红外火灾检测数据集实战：从YOLO标注到模型训练避坑指南

简介：面向火灾预警与安全监控场景的红外火灾检测数据集，采用YOLO格式标注，专门用于火（Fire）与火源（Foc）两类目标检测，适合森林防火、工业安全监控、智能安防及应急管理研究。数据按训练集1467张、验证集93张、测试集48张划分，覆盖森林、山地、建筑、设备等多种场景，红外热成像突出温度差异，能有效辅助模型学习热源特征。压缩包共2000个文件，以1608个txt标注文件、390个jpg红外图像为主，另含1个yaml配置与1个docx说明文档，整体约49MB，目录结构清晰。已有263人学习下载，适合需要构建实时火焰检测模型、开发火灾预警系统或开展AI+消防交叉研究的开发者与研究人员，可直接接入YOLO等主流框架，减少数据准备与标注成本，助力早期火灾识别与快速响应。

1. 红外火灾检测数据集：从热成像图到可用的YOLO目标检测标注

红外火灾检测数据集，听起来像是一个普通的目标检测压缩包，但它跟你从网上下载的COCO、VOC完全不是一回事。这个数据集里装的是热成像相机捕捉的火灾场景，标注了火焰区域，能直接拿来训YOLO系模型。

在工业消防场景里，可见光摄像头在烟雾、夜间、逆光下几乎失效，红外热成像却能靠温度差把火源框出来。所以这份数据集解决的痛点是：消防预警系统需要能在火焰出现早期就报警，而不是等烟尘遮挡后才触发。

适合谁？做森林防火、变电站巡检、工厂消防预警的算法工程师，或者正在给消防机器人做视觉感知的学生。如果你只想练手通用目标检测，这个数据集的场景分布可能不够“好看”；但如果你是冲着热成像行业落地去，它就是非常对口的训练原料。

先说结论：不要下载完就解压、就开训。这个数据集的坑基本都在你意想不到的地方，比如通道数、标注归一化、小目标漏检。下面按我实际拆包的步骤来。

2. 拿到压缩包先拆结构：目录清单与标注格式解析

2.1 解压后的目录结构与每个文件是干什么的

下载得到的“红外火灾检测数据集.zip”通常是一个压缩包，不要双击在里面直接把图片拖出来用，最好先整体解压，避免路径或中文名问题。我一般会在项目目录下统一解包：

unzip 红外火灾检测数据集.zip -d fire_dataset cd fire_dataset && find . -maxdepth 2 -type d

执行后你会看到类似下面这种目录组织，这也是YOLO类工业数据集最常见的形式：

• images/：存放红外热成像原图，格式以jpg或png为主
• labels/：存放与图片同名的txt标注文件，每行一个目标框
• classes.txt：类别列表，一行一个类别名，顺序对应标注文件里的类别编号

不同版本打包方式会有差异，有的还会带一个voc_xmls/目录，那是给习惯用VOC格式的人准备的中间产物。先用文件清单确认一下每个目录的文件数量，看看图片和标注是否一一对应：

ls images | wc -l ls labels | wc -l

图片数量不等于标注文件数量是最常见的“创伤型”问题。如果发现差异，先别急着训练，优先把缺失的标注补齐，或者把没标注的图移到ignore/目录。否则训练过程会给你报一连串“image without labels”的警告，最终导致验证集里全是纯背景图像。

下面用表格整理一下常见文件类型和用途，方便你在解压后快速对照：

如果压缩包里还附带了一个README.txt，别跳过。它往往会写清楚采集设备的波段范围、相机机位高度、标注人员标准。这些信息决定了数据集场景泛化边界。比如机位高度如果都在2米，那训练出的模型在无人机20米视角下大概率会漏检，因为目标尺度分布完全不同。

2.2 热成像图像的通道与标注坐标：先读懂再训练

热成像原始数据在多数工业相机里输出的是单通道灰度，温度越高像素值越大。但很多厂家为了方便预览，会直接输出一张伪彩色BGR图。这就形成一个隐性差异：你对着屏幕看是红蓝色图，OpenCV读进来却是三通道，而模型拿到手的三通道和普通可见光的三通道语义并不一致。

标注格式方面，YOLO的txt标注每一行对应一个目标框：

• 第1个字段：类别编号，从0开始，对应classes.txt的行号
• 后面4个字段：归一化的中心点x、中心点y、框宽w、框高h，都除以了图像宽高

拿到数据集后，我建议先抽样画几个框，亲眼确认标注框与火焰区域的对齐程度。下面这段代码读一张图和一个标注文件，再把框画出来：

import cv2 img_path = "images/fire_001.jpg" label_path = "labels/fire_001.txt" # 直接用IMREAD_COLOR读，后续统一按三通道处理 img = cv2.imread(img_path) h, w = img.shape[:2] with open(label_path) as f: for line in f: 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, 0, 255), 2) cv2.putText(img, str(int(cls)), (x1, y1 - 5), cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 255, 0), 2) cv2.imwrite("check_fire_001.jpg", img)

