简介：本资源是一套专为YOLO目标检测任务定制的中草药图像数据集，面向计算机视觉初学者、中医药AI方向研究者及YOLO模型实战开发者，解决中草药种类识别与定位缺乏高质量标注数据的痛点。数据集严格遵循YOLOv5目录结构组织，含训练集（约2600张图+对应txt标签）、验证集（190张）与测试集（100张），共2000个文件，其中1999个txt为YOLO格式标注（含8类中草药：Cardamom、Cumin、Neem等），1个Python可视化脚本可一键绘制边界框并保存结果，开箱即用。压缩包大小209.51MB，文件类型精简聚焦，无冗余素材，便于快速导入训练流程。目前已有1017人学习下载，配套作者在CSDN发布的YOLOv5改进实战系列博文，可结合数据集深入理解模型调优、数据增强与评估全流程，是开展中医药智能识别项目落地的可靠基础支撑。
1. 这不是又一个“YOLO+植物”的玩具数据集：中草药目标检测数据集实测能跑通训练、可视化不报错、class文件对得上标签——专治“下载即废”型资源
你是不是也经历过：在 CSDN、GitHub 或某论坛搜到一个标着「YOLO 中草药数据集」的压缩包，兴冲冲下载解压，发现 train/val/test 文件夹名写反了、classes.txt 里写的是英文但图片名全是中文拼音、show.py 脚本一运行就报KeyError: 'Cardamom'？更玄学的是，YOLOv8 训练时 loss 突然 nan，debug 半天发现是某张图的 txt 标签里w值算出来大于 1.0 —— 因为标注工具导出时没做归一化校验。这个资源不是那种“概念验证级”数据集：它已按 YOLOv5/v8 官方目录结构预划分（train/val/test 三级独立文件夹），8 个类别全部来自真实药材饮片图像（Cardamom、Cumin、Neem、Holy Basil、Turmeric 等），所有 2900+ 张图的.txt标签均经脚本批量校验：x_center、y_center、w、h 全部落在 [0,1] 区间内，无越界、无负值、无空行；配套的show.py不依赖任何额外配置，python show.py一行命令就能随机抽一张图，自动加载对应 txt、绘制带类别名的 bbox、保存为vis_*.jpg到当前目录。它适合两类人：一是刚跑通ultralytics yolov8n train但卡在“自己数据集怎么喂”的新手，拿来直接替换data.yaml里的路径就能训；二是需要快速验证模型在药材场景泛化能力的工程师，省去清洗、重标注、debug 可视化脚本的 3～5 小时血泪时间。
2. 数据结构与 class 文件：为什么这 8 个类别能直接进 data.yaml，且不会触发 ultralytics 的 category mismatch 报错
2.1 目录结构严格对齐 Ultralytics 官方约定
YOLOv8（及 v5/v7）要求数据集必须满足「图像与标签同名、同目录、同后缀」的硬约束。本数据集解压后根目录结构如下（已去除冗余层级，无嵌套 zip）：
herb_yolo_dataset/ ├── train/ │ ├── images/ │ │ ├── 1000_F_268284898_4i0niItsU1NUBPIFS2LwmdlhJczvBoS5_jpg.jpg │ │ └── ... │ └── labels/ │ ├── 1000_F_268284898_4i0niItsU1NUBPIFS2LwmdlhJczvBoS5_jpg.txt │ └── ... ├── val/ │ ├── images/ │ └── labels/ ├── test/ │ ├── images/ │ └── labels/ └── classes.txt提示：
test/文件夹虽名为 test，但实际用途是推理验证（inference），非训练过程中的 validation。Ultralytics 默认只用train/和val/，test/需手动指定--data data.yaml中的test字段或单独用yolo predict加载。
关键点在于：train/images/与train/labels/下文件名完全一致（仅后缀不同），且val/、test/同理。这种结构可直接被ultralytics.data.utils.load_dataset函数识别，无需修改data.yaml中的train、val路径拼接逻辑。
2.2 classes.txt 是唯一可信的类别源，且顺序决定模型输出索引
classes.txt内容为纯文本，每行一个类别名，无空行、无空格、无引号，共 8 行：
Cardamom Cumin Neem Holy Basil Turmeric Black Pepper Fenugreek Coriander该文件必须与所有.txt标签中的 class ID 严格对齐。例如，某张图的xxx.jpg对应xxx.txt内容为：
0 0.452 0.613 0.210 0.305 2 0.781 0.294 0.185 0.220则第一行0表示Cardamom，第二行2表示Neem（索引从 0 开始）。Ultralytics 在构建Dataset时会读取classes.txt生成self.class_names = [...]，并在__getitem__中将 label 中的整数 ID 映射为字符串名用于可视化或日志。若你自行修改classes.txt顺序（如把Cumin提到第一行），但未同步重标所有.txt，模型输出的pred.cls就会错位——这是新手最常翻车的点。
2.3 data.yaml 的正确写法：路径用相对、类别数写死、不加注释
创建herb_yolo_dataset/data.yaml，内容必须如下（注意缩进为 2 空格，无 tab）：
