简介：指针仪表数据集面向从事目标检测的开发者与研究者，聚焦指针式仪表的检测与读数提取任务，可用于训练模型定位表盘、指针方向与刻度读数，服务于自动化抄表、能源管理、智能家居等场景，适合具备一定深度学习基础、需要现成标注数据做训练与验证的读者。压缩包共785个文件、约950.3MB，其中783个jpg为实拍仪表图像，另有2个json文件负责标注与数据组织；数据已划分训练集与测试集，标注涵盖仪表位置、指针方向与度数等属性，测试集用于检验模型对未见数据的泛化效果。目前已有303人学习下载。数据集规模与划分方式较为完整，可直接用于搭建训练与评估流程、对比不同检测模型的效果，并作为指针读数识别任务的数据基础。

1. 指针仪表数据集：标注成 XML 的背后，是读数这件事没法直接标

前段时间有人拿着一批指针式仪表的照片来找我，说想要一个“拍照就能读数”的模型。我问他标签长什么样，他打开文件夹：train/、test/两个目录，每张图配一份 Pascal VOC 的 XML。他很困惑，XML 里只有表盘框和指针框，没有“3.2 MPa”这样的数字，这数据集到底怎么用。这个问题其实指向了指针仪表识别最容易踩的一个认知坎：读数不是标注出来的类别，而是一个几何量换算出来的结果。同一根指针停在 45°，在量程 0～1.6 的表上是 0.2，在量程 0～10 的表上是 1.25。所以正规的指针仪表数据集只标“表盘在哪、指针在哪、刻度区在哪”，XML 负责把这些位置关系固化下来，训练集测试集负责把泛化能力验出来，读数则由下游的角度和量程映射算出来。这篇就按一份含训练集、测试集和 XML 标注的指针仪表数据集，从拆标签、转格式、选路线一路讲到读数标定和避坑，适合刚拿到这类数据集、准备动手训第一版模型的人。

2. 拆开一份 VOC XML：字段口径、类别设计与训练集/测试集划分

拿到数据集先别急着写 DataLoader，先把一份 XML 从头到尾读一遍。指针仪表数据集的标注质量差异极大，有的标了表盘、指针、刻度三条类别，有的只标一个整表框，还有的把数字读数区域也框出来。搞清楚手里这份到底标了什么，比调参重要得多。

2.1 VOC XML 的节点结构与指针仪表场景下的实际含义

Pascal VOC 的结构很固定，annotation根节点下先是图像级信息，再是若干个object。指针仪表场景下，每个字段的落地含义如下表：

真正需要盯的是bndbox。多数标注工具导出的 VOC 坐标是1-based 且 xmax/ymax 包含在框内，也就是说框的实际像素跨度是xmax - xmin + 1。YOLO 那套归一化坐标用的是 0-based 连续坐标，直接拿xmax当右边界会带来 1 像素的系统性偏移。1920 宽度的图上 1 像素无所谓，但指针这种细长目标，框窄的时候 1 像素能占宽度 5%，角度估计就会被带偏。我一般会在转换时统一成xmax_exclusive = xmax + 1，把口径拉齐。

类别设计上，如果这份数据集只标了pointer一类，那它只能支撑“找出指针”，读数还得靠框内二次处理；如果标了dial+pointer，可以做“先定位表盘、再在表盘内算角度”；如果有scale（刻度区）或者零刻度、满刻度标记点，那就能直接进标定环节。这一步决定后面走哪条路线，所以务必先统计一遍类别分布。

2.2 训练集/测试集怎么分才不泄漏

这份数据集已经把train和test分好了，但“分好了”不等于“分对了”。指针仪表数据集的采集特点决定了它极容易发生泄漏：同一只表在同一个工位上连拍几十张，光照、角度、背景几乎一样，如果这些图被随机打散分到训练集和测试集，模型只要记住这块表盘的纹理就能拿高分。

判断有没有泄漏，成本最低的办法是做一次图像相似度粗筛。用感知哈希或者简单的缩略图均方误差都行，把训练集和测试集两两比一遍，看看有没有高度相似的图对。有的话说明划分口径是按图片随机分的，而不是按表型号、按拍摄场景分的。

