简介：这是基于水下机器人实拍影像构建的7类水下垃圾检测数据集，共5328张标注图片，覆盖水下生物、塑料、金属、木材、橡胶、布料及捕鱼工具等类别，适合用于水域环境监测、水下智能巡检及目标检测算法训练。包内文件总数21313个，包含5328张JPG原图及对应的XML、TXT、JSON三种格式标签，可无缝适配VOC、YOLO及主流检测框架，省去格式转换环节。整体压缩包127.54MB，图片与标签按编号一一对应，数据分布较均衡。目前已有325人学习使用，适合课程设计、毕业设计、竞赛训练或真实水下项目预研。对于需要快速搭建水下目标检测任务的开发者，可直接划分训练集投入模型训练，并利用多格式标签灵活切换工具链。

1. 水下垃圾检测数据集：5328张图的7类标注，三种标签格式怎么选、怎么用

做水下垃圾检测，模型选谁大家心里都有底，真正卡脖子的永远是数据集。你搜到的开源目标检测数据，要么是COCO这种通用场景，对水下的瓶子、渔网、塑料碎片覆盖极少，要么就是一个压缩包下来只有图片没有标签，整个周末耗在标注上。这个数据集标题里最大的价值就在这：水下垃圾检测数据集7类-5328张-含voc(xml)+yolo(txt)+json三种格式标签.zip，图片量不算大，但7类目标的标签一次给齐了三种格式，覆盖了VOC生态、YOLO生态和COCO风格json生态的对接需求。

对刚入门yolo学习的工程师，它是最合适的练手底料：有标注、有多类、有现成格式，直接按步骤整理就能训练；对已经在做水下水产、河道垃圾清理项目的人，它可以作为迁移学习的起点模型数据，不必再从零标几百张图。下面按「标签格式解剖 → 目录整理与训练 → 踩坑排查 → 验证与进阶」展开，每一段都能照着做。

2. 三种标签格式的解剖：VOC的xml、YOLO的txt、JSON的结构差异

拿到压缩包第一件事，先别急着解压后丢给训练脚本。把三种格式各自的用途边界搞清楚，才知道在什么环节该用哪一份，也才能在训练中途报错时快速判断是数据问题还是模型问题。

2.1 VOC的xml怎么读：annotation节点、object层级与xml解析

VOC格式是目标检测里最老派也最稳定的框表达方式。它的特点是“人眼友好”：一个xml文件对应一张图片，根节点是annotation，里面有size（宽高、通道数）、segmented（是否有更细粒度的分割标注）以及若干个object节点，每个object里的bndbox给出左上角和右下角两个点的绝对像素坐标。

xml文件用什么打开和编辑都很随意，VS Code、Notepad++、浏览器都能看，但要批量改几千个xml里的类别名或坐标，脚本才兜得住。我这里用python的xml.etree.ElementTree做xml解析，不依赖第三方库：

import xml.etree.ElementTree as ET from pathlib import Path xml_path = Path("xml/000001.xml") # VOC标签目录里的单个文件 tree = ET.parse(xml_path) root = tree.getroot() img_w = int(root.find("size/width").text) # 原始图像宽 img_h = int(root.find("size/height").text) # 原始图像高 boxes = [] for obj in root.iter("object"): name = obj.find("name").text # 类别名，如 bottle bndbox = obj.find("bndbox") xmin = int(bndbox.find("xmin").text) # 左上角 x（绝对像素） ymin = int(bndbox.find("ymin").text) xmax = int(bndbox.find("xmax").text) # 右下角 x（绝对像素） ymax = int(bndbox.find("ymax").text) boxes.append({"name": name, "xmin": xmin, "ymin": ymin, "xmax": xmax, "ymax": ymax}) print(f"图像尺寸: {img_w}x{img_h}, 目标数量: {len(boxes)}") print(boxes)

这段代码的核心逻辑是把一个“人读的标签”转成“机器好处理的列表”。用root.find("size/width")而不是root.findall()，是因为每个xml里只有一个size节点，find直接取第一个匹配项就够了；root.iter("object")遍历所有嵌套的object，即使节点层级里多包了一层也能拿到，比逐层findall更稳。