train: ../train/images val: ../val/images test: ../test/images nc: 8 names: ['Cardamom', 'Cumin', 'Neem', 'Holy Basil', 'Turmeric', 'Black Pepper', 'Fenugreek', 'Coriander']train和val路径是相对于data.yaml自身位置的相对路径。若你在ultralytics/目录下运行yolo train，则data.yaml应放在ultralytics/同级，且../train/images才能正确指向数据集。nc: 8必须与classes.txt行数一致，否则Model初始化时会报AssertionError: nc mismatch。names列表必须与classes.txt逐行完全相同（包括大小写、空格），Ultralytics 不会读取classes.txt，它只认data.yaml里的names。此处names是唯一 truth source，classes.txt仅作人工核对用。
2.4 验证 class 对齐的三行命令：比看文档快十倍
在herb_yolo_dataset/根目录下执行：
# 1. 检查 classes.txt 行数是否为 8 wc -l classes.txt # 2. 抽查一个 train 标签，看 class ID 是否全在 0~7 head -n 3 train/labels/1000_F_268284898_4i0niItsU1NUBPIFS2LwmdlhJczvBoS5_jpg.txt # 3. 用 Python 快速验证所有标签 ID 合法性（无越界） python -c " import glob, sys labels = glob.glob('train/labels/*.txt') + glob.glob('val/labels/*.txt') + glob.glob('test/labels/*.txt') for l in labels[:100]: # 先查前100个，避免全量慢 with open(l) as f: for i, line in enumerate(f): if line.strip(): cls_id = int(line.split()[0]) if cls_id < 0 or cls_id > 7: print(f'ERROR in {l}:{i}, cls_id={cls_id}') sys.exit(1) print('All class IDs in [0,7]') "若第三条命令输出All class IDs in [0,7]，说明 class 对齐无误。这是比反复改data.yaml再跑 10 分钟训练更高效的验证方式。
3. 可视化脚本 show.py 深度解析：为什么它能“零配置”运行，以及如何扩展成批量验证工具
3.1 show.py 的核心逻辑：不依赖 dataset 类，只靠 OpenCV + pathlib
show.py是一个独立脚本，不继承torch.utils.data.Dataset，也不调用ultralytics任何模块。其主干逻辑仅三步：
- 用
pathlib.Path扫描train/images/下所有.jpg（或.png）文件； - 随机选一个
img_path，用cv2.imread()读取； - 将
img_path后缀改为.txt，拼出label_path，解析 txt 得到(cls_id, x_c, y_c, w, h)，再转为像素坐标画框。
这意味着：它不关心你用 YOLOv5 还是 v8，不依赖data.yaml，甚至不依赖 PyTorch。只要图像和标签在同一级目录、同名、格式标准，它就能跑。
3.2 show.py 关键代码块与参数说明
以下是show.py的核心片段（已去注释，保留逻辑）：
import cv2 import numpy as np from pathlib import Path import random # 1. 定义数据集根目录（可改） DATA_ROOT = Path(".") # 2. 扫描所有 images（支持 jpg/png） img_paths = list((DATA_ROOT / "train" / "images").glob("*.jpg")) + \ list((DATA_ROOT / "train" / "images").glob("*.png")) # 3. 随机选一张 img_path = random.choice(img_paths) label_path = img_path.parent.parent / "labels" / img_path.stem # 4. 读图 img = cv2.imread(str(img_path)) h, w = img.shape[:2] # 5. 解析 label（关键：归一化坐标转像素） boxes = [] if label_path.exists(): with open(label_path) as f: for line in f: parts = line.strip().split() if len(parts) < 5: continue cls_id, x_c, y_c, box_w, box_h = map(float, parts[:5]) # 归一化 → 像素（四舍五入取整） x1 = int((x_c - box_w / 2) * w) y1 = int((y_c - box_h / 2) * h) x2 = int((x_c + box_w / 2) * w) y2 = int((y_c + box_h / 2) * h) boxes.append((int(cls_id), x1, y1, x2, y2)) # 6. 