正确的划分口径是分层 + 分组：先按表型号（量程、表盘直径、刻度密度）分成若干组，再按拍摄条件（正面、侧拍、补光、反光）分层，保证测试集里至少出现一种训练集没见过的表型号。这样测出来的指标才能回答“换一块表还能不能用”，而不是“这块表我背下来没有”。

一份健康的指针仪表数据集，训练集和测试集的样本比例通常在 4:1 到 9:1 之间，测试集里各类别实例数不应少于 30 个，否则单类指标波动会大到没有参考价值。如果测试集只有十几张图，与其纠结指标，不如先补数据。

提示：划分前先统计每个表型号在训练集和测试集中的实例数，出现“某型号只在训练集里”的情况，测试指标就没有外推意义。

3. XML 转训练标签：一致性检查、YOLO txt 与关键点两套脚本

XML 是给人看的，模型吃的是张量。中间这一层转换最容易出隐性错误——不报错、不崩，训练也能跑，但指标就是上不去，回头查半天才发现是标签错了。所以转换脚本里必须带自检。

3.1 先跑一遍标注一致性检查

在写任何训练代码之前，先跑这个脚本，把 XML 里所有能查的毛病一次性捞出来：框越界、宽高为零、类别名异常、XML 与图片尺寸不符、文件名对不上。

import os import glob import xml.etree.ElementTree as ET from collections import Counter from PIL import Image def audit_voc(xml_dir, img_dir): stats = Counter() problems = [] for xml_path in glob.glob(os.path.join(xml_dir, "*.xml")): tree = ET.parse(xml_path) root = tree.getroot() fname = root.findtext("filename") img_path = os.path.join(img_dir, fname) if not os.path.exists(img_path): problems.append(("missing_image", fname)) continue # 标注尺寸 vs 实际图片尺寸，不一致说明图被裁过或缩放过 w = int(root.findtext("size/width")) h = int(root.findtext("size/height")) with Image.open(img_path) as im: real_w, real_h = im.size if (w, h) != (real_w, real_h): problems.append(("size_mismatch", fname, (w, h), (real_w, real_h))) objs = root.findall("object") stats["images"] += 1 stats["objects"] += len(objs) for obj in objs: name = obj.findtext("name").strip() stats[f"cls_{name}"] += 1 bb = obj.find("bndbox") xmin = int(float(bb.findtext("xmin"))) ymin = int(float(bb.findtext("ymin"))) xmax = int(float(bb.findtext("xmax"))) ymax = int(float(bb.findtext("ymax"))) if xmax <= xmin or ymax <= ymin: problems.append(("degenerate_box", fname, name, (xmin, ymin, xmax, ymax))) if xmin < 0 or ymin < 0 or xmax > w or ymax > h: problems.append(("out_of_bound", fname, name, (xmin, ymin, xmax, ymax))) # 极端长宽比往往说明标注时拖歪了，指针目标除外 bw, bh = xmax - xmin + 1, ymax - ymin + 1 if name != "pointer" and max(bw, bh) / max(1, min(bw, bh)) > 8: problems.append(("weird_ratio", fname, name, round(bw / bh, 2))) return stats, problems stats, problems = audit_voc("dataset/train/annotations", "dataset/train/images") print("类别分布:", {k: v for k, v in stats.items() if k.startswith("cls_")}) print("问题总数:", len(problems)) for p in problems[:20]: print(p)

这段脚本的返回值里，stats用来确认类别分布和实例总量，problems是排查清单。重点看三类：size_mismatch说明图像被外部工具改过而 XML 没同步，这类样本必须整条剔除；out_of_bound是标注时裁切到了边界外，训练前要 clip 到图像范围内；weird_ratio用来抓标注时手抖拖出来的畸形框，指针类因为天然细长所以要排除掉。跑完这一遍，问题条数应该压到 0 或者个位数，剩下的手工处理。