代码逻辑是先按三通道读图，拿到宽高后把归一化的中心点坐标换算回像素坐标，再画矩形框。参数上，xc、yc、bw、bh都是0到1之间的小数，如果哪一行出现大于1.2的值，那这个标注一定有问题。我一般会用同样的循环批量生成几十张check图，拖进看图软件里快速翻一遍，确认所有目标的类别编号和实际内容一致。

检查过程中你会注意到热成像的一个特点：火焰边缘往往有一圈渐变的温度过渡，标注的人可能把整个高亮区域框进去，也可能只框最内部的亮核。两种风格都能训练，但混合多人的不同标注风格会导致模型收敛变慢。如果发现这类情况，建议统一按“高温亮核+外围可见火焰”的规则重新清洗一轮。

关于通道数，还有一个容易被忽略的点：如果你用cv2.imread()读灰度图，返回的shape是(h, w)，而不是(h, w, 3)。此时直接喂给预训练模型，会报“expected 3 channels”或者干脆静默出错。我习惯先跑一句：

img = cv2.imread("images/fire_001.jpg", cv2.IMREAD_COLOR) print(img.shape, img.dtype)

确保输出是(h, w, 3)和uint8。如果是灰度图，可以用cv2.cvtColor(img, cv2.COLOR_GRAY2BGR)把单通道复制成三通道。这一步看起来智商税，但真能拦住一批人，而且是后续转YOLO格式的前提。

3. 转成YOLO格式：如果手里是VOC XML，用脚本来一次转换

3.1 为什么要把VOC转成YOLO：归一化坐标与直接训练的关系

很多火灾数据集早期用LabelImg标注时，默认保存成VOC格式，即一个XML文件里用绝对像素坐标存bndbox。YOLO系训练器要求的是归一化中心点坐标，所以直接拿XML训练会报格式不支持。你需要一个转换脚本，把每个XML里的绝对坐标换算成相对坐标。

VOC的XML结构里，每个object节点包含name和bndbox子节点，bndbox里有xmin、ymin、xmax、ymax。YOLO需要的是：

• x_center = (xmin + xmax) / 2 / width
• y_center = (ymin + ymax) / 2 / height
• box_width = (xmax - xmin) / width
• box_height = (ymax - ymin) / height

这里的width和height是图像的实际宽高，必须从图片本身读，而不是从XML里猜。有些标注工具会把width写进XML的size节点，但偶尔会有写错的情况，所以我认为最稳妥的方式是用cv2读图拿shape。

3.2 转换脚本与参数说明

我通常会写一个convert_voc_to_yolo.py，一次性把整个xmls目录批量转换：

import os import cv2 import xml.etree.ElementTree as ET # 指定类别列表，顺序必须与classes.txt一致 classes = ["fire", "smoke", "background"] def convert(xml_path, out_dir): tree = ET.parse(xml_path) root = tree.getroot() img_name = root.find("filename").text base_name = os.path.splitext(img_name)[0] img_path = os.path.join("images", img_name) img = cv2.imread(img_path) if img is None: print("图片读取失败:", img_path) return h, w = img.shape[:2] out_lines = [] for obj in root.iter("object"): cls_name = obj.find("name").text if cls_name not in classes: continue cls_id = classes.index(cls_name) box = obj.find("bndbox") xmin = float(box.find("xmin").text) ymin = float(box.find("ymin").text) xmax = float(box.find("xmax").text) ymax = float(box.find("ymax").text) x_center = ((xmin + xmax) / 2) / w y_center = ((ymin + ymax) / 2) / h box_w = (xmax - xmin) / w box_h = (ymax - ymin) / h out_lines.append(f"{cls_id} {x_center:.6f} {y_center:.6f} {box_w:.6f} {box_h:.6f}") out_path = os.path.join(out_dir, base_name + ".txt") with open(out_path, "w") as f: f.write("\n".join(out_lines)) os.makedirs("labels", exist_ok=True) xml_dir = "voc_xmls" for name in os.listdir(xml_dir): if name.endswith(".xml"): convert(os.path.join(xml_dir, name), "labels")

这段代码里两个参数最值得注意。classes列表的顺序决定了txt里的类别编号，一旦写错，后面训练出的模型会把火焰和烟雾搞反。img_path的拼接路径默认了images和voc_xmls在同一个根目录下，如果你的数据集图片在另一个文件夹，把这里改成绝对路径或参与传入的参数，不要学我在脚本里写死。