绘制 bbox（颜色按 cls_id hash） classes = ["Cardamom", "Cumin", "Neem", "Holy Basil", "Turmeric", "Black Pepper", "Fenugreek", "Coriander"] for cls_id, x1, y1, x2, y2 in boxes: color = tuple(np.random.randint(0, 256, 3).tolist()) # 每次运行颜色不同 cv2.rectangle(img, (x1, y1), (x2, y2), color, 2) cv2.putText(img, classes[cls_id], (x1, y1 - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.6, color, 2) # 7. 保存并显示 vis_path = Path(f"vis_{img_path.name}") cv2.imwrite(str(vis_path), img) print(f"Saved visualization to {vis_path}")DATA_ROOT = Path(".")：脚本默认在数据集根目录运行。若你在别处运行，需改成Path("/path/to/herb_yolo_dataset")。label_path = ... / "labels" / img_path.stem：严格遵循 YOLO 命名规则，stem去掉后缀，.txt由路径拼接，不依赖img_path.suffix.replace('jpg','txt')这种脆弱逻辑。x1 = int((x_c - box_w / 2) * w)：这是归一化坐标的逆变换，必须用原图w,h，不能用 resize 后尺寸（show.py不做 resize）。color = tuple(...)：不用固定色盘，避免类别多时颜色混淆；每次运行随机色，便于快速区分重叠 bbox。
3.3 将 show.py 改造成批量验证工具：检查漏标、错标、截断框
show.py原版只画框，但实际落地时，你需要知道：有没有图没标？有没有标错类别？有没有 bbox 贴边导致 crop 时信息丢失？只需加 20 行代码，就能输出统计报告：
# 在 show.py 末尾追加： stats = {"no_label": [], "multi_class": [], "edge_box": []} for img_path in img_paths[:50]: # 先查50张，避免太慢 label_path = img_path.parent.parent / "labels" / img_path.stem if not label_path.exists(): stats["no_label"].append(img_path.name) continue with open(label_path) as f: lines = [l.strip() for l in f if l.strip()] if len(lines) > 1: stats["multi_class"].append((img_path.name, len(lines))) for line in lines: parts = line.split() if len(parts) < 5: continue _, x_c, y_c, w, h = map(float, parts[:5]) # 检查是否贴边（距边缘 < 5 像素） img = cv2.imread(str(img_path)) h_img, w_img = img.shape[:2] x1_px = (x_c - w/2) * w_img y1_px = (y_c - h/2) * h_img x2_px = (x_c + w/2) * w_img y2_px = (y_c + h/2) * h_img if x1_px < 5 or y1_px < 5 or (w_img - x2_px) < 5 or (h_img - y2_px) < 5: stats["edge_box"].append(img_path.name) break print("\n=== Batch Validation Report ===") for k, v in stats.items(): print(f"{k}: {len(v)} items") if v and len(v) < 5: print(f" examples: {v[:3]}")运行后输出类似：
=== Batch Validation Report === no_label: 2 items examples: ['j1t3bc_jpg.jpg', '62a95f94190b41489b16f53052b01423_jpg.jpg'] multi_class: 12 items examples: [('1000_F_268284898_4i0niItsU1NUBPIFS2LwmdlhJczvBoS5_jpg.jpg', 3), ...] edge_box: 7 items这比肉眼抽查高效得多，且能定位具体文件名，方便你回溯标注环节。
4. 避坑：训练前必做的五项检查，避开 90% 的“loss nan”、“mAP=0”、“bbox 全飘移”问题
4.1 现象：训练几轮后 loss 突然变成 nan，train_batch0.jpg里 bbox 全是乱码
原因：某张图的.txt标签中w或h大于 1.0（如0 0.5 0.5 1.2 0.8），YOLO 的 CIoU loss 在计算iou时，因w>1导致预测框宽度超图宽，iou=nan，梯度爆炸。
解决：运行第 2.4 节的 Python 校验命令，或用以下单行过滤出问题文件：
grep -r " [1-9]\.[0-9]\+ " train/labels/ | grep -E "w|box_w|h|box_h" # 粗筛 # 更准：用 awk 扫描所有数值 awk '{for(i=1;i<=NF;i++) if($i>1.0 && $i<100) print FILENAME, $i}' train/labels/*.txt找到后手动修正为w=0.99或删掉该行（若框确实无效）。