3.2 转 YOLO txt：归一化、类别索引与 1 像素口径

转 YOLO 格式的核心就两件事：坐标归一化成中心点 + 宽高，以及把类别名映射成从 0 开始的整数索引。索引映射表要单独存成文件，训练和推理都读同一份，避免今天顺序是dial, pointer明天变成pointer, dial。

import os import glob import xml.etree.ElementTree as ET CLASSES = ["dial", "pointer", "scale"] # 顺序一旦定下就不要改 CLS2ID = {c: i for i, c in enumerate(CLASSES)} def voc_to_yolo(xml_dir, out_dir, img_dir): os.makedirs(out_dir, exist_ok=True) skipped = 0 for xml_path in glob.glob(os.path.join(xml_dir, "*.xml")): root = ET.parse(xml_path).getroot() w = int(root.findtext("size/width")) h = int(root.findtext("size/height")) lines = [] for obj in root.findall("object"): name = obj.findtext("name").strip() if name not in CLS2ID: continue # 未登记类别直接丢，但要记账 bb = obj.find("bndbox") # VOC 的 xmax/ymax 是闭区间且 1-based，转成独占右边界 xmin = float(bb.findtext("xmin")) - 1.0 ymin = float(bb.findtext("ymin")) - 1.0 xmax = float(bb.findtext("xmax")) ymax = float(bb.findtext("ymax")) # 裁剪到图像内，防止越界框把归一化坐标推成负数或大于 1 xmin, xmax = max(0.0, xmin), min(float(w), xmax) ymin, ymax = max(0.0, ymin), min(float(h), ymax) if xmax - xmin < 2 or ymax - ymin < 2: skipped += 1 continue cx = (xmin + xmax) / 2.0 / w cy = (ymin + ymax) / 2.0 / h bw = (xmax - xmin) / w bh = (ymax - ymin) / h lines.append(f"{CLS2ID[name]} {cx:.6f} {cy:.6f} {bw:.6f} {bh:.6f}") stem = os.path.splitext(os.path.basename(xml_path))[0] with open(os.path.join(out_dir, stem + ".txt"), "w") as f: f.write("\n".join(lines)) print("丢弃的退化框数量:", skipped)

这里有三个参数必须讲清楚。CLASSES的顺序是硬约束，训练配置里的nc（类别数）和names必须和它对上，差一个就会静默学错类。减去 1.0 是处理 1-based 到 0-based 的偏移，不做这步，宽高会整体偏大 1 像素。max(0.0, ...)和min(float(w), ...)的裁剪不能省，越界框归一化后会出现大于 1 的坐标，部分框架不报错但会把损失拉爆。

至于images和labels目录的对应关系，常见做法是保持同名不同后缀、放在平行目录下：

dataset/ ├── images/ │ ├── train/ IMG_0001.jpg ... │ └── val/ IMG_0231.jpg ... └── labels/ ├── train/ IMG_0001.txt ... └── val/ IMG_0231.txt ...

跑训练前先抽查几张：把 txt 里的归一化坐标反算回像素，画在原图上，用眼睛看框贴不贴合。这一步五分钟，能省掉后面两天的“为什么 loss 不降”。血泪经验是——标签错的时候，模型不会告诉你它错在哪，它只会安静地学一个错的东西。

3.3 关键点格式：如果要做指针方向回归

只做检测的话 YOLO txt 就够了，但如果目标是让模型直接输出指针方向，就需要关键点格式。指针仪表最常用的关键点是两个：表盘中心点（旋转中心，大致等于dial框的几何中心）和指针尖端（指针远离中心的那一端）。

麻烦在于，bndbox本身不含方向信息。一根从左下指向右上的指针，和一根从右上指向左下的指针，框可能完全一样。所以从纯检测标签推关键点是不可能的，必须满足以下条件之一：

第一种，数据集额外提供了指针尖端的点坐标（XML 里可能有自定义的<point>节点，或者干脆另有一份 json）。这种情况直接读，转成归一化的(x, y)加可见性标志。