转换完成后，再用上一章的抽样画框脚本重新检查一遍，重点看转换前后的坐标是否一致。如果有框从画面里跑出去了，很有可能是某些图片尺寸不是固定分辨率，而我从XML读的width不是真实宽高。改用cv2读图之后这个错误基本能消失。

3.3 划分训练集与验证集

数据集准备好后，训练前要划分train和val。我自己不会人工拖拽文件，因为容易漏，而且不好复现。我习惯用Python的shutil加固定随机种子来做：

import os import random import shutil random.seed(42) images = [f for f in os.listdir("images") if f.endswith(".jpg")] random.shuffle(images) split = int(len(images) * 0.85) for name in images[:split]: os.makedirs("train/images", exist_ok=True) os.makedirs("train/labels", exist_ok=True) shutil.copy(f"images/{name}", "train/images/") shutil.copy(f"labels/{name[:-4]}.txt", "train/labels/") for name in images[split:]: os.makedirs("val/images", exist_ok=True) os.makedirs("val/labels", exist_ok=True) shutil.copy(f"images/{name}", "val/images/") shutil.copy(f"labels/{name[:-4]}.txt", "val/labels/")

划分比例我默认用85%比15%，这个比例在中小型数据集上比较常见。种子固定为42，保证每次执行结果一致，方便复现别人的实验。如果数据集是按不同场景或不同采集批次组织的，别用随机划分，改按场景目录划分，否则训练集和验证集会混入同一场景的连续帧，评估指标虚高。这是后面避坑章里很重要的一条，先在这里埋个坑。

4. 训练YOLOv8/YOLOv12：从data.yaml到命令行参数

4.1 写data.yaml：路径、类别数、类别名

训练YOLO系模型，第一步不是敲训练命令，而是先写好data.yaml。这个文件告诉训练器去哪里读数据、有几类、类名是什么。我给这份红外火灾数据集建议的配置长这样：

train: fire_dataset/train/images val: fire_dataset/val/images nc: 2 names: ['fire', 'smoke']

这里train和val指向的是图片目录，YOLO会自动在同级目录下找labels文件夹。如果你把图片和标注分开放在不同地方，就用绝对路径。nc的值必须与names列表长度一致，多一个少一个都会在初始化时给出报错。

有一点要特别注意：data.yaml里的路径是相对于你执行训练命令的终端目录解析的。如果你在项目根目录跑，训练目录里的写fire_dataset/train/images没问题；如果你cd到ultralytics目录里跑，这个相对路径就有可能失效。我一般直接用绝对路径写死，省得后面为了找路径浪费时间。

4.2 训练命令与关键参数表格

现代YOLO的训练入口很简单，一行命令就能跑起来。以当前最常见的YOLOv8为例：

yolo detect train \ data=fire.yaml \ model=yolov8s.pt \ epochs=200 \ imgsz=640 \ batch=16 \ patience=30 \ workers=8 \ seed=42 \ device=0

几个关键参数为什么要这样设：

训练过程中最需要盯住的不是loss曲线，而是val精度曲线是否抖动。如果精度在某个epoch突然跳水，然后恢复，多半是学习率调度或数据增强里出现了随机性过强的操作。火焰在红外图里边缘很锐，旋转增强有时会让火焰形态失真，因此如果验证集精度震荡明显，我建议在augment参数里关闭部分空间增强。

4.3 用YOLOv12要注意的兼容点

YOLOv12是目前社区里新出的检测架构，很多人看到关键词“yolov12”就急着把model换成yolov12s.yaml复现训练。如果你的ultralytics版本太旧，直接指定yolov12模型文件会报找不到。先把训练器的版本升级到支持YOLOv12的版本，再重新生成模型配置。

另一个兼容坑是YOLOv12把注意力模块引入了检测头，训练显存占用会比v8同尺寸高一些。在同样的batch下，v8能跑16的，v12可能需要降到12或8，否则会直接OOM。至于精度提升，在红外火焰这种边缘清晰的目标上，v12的提升没有在COCO那样明显，所以如果只想快速落地，用v8反而更省事。

5. 常见问题与排查：红外火灾数据集训练的五个坑

红外火灾检测数据集体量通常不大，几百张到两三千张不等。数据量越小，标注和划分的坑越致命。下面五条是我在这类数据上实际踩过、也帮别人排查过的记录，每一条都按“现象→原因→解决”顺序写，方便你直接对照。

5.1 现象：模型把一切高温物体都识别成火

红外火灾数据集最大的坑是负样本缺失。训练时，正样本全是火焰，模型学到的是“高亮区域=火”，于是把热成像下的烟囱、机动车排气管、夏季阳光照射的金属表面全框出来。

原因：数据集只提供了火灾正样本，没有加入高温干扰物的背景负样本。损失函数不知道这些高亮物体不是火。

解决：在数据准备阶段，单独挑一批不含火焰但温度偏高的红外图像，标注一个background类，或者在训练时把它们作为纯负样本图像加入train目录，让模型看到“高亮但不该报警”的反例。

