积 20%，建议整图回炉而不是硬裁。

退化框。x2 <= x1或y2 <= y1，多发生在快速运动的弹体上——标注时参照的是前一帧位置。这类框必须丢，留着会让 loss 出现 NaN。

极小框。宽或高小于 4 像素的框，在 640 输入下缩放后不足 1 像素，学不到东西还拉低平均精度。我的做法是转换时统计，小于阈值的单独记日志，训练前统一过滤，阈值按输入尺寸定：输入 640 时取 4，输入 1280 时取 8。

坐标反写。xmin和xmax填反，表现为框跑到画面另一侧。体检脚本里x2 <= x1能抓到一部分，但填反且数值合法的抓不到，只能靠可视化抽查。建议转换后随机抽 30 张画框看一眼，这一步别省。

3.3 转换后做一次双向校验

转完 txt，拿几张图把 xml 和 txt 各画一遍框，叠在一起看是否重合。重合度用 IoU 粗算，低于 0.95 的图列出来人工看。这个校验能抓出「宽高读错节点」「用了缩略图尺寸而非原图尺寸」这类隐蔽错误——后者特别常见，xml 里size写的是原图，但实际图被预处理过，尺寸对不上，归一化全错。校验脚本不必复杂，画框存图、肉眼扫一遍即可，重点是别信转换脚本，信叠图。

4. 跑通一个最小检测基线：从 data.yaml 到第一次验证

格式统一后，先别追求高精度，目标是「能训、能出框、能看懂指标」。这一步跑通，后面调参才有参照系。

4.1 目录组织与 data.yaml 的写法

YOLO 系列对目录结构有约定，混装数据整理成下面这样最省事：

dataset/ images/ train/ val/ labels/ train/ val/ data.yaml

data.yaml里三个字段必须对：path指数据集根、train/val指相对子目录、names按 id 顺序写。类别顺序一旦定下就不能改，改了等于把旧权重全废。划分比例上，这类场景样本本身不多，我一般 8:2，且按事件划分而不是按帧随机划分——同一段发射视频的相邻帧高度相似，随机划分会让验证集里混进训练集的近邻帧，指标虚高。按事件划分的意思是：同一次发射/爆炸的所有帧只进训练或只进验证。

4.2 训练命令与关键参数怎么定

最小基线用轻量模型先跑，命令大致如下：

python train.py \ --data dataset/data.yaml \ --img 640 \ --batch 16 \ --epochs 100 \ --weights yolov8n.pt \ --cache ram \ --patience 20

参数逐个说：--img 640是速度和精度的折中，烟火目标通常占画面比例不小，640 够用；如果弹体是小目标，升到 960 或 1280，但显存要跟上。--batch 16在单卡 16G 上比较稳，爆显存就降到 8 并开梯度累积。--epochs 100配--patience 20，意思是 20 轮验证指标不升就早停，避免在过拟合区间空转。--cache ram把图缓存进内存，这类数据集通常几千张以内，缓存后每轮快不少。--weights用预训练权重，别从零训，样本量撑不住。

训练启动后盯三个东西：box_loss是否稳定下降、mAP50是否在 30 轮后开始抬头、验证集的可视化框有没有大面积漏检烟。如果box_loss前几轮就震荡，多半是标注里有退化框或类别 id 越界，回第 3 章查。

4.3 验证阶段看什么指标、怎么定位问题类

验证不只看一个 mAP。把每类的 precision/recall 单独拉出来，做成表：

如果 smoke 的 recall 明显低于 flame，先别调模型，回去看标注：稀薄烟到底标没标、边界画在哪。这类场景里「烟到什么浓度算烟」本身就没有统一标准，标注一致性差是召回上不去的头号原因。定位问题类之后，再决定是补标、拆类还是加数据增强。增强上，烟火场景慎用大角度旋转和强色彩抖动——火焰颜色是重要特征，色偏太狠等于教模型学错。