参数说明：VOC的bndbox里存的是坐标边界，不是中心点加宽高；如果你在用LabelImg标注，导出的就是这个格式。数值必须int()，xml里读出来是字符串，直接参与计算会出类型错误。xml解析对编码敏感，建议统一用utf-8，Windows上如果看到中文乱码，多半是文件本身存成了gbk，先用文本编辑器另存为utf-8再接ET.parse。

2.2 YOLO的txt：归一化坐标为什么是非整数

YOLO的txt标签每一行对应一个目标，格式是“类别id 中心点x 中心点y 宽 高”，五个值全部按图像宽高归一化，范围0到1。这也解释了为什么你在YOLO标注文件里看到一堆0.几的小数而不是“320,241”这种整数。归一化的好处是模型在不同输入分辨率下都能复用同一份标签，不用每换一次输入尺寸就改一遍标注。

with open("yolo/000001.txt", "r", encoding="utf-8") as f: for idx, line in enumerate(f): parts = line.strip().split() if len(parts) != 5: print(f"第{idx+1}行格式异常: {line}") continue cls_id, cx, cy, bw, bh = map(float, parts) # 中心点坐标换算回绝对像素，便于和XML交叉检查 center_x_abs = int(cx * img_w) center_y_abs = int(cy * img_h) w_abs = int(bw * img_w) h_abs = int(bh * img_h) print(f"类别{cls_id} 中心({center_x_abs},{center_y_abs}) 宽{w_abs} 高{h_abs}")

注释里反复强调“和XML交叉检查”：同一个目标在txt里是归一化数值，在xml里是绝对像素，把txt反算回绝对像素再和xml比对，能快速验证两个标注文件是不是对应同一目标。实际操作里，我一般会抽3到5张图做这种交叉检查，如果同一目标在两个文件里算出的像素坐标差超过3个像素，就要怀疑数据集在生成时用的原图和当前目录里的图分辨率不一致。

参数说明：map(float, parts)是整行解析的关键，类别id虽然应该是整数，但统一用float解析再处理，比直接int(parts[0])更不容易因为“1.0”这种写法崩掉。空行跳过比报错更稳妥，很多标注工具会在文件末尾留一个空行，这不影响YOLO读取，但会影响你按行检查时的索引。

2.3 JSON格式标签：COCO风格的annotations数组与json查询函数

JSON标签常见有两种形态：一种是每张图片一个json文件，另一种是COCO风格的总json，内含images和annotations两个大数组。这类数据集给出json格式，绝大多数是为了方便对接COCO API、Detectron2这类需要结构化注释的工具。json的层级和数组可以用json查询函数直接定位，比如键索引、数组遍历，不需要像xml那样一层一层find。

import json with open("annotations/instances.json", "r", encoding="utf-8") as f: anns = json.load(f) img_id_to_path = {img["id"]: img["file_name"] for img in anns["images"]} cat_id_to_name = {cat["id"]: cat["name"] for cat in anns["categories"]} records = [] for ann in anns["annotations"]: x, y, w, h = ann["bbox"] # coco bbox是左上角 + 宽高 records.append({ "image": img_id_to_path[ann["image_id"]], "category": cat_id_to_name[ann["category_id"]], "bbox": [int(x), int(y), int(w), int(h)], "area": ann.get("area"), "segmentation": ann.get("segmentation") # 多边形/掩码信息 }) print(records[:5])

注意COCO的bbox定义和VOC完全不一样：COCO是“左上角x，左上角y，宽，高”，VOC是“左上角x，左上角y，右下角x，右下角y”，互转时要么减要么加，别拿错。json数组里的元素可以用下标取，也可以按key过滤，这种json查询函数只要记住“先取字典再取key”的写法，不要在长的链式调用上翻车就行。

我特意提一下segmentation字段：如果它是polygon格式的列表，说明这份json可以做实例分割的底料；如果segmentation是空数组，那它只是检测框。这个字段决定了你后期能不能升级成yolo实例分割任务，后面第5章还会用到这个判断。