第二种，数据里指针类别标得很细，标注框只覆盖指针本体且足够窄，这时可以用框的两个短边中点作为候选端点，再结合图像判断哪一端离表盘中心更远。这种方法在指针较短、框较准时误差尚可，但一旦指针被表盘刻度或反光干扰，就会退化成猜。

第三种，也是最靠谱的：用分割掩膜或者框内像素处理来求端点。这就跳出了纯标签转换的范畴，进入第 4 章的路线讨论。如果你手里这份数据集只有 bndbox、没有点标注也没有掩膜，我的建议是老老实实先做检测路线，别硬凑关键点标签——用几何近似出来的关键点去训回归头，误差上限从标注那一刻就锁死了，后面怎么调都救不回来。

关键点标签的 YOLO-pose 格式是每行cls cx cy w h px1 py1 v1 px2 py2 v2，其中v为 0/1/2 表示不可见/遮挡/可见。转的时候注意v的语义：如果表盘中心被指针根部挡住看不出来，标 1 而不是 2，训练时的损失权重会区别对待。

4. 三条识别路线选型：检测加几何、关键点回归、分割取骨架

同样的 XML 数据集，能走出三条完全不同的技术路线，精度、标注成本、部署开销都不一样。选错路线，后面补标注的成本比重新做一遍还高。

4.1 路线一：检测表盘和指针，框内用几何求角度

这是 bndbox 标注最直接的用法。模型只负责回答“表盘在哪、指针在哪”，指针的朝向靠后处理算：在指针框内做一次阈值分割或者 Canny 边缘检测，拿到指针的像素点集，再对点集做 PCA 或者最小二乘直线拟合，得到一条过指针的直线。

难点在旋转中心。指针绕表盘中心转，但表盘框的几何中心未必就是真正的转轴——俯拍、镜头畸变、表盘偏装都会让两者有偏差。常见的修正做法是用刻度区或者多个角度的指针直线求交点：同一块表在不同角度拍若干张，每张拟合出一条指针直线，这些直线的交点就是转轴。标定时算一次，之后固定下来。

import numpy as np def fit_center_from_lines(lines): """lines: 若干条 (a, b, c) 形式的直线，满足 ax + by + c = 0 用最小二乘解超定方程组求交点，比两两求交再平均稳""" A = np.array([[a, b] for a, b, c in lines], dtype=np.float64) rhs = np.array([-c for a, b, c in lines], dtype=np.float64) center, *_ = np.linalg.lstsq(A, rhs, rcond=None) return center # (cx, cy) 像素坐标

np.linalg.lstsq比手动两两求交再取均值稳，因为不同角度拍的图拟合出的直线质量不一致，直接平均会被最差的那条拖偏，最小二乘是全局最优。rcond=None用默认的奇异值截断阈值就行，除非直线几乎平行（指针只在小角度范围内摆动），那种情况要显式降阈值。

这条路线的好处是标注成本最低、可解释性最强，每一步都能画出来给人看；坏处是精度天花板由框的贴合度决定，而且后处理里有一堆阈值，换个光照条件就要重调。

4.2 路线二：关键点回归，网络直接吐端点

用 YOLO-pose 或者 HRNet 这类结构，输入整图，输出表盘中心和指针尖端两个点，角度由两点连线直接算。优点是端到端、没有后处理阈值、对光照变化更鲁棒；缺点是标注成本高，每个实例都要精确点到像素级，而且尖端这个点在小表盘、低分辨率图里本身就模糊，标注者之间的一致性差。

这条路线适合的场景是：表盘类型少但拍摄条件多变，或者对推理延迟敏感（少一步后处理）。如果你的数据集只有 bndbox，别走这条，先补点标注再说。

4.3 路线三：分割出指针掩膜，骨架化后拟合方向

标注掩膜成本最高，但拿到掩膜之后，角度提取会非常干净：二值化 → 形态学去噪 → 骨架化 → 对骨架点做 RANSAC 直线拟合。指针被刻度线遮挡、被反光截断的情况下，RANSAC 还能靠内点比例给出置信度，这是前两条路线给不了的。