5.2 现象：灰度图训练时shape报错或loss不降

有些红外相机导出的是单通道灰度PNG，你用cv2.imread默认会读成(h, w)而不是(h, w, 3)。YOLO预处理阶段遇到这种图，要么报“Unable to determine number of channels”，要么干脆在dataloader里静默失败，loss曲线始终不降。

原因：单通道输入与预训练模型的3通道卷积假设不匹配。

解决：统一用cv2.imread(path, cv2.IMREAD_COLOR)强制读成三通道；如果原图本质是灰度图，读进来后三个通道数值相同，这没关系，模型能学。重点是不能出现形状为(h, w)的ndarray混进数据集。

5.3 现象：zip压缩包解压提示伪加密或文件损坏

有相当一部分下载的zip文件，在Windows上双击能打开，但用unzip解压时提示“missing zip entry”或“伪加密”。我遇到过不止一次，尤其是从网盘下载的大体积数据集。

原因：部分网盘服务器对于zip文件做了分段下载，文件末尾的Central Directory信息不完整；也有人用压缩软件加密了文件头，但实际内容没有加密，属于伪加密。

解决：先检查文件大小是否和下载页标注一致；然后用7-Zip打开，它通常能忽略错误的加密位直接解压。如果确认是伪加密，可以用python的zipfile模块并手动清除加密标志位，不过更省事的方法是换一个下载工具重新拉一遍。

5.4 现象：火焰小目标漏检严重

火灾场景里远处的小火苗只有几个像素，训练时mosaic增强把这些小目标随裁剪丢掉了，最后模型对大块火焰很敏感，对小火点完全无感。这种现象在热成像的远程监控场景里非常典型。

原因：数据增强策略对大图小目标不友好，小目标经过缩放后可能只剩1-2个像素，无法提供有效梯度。

解决：在ultralytics配置里关闭mosaic，设置mosaic=0.0；把imgsz适当降低到512或480，等效增加小目标在输入图中的相对占比；推理阶段用SAHI切图，把大图切成多个640小图分别检测再合并。

5.5 现象：mAP很高但实际部署误报多

训练时验证集mAP能到0.95，但一接到现场摄像头就满屏误报，帧率再高也没用。

原因：数据划分用随机划分，训练集和验证集来自同一段连续视频的不同帧，模型实际是“背题”了，记住了背景纹理。工业现场的新场景光照、角度不同，模型立刻露馅。

解决：按采集时间段或场景目录划分数据，确保同一场景的画面只出现在train或val，不交叉。验证指标要看per-class的recall，尤其关注小目标类别的AP，不要只看总体mAP。

6. 进阶技巧：伪彩色映射与模型验证

6.1 用伪彩色映射榨干预训练模型的迁移能力

很多红外火灾模型训练效果差，不是因为模型不行，而是因为输入分布离ImageNet预训练分布太远。一个低成本技巧是把单通道灰度图映射到伪彩色三通道再训练。这里说的不是简单复制通道，而是用OpenCV的applyColorMap模拟工业相机的铁红配色：

import cv2 import numpy as np def to_pseudocolor(gray): # 归一化到0-255 gray = cv2.normalize(gray, None, 0, 255, cv2.NORM_MINMAX) gray = gray.astype(np.uint8) return cv2.applyColorMap(gray, cv2.COLORMAP_INFERNO)

applyColorMap会把灰度值映射成蓝紫到黄白的渐变色，在视觉上更接近真实红外相机预览，在特征上也给模型提供了类似多通道高频信息。注意这种映射不能凭空增加物理信息，但能加速收敛。我自己的实验里，用伪彩色比直接用灰度图训练，mAP普遍高出3-5个百分点，代价是推理时多一步预处理，对边缘设备来说可以接受。

6.2 验证模型是否真的学到了“火”

用只含火焰、不含人物或其他高温物体的热成像图做测试不够严谨。我习惯在验证集里故意混入一类hard negative：电焊火花、炉口高温、反光金属。然后单独统计误报率，看模型是否过度依赖“高亮+形状”这种浅层特征。如果误报很高，回到第5章补背景类负样本。

从最早拿到红外火灾检测数据集到现在，我每次拆包都会强制走一遍流程：先看目录和classes.txt，再抽样画框，转换格式后重新验证一遍，划分数据前确认场景不交叉，最后才开训练。这套流程帮我躲过不少坑，也希望帮到你。

本文还有配套的精品资源，点击获取