2.4 三种格式互转：VOC的xml到YOLO的txt，公式与脚本

理解了三种格式之后，互转脚本几乎必写一遍。即使数据本身三种都给齐，你也可能在三个目录里发现某个xml和txt对不上目标数。自己写一次转换脚本，能在过程中发现这类不一致，比事后怀疑模型可靠得多。

def voc_to_yolo(xmin, ymin, xmax, ymax, img_w, img_h): """VOC绝对坐标转YOLO归一化坐标的完整公式""" x_center = ((xmin + xmax) / 2.0) / img_w y_center = ((ymin + ymax) / 2.0) / img_h box_w = (xmax - xmin) / img_w box_h = (ymax - ymin) / img_h # 防止浮点误差导致越界 x_center = max(0.0, min(1.0, x_center)) y_center = max(0.0, min(1.0, y_center)) return x_center, y_center, box_w, box_h def yolo_to_voc(cx, cy, bw, bh, img_w, img_h): """YOLO归一化坐标转VOC绝对坐标的完整公式""" xmin = int((cx - bw / 2.0) * img_w) ymin = int((cy - bh / 2.0) * img_h) xmax = int((cx + bw / 2.0) * img_w) ymax = int((cy + bh / 2.0) * img_h) return xmin, ymin, xmax, ymax

逻辑说明：VOC转YOLO的核心是求中心点再除以宽高；YOLO转VOC是反过来，用归一化中心点减去一半宽高得到左上角。最后那行max/min裁剪很重要，四舍五入可能把值推到1.0000001，YOLO训练时一旦出现超出[0,1]的坐标，边界框回归的损失函数会算出无效值，loss显示成nan。

顺便说一个常见困惑：VOC的xmax是右下角的像素索引，还是边界框的宽度？主流标注工具里它表示右下角坐标，所以框宽是xmax-xmin，而不是xmax-xmin+1。这个+1对最终mAP影响很小，但批量转换时要全量统一，否则同一张图在不同格式间来回转，边界会越差越多。如果你以前只接触过COCO 80类的预训练权重，这里尤其要注意：这个数据集是7类，不能直接套coco80的类别名去读txt，id从0到6，和COCO的id顺序完全无关。

3. 把数据集整理成YOLOv8能直接训练的目录结构：划分、yaml配置、标签自检

标签格式看得懂，不等于train.py能跑起来。很多新手把下载的数据直接丢进yolo的data文件夹，报错说“no labels found”时一脸懵。YOLO系列对目录结构有强约定：图片和标签要分两个根目录，且图片名和标签名（不含扩展名）必须完全一致。这一章按YOLOv8（ultralytics）训练自己的数据集的常见做法，把目录、配置文件、自检脚本一次讲清。

3.1 目录结构设计：image与label分开放，train/val/test按比例划分

训练前先把数据固定成一个稳定结构，推荐这样排：

datasets/underwater/ ├── images/ │ ├── train/ │ ├── val/ │ └── test/ └── labels/ ├── train/ ├── val/ └── test/

对应的，每个train/images/xxx.jpg的标签必须在train/labels/xxx.txt里。划分比例我用最常见的8:1:1，5328张图大约是4262/533/533。下面的脚本按文件stem（不含扩展名的文件名）把图片和标签一起搬进对应子目录：

import random, shutil from pathlib import Path src_img = Path("src_data/images") src_lab = Path("src_data/labels") img_files = sorted(src_img.glob("*.jpg")) random.seed(42) random.shuffle(img_files) total = len(img_files) train_imgs = img_files[:int(total * 0.8)] val_imgs = img_files[int(total * 0.8):int(total * 0.9)] test_imgs = img_files[int(total * 0.9):] def copy_group(img_list, split_name): img_dst = Path(f"datasets/underwater/images/{split_name}") lab_dst = Path(f"datasets/underwater/labels/{split_name}") img_dst.mkdir(parents=True, exist_ok=True) lab_dst.mkdir(parents=True, exist_ok=True) for img in img_list: shutil.copy(img, img_dst / img.name) label = src_lab / f"{img.stem}.txt" if label.exists(): shutil.copy(label, lab_dst / label.name) else: print(f"警告：{img.name} 没有对应标签txt") copy_group(train_imgs, "train") copy_group(val_imgs, "val") copy_group(test_imgs, "test")

复制之前先做一次shuffle，而且固定随机种子。原因很实在：水下垃圾图片里连续帧相似度高，如果直接按文件名排序切分，很可能前50张全是同一片水域的同一堆垃圾，训练集和验证集互相泄漏，val mAP虚高，换数据立刻打回原形。固定random.seed(42)，别人复现你的实验时，划分逻辑也能对得上。

参数说明：这里用Path.glob(".jpg")，如果压缩包里是png或jpeg，把后缀换成对应扩展名，或者干脆glob(".j*")。找标签时不建议用字符串replace("images", "labels")，因为一旦目录命名不规范就出错；统一改成src_lab / f"{img.stem}.txt"，通过stem精确对接，最稳。