代价是标注。一份含几千张图的指针仪表数据集，如果要从 bndbox 升级到掩膜，人力投入是检测标注的三到五倍。所以这条路通常用在两个场景：一是精度要求极高的计量类应用，二是把它当教师模型，蒸馏出一个轻量的检测或关键点模型去部署。

4.4 三条路线的横向对比与选型建议

我的建议是按数据现状走：手头这份含训练集、测试集和 XML 的数据集，先按路线一跑通全流程，把读数映射和评估链路搭起来，拿到一版基线误差。如果基线误差满足业务要求（工业表盘一般要求满量程 ±2.5% 以内），就别折腾了；如果不满足，再评估是补点标注走路线二，还是补掩膜走路线三。不要一上来就奔着最复杂的方案去，很多时候误差的大头不在模型，在标定和后处理。

5. 避坑排查：指针仪表 XML 数据集最常见的 5 个翻车点

这一章是我踩过的和见别人踩过的坑里，重复出现频率最高的五条。每一条都按“现象 → 原因 → 解决”写，对照着查能省不少时间。

5.1 验证集 mAP 0.95，换一批图全错

现象：训练收敛得很漂亮，验证集 mAP 稳定在 0.9 以上，但拿现场新拍的图一测，表盘都框不准。

原因：训练集和测试集之间发生了图像级泄漏。同一只表、同一机位连拍的图被随机分到了两边，模型学到的是“这块表盘的纹理 + 这个背景”，不是“表盘这个物体”。这是指针仪表数据集最典型的翻车方式，因为工业现场的图往往是成批连拍的。

解决：按表型号和拍摄场景分组划分，而不是按图片随机划分。做一次相似度粗筛，把 pHash 汉明距离小于阈值的图对找出来，强制分到同一侧。划分脚本写死随机种子，保证可复现。

5.2 框总是整体往外偏一点，小目标尤其明显

现象：把转换后的标签画回原图，框比目测的物体大一圈，细长指针的偏差肉眼可见。

原因：VOC 的xmax/ymax是闭区间且坐标 1-based，YOLO 用的是 0-based 连续坐标。直接套公式不减去 1，每个框的宽高都会多 1 像素。对于大表盘这 1 像素是无所谓的，但对宽度可能只有十几像素的指针来说，宽高偏差 1 像素就是 5%～10% 的相对误差，直接体现在角度估计上。

解决：转换时统一xmin - 1、ymin - 1，xmax、ymax保持不变当作独占右边界。如果标注工具是 0-based 导出的，就得反着来。这件事没有通用答案，必须拿一张图手工数像素确认口径，别信任何“应该是这样”。

5.3 训练时报类别数不匹配，或者训出来的类别顺序是乱的

现象：配置文件里写nc=2，训练报错说标签里有class 2；或者训练能跑，但推理时把指针识别成表盘。

原因：类别名映射不一致。XML 里的name可能有大小写差异（Pointer和pointer）、前后空格、全角半角混用，转 YOLO 的时候如果用一个临时字典边转边加，顺序就会随文件遍历顺序变化，今天和明天不一样。

解决：把CLASSES列表写死在代码里，作为唯一事实来源，训练配置和推理配置都从它派生。转换前先跑一遍Counter统计所有出现过的name原始字符串（包括空格），确认没有变体。遇到未登记的类别，宁可报错退出也不要静默跳过，静默跳过会让你少标注一批样本还浑然不觉。

5.4 标签看着没问题，模型就是在某些图上表现异常

现象：一批特定来源的图，检测框总是歪的，但把 XML 打开看坐标又是对的。

原因：EXIF 方向信息。手机或某些工业相机拍的图带 EXIF 旋转标记，PIL.Image.open读出来的size是未旋转的原始尺寸，而看图软件显示的是旋转后的。如果 XML 是在旋转后的视图上标的，坐标就和程序读到的像素对不上。另外size.depth=1的灰度图被当成三通道读进来，通道顺序也会出问题。

