无人机遥感垃圾图像识别 建筑垃圾识别 垃圾倾倒检测 露天垃圾堆放点YOLO目标检测数据集 voc+yolo数据集 第10758期

文章目录

• @[toc]
• 94露天垃圾堆放点YOLO目标检测数据集
• • 1. 数据集基础概况
  • 2. 数据集信息明细表（类别&数量高亮突出）
  • 3. 新手YOLO 26轮完整训练&推理实操教程
  • • 完整可运行训练代码（逐行中文注释）
  • 4. 数据集落地适配说明
• #垃圾堆场遥感数据集 #YOLO固废分类识别 #环保航拍视觉监测 #野外垃圾检测训练素材

94露天垃圾堆放点YOLO目标检测数据集

1. 数据集基础概况

整套素材面向遥感航拍非法垃圾堆场识别任务，规整后图像总量3395张，共划分6类废弃物实景目标，图像取自城乡郊外、山林、耕地等野外航拍场景，覆盖杂物混杂、植被遮挡、大面积露天堆放等真实环境。
配套标注兼容YOLO、VOC、COCO三类主流标注格式，剔除严重过曝、杂物完全遮挡的无效图像，可直接用于遥感污染监测模型训练调参。
六类目标中文标签：农林废弃物、建筑垃圾、遗弃垃圾、生活垃圾、工业废料、采矿废渣。

2. 数据集信息明细表（类别&数量高亮突出）

3. 新手YOLO 26轮完整训练&推理实操教程

完整可运行训练代码（逐行中文注释）

# 导入YOLO官方工具库
from ultralytics import YOLO

# 加载轻量化检测预训练权重，适配航拍远距离混杂废弃物识别
model = YOLO("yolov8s.pt")

# 启动26轮完整数据集训练，自定义核心参数
train_output = model.train(
    data="dumpsite_waste.yaml", # 数据集路径、6类固废目标配置文件
    epochs=26,               # 固定训练迭代轮次26轮
    imgsz=640,               # 统一输入图像分辨率
    batch=8,                 # 单次训练批量图片数量
    device=0,                # 调用0号GPU加速运算
    patience=4               # 早停机制，避免模型过拟合
)

# 单张航拍场地垃圾推理代码
predict_result = model.predict("waste_site_sample.jpg", conf=0.23)
# 循环遍历推理结果，保存带标注框的可视化图
for frame in predict_result:
    frame.save("waste_detect_output.jpg")

代码前置准备：将数据集文件夹放置项目根目录，yaml文件内填写6类废弃物名称与训练/验证集划分路径，安装ultralytics依赖库后直接运行即可。

4. 数据集落地适配说明

数据集包含植被遮挡、不同色调废渣、大面积混杂堆放等遥感监测难点场景，可区分六类不同来源固体废弃物。
适配环保巡检无人机、国土卫星影像解析平台、野外监测摄像头部署，可批量统计各类垃圾堆放点位与面积，支撑非法固废倾倒排查、土地污染溯源数字化监管流程。

#垃圾堆场遥感数据集 #YOLO固废分类识别 #环保航拍视觉监测 #野外垃圾检测训练素材