3.2 data.yaml配置：nc、names、path三个参数一个都不能错

YOLOv8训练时读取的data.yaml是数据集的契约文件。路径写错、类别数写错、类别名写错，训练要么直接报错，要么mAP全是0还不报错。我给这套水下垃圾数据集写的yaml长这样：

# datasets/underwater/data.yaml path: /absolute/path/to/datasets/underwater # 数据集的绝对根目录 train: images/train # 相对path的文件夹 val: images/val test: images/test # 测试集，训练时用不到但可以留着 # 7个类别，以下名称只是示例，务必以你解压后的xml/txt里实际name为准 nc: 7 names: 0: plastic_bag 1: bottle 2: fishing_net 3: metal_can 4: glass_bottle 5: rubber 6: other

唯一要特别小心的是path这一行。写成绝对路径，可以避免从不同目录启动训练时找不到图片；如果你有多台机器同步训练数据，用相对路径配合软链接也可以，但新手阶段直接写绝对路径最省事。nc和names的数量必须对应txt第一列出现过的最大id再加1，比如txt里最大类别id是6，nc就是7，写成6的结果是越界报错，错误信息还经常藏在一堆日志里，不好定位。

提示：data.yaml里的names顺序一旦确定，就不要在训练中途改。YOLO的类别id是按names列表下标取的，顺序变了等于所有txt的类别都变了。

3.3 标签自检：写一个批量检查脚本，跑训练前先排除明显错误

数据整理完、yaml写好后，我习惯先跑一个标签自检脚本，而不是直接开大训练。这个脚本能在几十秒内把“缺图、缺标签、格式行数不对、坐标越界、类别id越界”一次查完：

from pathlib import Path img_dir = Path("datasets/underwater/images/train") lab_dir = Path("datasets/underwater/labels/train") nc_expected = 7 img_suffixes = {".jpg", ".jpeg", ".png"} images = {p.stem: p for p in img_dir.iterdir() if p.suffix.lower() in img_suffixes} for txt in lab_dir.glob("*.txt"): if txt.stem not in images: print(f"[缺图] 标签 {txt.name} 没有对应图片") continue lines = txt.read_text(encoding="utf-8").strip().splitlines() if not lines: print(f"[空标签] {txt.name}") continue for i, line in enumerate(lines): parts = line.strip().split() if len(parts) != 5: print(f"[列数错误] {txt.name} 第{i+1}行: {line}") continue cls_id, cx, cy, bw, bh = map(float, parts) if cls_id < 0 or cls_id >= nc_expected: print(f"[类别越界] {txt.name} 第{i+1}行 cls={cls_id}") if cx < 0 or cx > 1 or cy < 0 or cy > 1 or bw <= 0 or bh <= 0: print(f"[坐标异常] {txt.name} 第{i+1}行 : {cx},{cy},{bw},{bh}") # 反向查找缺标签的图片 for stem, img in images.items(): if not (lab_dir / f"{stem}.txt").exists(): print(f"[缺标签] 图片 {img.name} 没有对应txt")

逻辑说明：脚本做了四件事——标签与图片是否存在配对、每一行是不是5个字段、类别id是否在0到6之间、归一化坐标是否在合法区间。“空标签”那种情况很常见且隐蔽：标注时漏了一张，txt是0字节文件，YOLO不会报错，但训练时会产生大量背景误检，val mAP被拖低。

参数说明：nc_expected要与data.yaml里的nc对齐。如果你想查得更细，可以在脚本里用PIL读图片真实尺寸，再验证每个目标的宽高是否明显大于0且不超过图像尺寸。实际跑一遍，大部分错误都集中在“列数不对”和“缺标签”，纠完再训练，基本不闹脾气。

3.4 启动训练：epochs、batch、imgsz怎么设

目录和yaml就绪后，训练命令很短。我一般用ultralytics提供的CLI直接起训练：

yolo detect train data=datasets/underwater/data.yaml \ model=yolov8s.pt \ epochs=100 \ batch=16 \ imgsz=640 \ seed=42 \ project=runs_train \ name=underwater_baseline