解决：加载图片时统一做ImageOps.exif_transpose，把方向信息烧进像素；然后对比一次size和 XML 里的width/height，不一致的直接报错。灰度图转三通道用convert("RGB")，不要自己拼通道。

5.5 检测框都对了，读数还是不准

现象：表盘和指针都框得挺准，但算出来的读数和人工读数差了 10% 以上，而且误差随指针角度变化。

原因：量程映射缺失或标定错误。角度到读数不是简单线性关系就完事——表盘刻度有线性刻度、对数刻度、还有带死区的；旋转中心估计偏了几个像素，在指针靠近中心时角度误差会被放大；不同表型号的量程不一样，但数据集里没有量程字段。

解决：给每个表型号建立标定档案：零刻度角、满刻度角、量程上下限、旋转中心坐标。这些信息不在 XML 里，得靠人工用两三张已知读数的图反解，或者直接对着表盘刻度做几何标定。没有标定档案的指针仪表数据集，只完成了“定位”这一半，读数那一半还没开始。

注意：以上五条里，5.1 和 5.5 是最容易被忽略的，因为它们不会让训练报错，只会让最终结果悄悄变差。

6. 进阶：角度到读数的映射与分档误差验收

模型输出指针角度只是中间结果，真正交付的是读数。这一步做不扎实，前面检测再准也白搭。我一般的做法是给每个表型号建一份标定档案，字段就四个：theta_zero（零刻度对应的指针角度）、theta_full（满刻度角度）、v_min、v_max。角度用图像坐标系下的 atan2 算，注意 y 轴向下，角度增长方向和数学坐标系相反。

映射本身是线性的，坑在角度展开。指针从 350° 转到 10° 的时候，直接相减会得到 -340°，误差巨大。所以要先做 unwrap，把角度序列映射到连续区间。

import numpy as np def unwrap_deg(theta, ref): """把 theta 展开到 ref 附近，处理跨 0/360 的情况""" d = (theta - ref + 180.0) % 360.0 - 180.0 return ref + d def angle_to_reading(theta_deg, calib): t0 = calib["theta_zero"] t1 = unwrap_deg(calib["theta_full"], t0) # 满刻度角展开到零刻度角附近 t = unwrap_deg(theta_deg, t0) # 待测角同样展开 ratio = (t - t0) / (t1 - t0) # 允许小于 0 或大于 1，用于发现越界 return calib["v_min"] + ratio * (calib["v_max"] - calib["v_min"]) calib = {"theta_zero": 135.0, "theta_full": 405.0, "v_min": 0.0, "v_max": 1.6} print(angle_to_reading(270.0, calib)) # 0.8 左右 print(angle_to_reading(10.0, calib)) # 跨零点的样本也能正确映射

unwrap_deg里的+180) % 360 - 180是把角度差折到(-180, 180]，这是处理跨零点最省事的写法。ratio故意不 clip，如果算出来是 1.3 或者 -0.2，说明指针角度估计已经跑出量程范围，这种样本应该被标记成异常而不是强行截断——强行截断会把系统性的角度偏差藏起来，变成黑匣子。

验收指标别只看 mAP，那个只反映定位质量。真正要盯的是分档误差：把读数误差按满量程百分比分档，统计各档的样本占比。工业场景常见的验收口径是这样：

评估时按表型号分组统计，不要只看总体均值。我见过总体 MAE 只有 1.2% FS、但某个量程的表全部超差的情况，被平均值掩盖了。分组之后一眼就能看出是标定档案写错了还是模型对该型号不敏感。

最后说个我自己的习惯：每次改完标定参数或者重训模型，我都会固定抽 20 张图，把原图、检测框、拟合出的指针直线、算出的读数四样画在一张图上存下来。这批图不看指标，就用眼睛过一遍。指标会骗人，图不会——指针直线明显歪了的时候，读数误差早就藏在平均值里了。这套流程跑顺之后，一份含训练集、测试集和 XML 的指针仪表数据集，从解压到出第一版读数误差报告，一天之内能走完。希望帮到你。

本文还有配套的精品资源，点击获取