5. 避坑与排查：这类特种场景数据集最容易翻车的五件事

5.1 现象：训练 loss 正常但验证集几乎不出框

原因通常是验证集图片路径在data.yaml里写错，或者验证集 txt 文件名和图片名对不上（比如图片是.jpg、标签是.JPG.txt）。YOLO 找不到标签时不会报错，只会当成「无目标」图，于是模型被训练成「什么都别框」。解决：写个脚本比对 images/val 与 labels/val 的文件名主干集合，差集打印出来，逐个修。

5.2 现象：某一类 mAP 始终为 0

先查类别 id 是否越界。names里写了 3 类（id 0/1/2），但 txt 里出现 id 3，训练时这类样本被忽略，验证时自然为 0。再查映射表是否把两个原始词映到了同一个 id，导致其中一类被覆盖。解决：训练前跑一遍全量 txt 的 id 频次统计，和names长度对齐，不一致就停。

5.3 现象：模型把爆炸火球同时框成 smoke 和 flame

这是标注体系本身的重叠问题——火球周围既有烟又有焰，标注人可能两个都标。模型学到的是「这块区域两个类都对」，推理时双框。解决：定一条互斥规则，比如「火球主体标 flame，外扩烟标 smoke，重叠面积超过 30% 时只保留 flame」，然后按规则回洗一遍标注。规则要写进标注规范，不然下一批还是乱。

5.4 现象：同一段视频相邻帧指标忽高忽低

按帧随机划分导致训练集和验证集共享近邻帧，验证指标虚高且不稳定。解决：按事件/视频段划分，同一段只进一侧。划分后验证集指标会掉一截，但那是真实水平，别慌着调回去。

5.5 现象：xml 和 txt 对同一张图的框数量差很多

多半是两批标注来自不同轮次，txt 是早期粗标、xml 是后期精标，或者反过来。解决：以框更多、更细的一侧为准，另一侧整图重转，不要逐框合并——逐框合并会产生大量重复框，NMS 都救不回来。合并前先按文件名对齐，差异图单独列清单人工过。

6. 进阶：用「事件级」评估替代单帧 mAP，以及一个我常备的抽查习惯

单帧 mAP 高，不代表这套模型能用在发射事件预警上。真实链路里，你关心的是「一次发射从点火到爆炸，模型有没有在正确的时间段给出连续、稳定的检测」，而不是某一帧框得准不准。所以我一般会补一层事件级评估：把验证集按事件分组，对每个事件统计「首检帧相对真值首帧的延迟」「事件内检测覆盖率」「误检帧占比」三个数。延迟用帧数差除以帧率换算成秒，覆盖率用「有正确检测的帧数 / 事件总帧数」，误检帧占比看的是事件外帧被误报的比例。这三个数比 mAP 更能说明能不能上线。

具体做法不复杂：验证集推理时保留每帧的检测结果 json，按事件 id 聚合，写个小脚本算上面三个指标。阈值上，延迟超过 0.5 秒基本没法用于预警，覆盖率低于 0.6 说明模型在事件中段掉链子，误检帧占比高于 0.1 就要回去看负样本够不够。这套评估跑一遍，你会对「模型到底能不能用」有完全不同的判断。

另一个习惯是每次改完标注或转换脚本，固定抽查 20 张图叠框。不抽随机，专抽三类：极小目标多的、爆炸高亮的、烟特别稀薄的。这三类是最容易在转换和标注里出错的，抽它们比随机抽有效得多。这个习惯救过我很多次——有一次批量转换后坐标整体偏移了半个框，随机抽查没看出来，专抽高亮帧一眼就发现框全飘了。

说到底，这类带 xml 和 txt 双标注的特种场景数据集，价值不在「导弹」这个题材本身，而在于它逼你把数据体检、格式统一、类别体系、事件级评估这条链路完整走一遍。走通了，换任何烟火类场景都能复用。希望帮到你。

本文还有配套的精品资源，点击获取