参数说明：model=yolov8s.pt表示用yolov8s的预训练权重做起点，水下垃圾和COCO的通用特征有部分重叠，迁移学习比从零训练收敛快得多。epochs=100是起步值，5328张图对单卡来说100轮大概2到4小时，看显卡而定。imgsz=640是精度和速度的平衡点，水下小目标多，如果显存够，试试imgsz=1280会明显提升小目标召回，但训练时间接近翻倍。

训练日志里重点关注三个值：box_loss、cls_loss、dfl_loss。box_loss稳定下降说明定位在学，cls_loss下降说明分类在学，dfl_loss是分布损失，波动大没关系，但持续上升就要检查标签质量。这三项对应着yolo损失函数的三个组成部分，之前自检脚本没跑干净的话，这里就会出幺蛾子。

4. 水下垃圾数据的5个常见坑：训练不收敛、损失nan、mAP虚高的排查清单

水下垃圾数据集相比常规目标检测数据，有几个特别容易踩的坑。下面按“现象→原因→解决”记录，都是实际跑yolo系列时反复踩过的。

4.1 训练第一轮就报IndexError：类别id和nc对不上

现象：数据加载到一半就断了，错误信息是IndexError: index X is out of range for axis 0 with size 7。 原因：txt里某一行的类别id是7或者更大，但data.yaml里nc配的是7；或者raw数据里有8个类别，生成标签时漏了一层过滤，多余类别混了进来。 解决：先跑3.3的自检脚本，再用一条命令统计全量标签的类别分布：

cat datasets/underwater/labels/train/*.txt | awk '{print $1}' | sort | uniq -c

这条awk命令会输出每个类别id出现的次数。看到最大值是6就说明类别id没问题；如果出现7甚至更大，用sed做全量id修正，把id=7并到id=6：

sed -i 's/^7 /6 /' datasets/underwater/labels/train/*.txt datasets/underwater/labels/val/*.txt

修正完重新跑一遍自检。原因是全量数据里出现了原始类标的噪声，常见是标注员把同一个目标标成了两个相近类别名，合类比重新标注省力得多。

4.2 训练两个epoch后loss变成nan：框宽为0或中心坐标越界

现象：loss曲线第一个epoch正常下降，第二个epoch突然变成nan，之后无法恢复。 原因：某个txt里bw或bh是0，或者中心坐标cx写成1.0以上，YOLO损失函数在做边界框回归时算出了无效值，反向传播直接把权重冲坏了。 解决：自检脚本里保留bw <= 0和bh <= 0的判断，就是为抓这种问题。命中后直接删掉那一行，或者把该目标过滤出训练集。如果越界值是1.0000001这种浮点误差，用awk裁剪：

awk '{if($2>1)$2=1; if($3>1)$3=1; print}' file.txt > tmp && mv tmp file.txt

这个命令把第二列第三列超过1的值拉回1，再原地替换文件。注意awk会把原文件格式重排一遍，操作前先备份。

4.3 水下图像整体偏蓝绿色，训练loss不下降

现象：loss一直在0.5上下抖动，训练了上百个epoch也不见明显下降，val mAP一直上不去。 原因：水下垃圾图片的颜色分布和常规图片差异太大，整张图普遍偏蓝绿色，RGB三个通道信息量不如常规数据丰富。如果直接套用YOLOv8默认的马赛克和色彩增强，部分增强反而把原本就低对比度的目标变得更难识别。 解决：训练参数里把hsv_h、hsv_s、hsv_v的增强幅度调小，把mosaic概率降到0.3左右，让模型多看原始水下画面，少看人工拼接后的画面。具体做法是在训练命令里追加：

yolo detect train ... \ hsv_h=0.02 hsv_s=0.4 hsv_v=0.3 \ mosaic=0.3

这类参数改动对水下数据集经常有奇效，代价是鲁棒性略降，但mAP能上去。

4.4 7个类别样本量差异巨大：少数类mAP为0

现象：训练结束，前几个大类mAP在0.6以上，但像鱼线、渔网这种细长目标mAP是0。 原因：数据不平衡，少数类可能只有几十个标注框；细长目标本身在yolo的方形锚框体系里不占优势，正样本太少，模型直接忽略它们。 解决：要么用类权重，要么做复制粘贴增广。我一般把少数类在训练集中重复几遍，设cls权重偏置到少数类：