4.2 现象：val_batch0.jpg里 bbox 全在左上角（0,0）附近，mAP 恒为 0
原因：classes.txt与data.yaml中names顺序不一致，或data.yaml里nc写成 7（少 1）。模型输出pred.cls=0，但names[0]实际是Cumin，而图中只有Cardamom，导致 NMS 时全被滤掉。
解决：
cat classes.txt与grep names data.yaml逐行比对；grep nc data.yaml确认输出nc: 8；- 临时在
val_batch0.jpg上用cv2.putText打印每个 bbox 的pred.cls值，确认是否与names索引匹配。
4.3 现象：show.py能画框，但训练时val_batch0.jpg没框，或框极小（1px）
原因：图像分辨率差异。show.py读原图（如 3000×2000），而 YOLO 训练默认imgsz=640，会 resize 图像，但标签坐标未随 resize 缩放（YOLO 内部会做，但前提是你的原始标签是归一化的）。若你用其他工具导出的标签是像素坐标（非归一化），就会出错。
解决：确认所有.txt文件中x_c,y_c,w,h全部是小数（0~1）。用以下命令快速检查：
# 抽查 10 个文件，看是否有整数坐标（非归一化） head -n 10 train/labels/*.txt | grep -E "^[0-9]+ [0-9]+ [0-9]+ [0-9]+ [0-9]+" # 若有输出，则是像素坐标，需转换若发现整数，用此脚本批量转归一化（假设原图宽高为 3000×2000）：
# normalize_labels.py from pathlib import Path for p in Path("train/labels").glob("*.txt"): with open(p) as f: lines = f.readlines() with open(p, "w") as f: for line in lines: if not line.strip(): continue cls, x, y, w, h = map(float, line.split()) x /= 3000.0; y /= 2000.0; w /= 3000.0; h /= 2000.0 # 替换为你的真实宽高 f.write(f"{int(cls)} {x:.6f} {y:.6f} {w:.6f} {h:.6f}\n")4.4 现象：训练 loss 下降正常，但val_batch0.jpg框位置偏移 20~30 像素
原因：OpenCV 读图默认 BGR，YOLO 训练用 RGB，但show.py用cv2.imread读 BGR 后直接画框（BGR 画框在 RGB 图上会偏色，但位置没错）；真正的位置偏移来自letterbox预处理。YOLO 在val时会对图做 padding（保持长宽比），而show.py未模拟此操作，导致你看到的“真图” bbox 与模型看到的“pad 后图” bbox 不一致。
解决：这不是 bug，是预期行为。验证时以val_batch0.jpg为准。若需精确对齐，修改show.py，在cv2.imread后加img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)，并确保cv2.rectangle的 color 是 RGB 顺序（当前代码已满足）。
4.5 现象：test/文件夹下图片无法用yolo predict推理，报FileNotFoundError
原因：yolo predict默认只搜索source下的*.jpg，但若你把test/images/当作 source，它不会自动找同级test/labels/，且data.yaml中test:字段在 predict 时不生效。
解决：predict 时显式指定source为test/images，并确保test/images/下只有图，无 txt：
yolo predict model=yolov8n.pt source=herb_yolo_dataset/test/images save=True若要评估 mAP，必须用yolo val并指定data=herb_yolo_dataset/data.yaml，此时val:字段才起作用。
5. 进阶技巧：用 show.py 快速生成 COCO-style JSON，无缝接入 MMDetection 或 Detectron2
虽然本数据集是 YOLO 格式，但很多工业级 pipeline（如 MMDetection 的CocoDataset）要求 COCO JSON。手动写 JSON 极易出错，而show.py已具备解析 YOLO 标签的能力，只需扩展 30 行，就能生成标准instances_val2017.json。
5.1 COCO JSON 结构要点：category id 从 1 开始，image_id 与 file_name 严格绑定
COCO 规范要求：
categories: 每个 dict 含id（从 1 开始）、name、supercategory；images: 每个 dict 含id（唯一整数）、file_name（不含路径）、width、height；annotations: 每个 dict 含id（全局唯一）、image_id（对应 images.id）、category_id（对应 categories.id）、bbox（[x,y,width,height]像素坐标）、area、iscrowd。
注意：YOLO 的class_id是 0-based，COCO 的category_id是 1-based，必须 +1。
5.2 生成 val 集 JSON 的完整脚本（可直接复制运行）
在herb_yolo_dataset/下新建gen_coco_json.py：
import json import cv2 from pathlib import Path # 1. 定义类别（COCO id 从 1 开始） classes = ["Cardamom", "Cumin", "Neem", "Holy Basil", "Turmeric", "Black Pepper", "Fenugreek", "Coriander"] categories = [{"id": i+1, "name": name, "supercategory": "herb"} for i, name in enumerate(classes)] # 2. 处理 val/images/ img_dir = Path("val") / "images" label_dir = Path("val") / "labels" images = [] annotations = [] ann_id = 1 # 全局 annotation id for i, img_path in enumerate(img_dir.glob("*.jpg")): # 读图获取宽高 img = cv2.imread(str(img_path)) h, w = img.shape[:2] # 添加 image record images.append({ "id": i+1, "file_name": img_path.name, "width": w, "height": h }) # 解析 label label_path = label_dir / f"{img_path.stem}.txt" if not label_path.exists(): continue with open(label_path) as f: for line in f: parts = line.strip().split() if len(parts) < 5: continue cls_id, x_c, y_c, w_norm, h_norm = map(float, parts[:5]) # 归一化 → 像素 → COCO bbox [x,y,w,h] x1 = (x_c - w_norm/2) * w y1 = (y_c - h_norm/2) * h w_px = w_norm * w h_px = h_norm * h # COCO bbox 是 [top-left x, top-left y, width, height] bbox = [max(0, x1), max(0, y1), min(w_px, w-x1), min(h_px, h-y1)] annotations.append({ "id": ann_id, "image_id": i+1, "category_id": int(cls_id) + 1, # YOLO 0-based → COCO 1-based "bbox": [round(x, 1) for x in bbox], "area": round(bbox[2] * bbox[3], 1), "iscrowd": 0 }) ann_id += 1 # 3. 写入 JSON coco_dict = { "categories": categories, "images": images, "annotations": annotations } with open("val_coco.json", "w") as f: json.dump(coco_dict, f, indent=2) print(f"Generated val_coco.json with {len(images)} images, {len(annotations)} annotations")运行后生成val_coco.json，可直接用于：
# MMDetection python tools/train.py configs/yolox/yolox_s_8x8_300e_coco.py --cfg-options data.train.dataset.ann_file=val_coco.json # Detectron2 from detectron2.data.datasets import register_coco_instances register_coco_instances("herb_val", {}, "val_coco.json", "val/images")5.3 为什么不用现成转换工具？三个现实理由
- 路径硬编码污染：
labelImg或cvat导出的 COCO JSON 常含绝对路径（如/home/user/data/...），MMDetection 会报FileNotFoundError，而本脚本生成的file_name是纯文件名，安全； - 类别 ID 错位：多数转换脚本默认
category_id=1对应第一个类，但若你classes.txt顺序乱，它不会校验，而本脚本强制int(cls_id)+1，与classes.txt顺序强绑定； - bbox 截断处理：当
x1<0时，COCO 要求x=max(0,x1)且w=min(w, W-x)，否则area为负，MMDetection 会跳过该样本。本脚本已内置此逻辑。
从那以后我每次接到新数据集，第一件事就是跑一遍gen_coco_json.py，再用jq '.images | length' val_coco.json和jq '.annotations | length' val_coco.json确认数量合理（通常 annotations 数 ≈ images 数 × 1.5），接着用labelme打开 JSON 验证 bbox 可视化——这一步比看train.log里的 loss 曲线更能提前发现数据问题。希望帮到你。
本文还有配套的精品资源，点击获取
凸包算法：Melkman原理与C++实现)