# 统计类别频率后，把低频类权重调高，例如2.0 weights = [1.0, 1.0, 2.5, 1.5, 2.0, 2.0, 3.0]

更直接的做法是把少数类目标的小图裁出来，贴到其他背景图上扩充样本数。对鱼线这种完全线形的目标，认真考虑转实例分割可能比调anchor更有效，但不要指望纯角框yolo有很好的表现。

4.5 val集划分不固定：同一次训练两次验证结果差3个点

现象：没改任何参数，重启一次训练，val mAP从0.72变成0.69。 原因：训练时没固定随机种子，val集在dataloader里被shuffle了两次；或者val集里漏标严重，随机掉几张小目标图，mAP就往下跳。 解决：固定seed，在训练命令里加seed=42；然后把val集固定下来，用自检脚本检查val里有没有空标签txt。如果val只有几十张图，改成95:5或者增加val集到800张，指标才稳定。val集越小，统计噪声越大，这个波动不是模型退化，是评测本身不稳定。

注意：固定随机种子的方法不只用于切分数据集，训练阶段也要传seed=42，否则同样的yaml跑两次，指标仍然不一样。

4.6 文件名带空格或中文：图片加载成功，标签对不上

现象：训练时提示image 1/xxx corrupt JPEG，或者有些图片直接跳过，实际训练量比预期少。 原因：文件名里带空格、括号或中文时，路径拼接的偶然性变大；更麻烦的是标签名和图片名带着同样的特殊字符，一个转义一个不转义，就会出现“图片存在但label找不到”。 解决：统一把所有图片和标签改成纯数字ID，顺便把命名不规范的问题一次清理干净：

from pathlib import Path def rename_clean(split_dir, start_id=1): img_dir = Path(split_dir) / "images" / "train" lab_dir = Path(split_dir) / "labels" / "train" for img in sorted(img_dir.glob("*.jpg")): new_name = f"{start_id:05d}{img.suffix}" lab = lab_dir / f"{img.stem}.txt" if lab.exists(): new_lab = f"{start_id:05d}{lab.suffix}" img.rename(img.parent / new_name) lab.rename(lab.parent / new_lab) start_id += 1

参数说明：start_id=1，格式化用05d，到99999之前都保持固定位数。数据集更大时改成06d。重命名是数据清洗最后一道保险，花几分钟，但后续所有脚本都不用在编码问题上绕来绕去。很多标注工具导出时就带UUID文件名，名字里混进中文或括号是常态。

5. 训练后的验证技巧：批量推理出图，再决定要不要升级实例分割

训练结束不要只看val mAP，一晚上的成果最终要落在test集上。这里给两个实用手法：一是脚本批量推理并出图，人工核对盲区；二是用json标签里的segmentation字段判断能不能升级成yolo实例分割。

对test集批量预测，ultralytics框架下直接用predict接口最省事：

from ultralytics import YOLO model = YOLO("runs/train/underwater_baseline/weights/best.pt") results = model.predict(source="datasets/underwater/images/test", conf=0.25, save=True, save_txt=True, project="runs/predict_underwater", name="test_output") # 打印每张图的检测概况 for res in results: boxes = res.boxes print(res.path, len(boxes.cls), boxes.cls.tolist(), [round(float(c), 3) for c in boxes.conf])

参数说明：save=True把带框结果图保存下来，save_txt=True把推理坐标落成txt，方便后续统计。conf=0.25是置信度门限，水下垃圾目标偏小，我会拉到0.1到0.15多看候选框，再由业务需求决定误检容忍度。

人工看完几组图，你会发现模型盲区集中在两类：远距离小目标和半透明塑料。这是水下数据的自然瓶颈，不是模型毛病。想突破的话，回到第2章的json标签，检查segmentation字段：如果多数目标带polygon，就把它转成COCO分割标签，用yolo实例分割重训一版，比单纯调anchor有效得多。

数据集边界也要心里有数。5328张对7类来说是能到入门泛化的底料，但对密集遮挡、浑浊水体场景还是会overfit。我的习惯是做完baseline后，再补1/3相近场景数据，用小模型先验证增量有效，再上大模型。这条路线走下来，返工次数最少。

最后说个血泪经验：无论数据格式多规范，训练前一定要跑一遍标签自检，固定随机种子；不然模型指标再好，换台机器复现出来对不上，排查起来极其痛苦。希望这份笔记能帮你在水下垃圾检测方向少走一段路，把更多时间留给调模型，而不是清理数据。

本文还有配套的精品资源，点击获取