智慧河道巡检-YOLOv12大疆无人机河面塑料垃圾检测数据集 ，使用 YOLOv12 模型进行训练无人机河道垃圾塑料检测数据集 智慧河道巡检、YOLOv12、大疆无人机、河面塑料垃圾检测、水面漂浮物

智慧河道巡检-YOLOv12大疆无人机河面塑料垃圾检测数据集数据集无人机拍摄标注为YOLOv12风格包含河面塑料垃圾检测任务。数据集结构清晰训练集、验证集、测试集均在根目录下适合目标检测模型训练和测试。数据集内容训练集…/train/images验证集…/valid/images测试集…/test/images11 智慧河道巡检-YOLOv12大疆无人机河面塑料垃圾检测数据集该数据集专为河道环境下的水面垃圾清理与监测任务设计利用大疆无人机的高空视角解决了传统地面视角难以覆盖大面积水域的问题。数据集采用YOLOv12风格标注结构规范开箱即用非常适合用于训练轻量化、高精度的水面漂浮物检测模型。数据集概览属性详细描述数据集名称智慧河道巡检-河面塑料垃圾检测数据集采集设备大疆无人机图像总数1,000 张标注风格YOLOv12 (txt格式归一化坐标)类别数量1 类类别名称Plastic Trash(河面塑料垃圾)数据集划分训练集 / 验证集 / 测试集目录结构说明数据集根目录下已按标准YOLO格式划分好文件夹无需手动拆分dataset_root/ ├── train/ │ ├── images/ (训练集图片) │ └── labels/ (训练集标签) ├── valid/ │ ├── images/ (验证集图片) │ └── labels/ (验证集标签) ├── test/ │ ├── images/ (测试集图片) │ └── labels/ (测试集标签) └── data.yaml (数据配置文件) 训练代码基于 Ultralytics 框架使用 YOLOv12 模型进行训练。1. 数据配置文件首先在数据集根目录下创建data.yaml文件# data.yamlpath:.# 数据集根目录train:train/imagesval:valid/imagestest:test/imagesnc:1# 类别数量names:0:Plastic Trash# 类别名称2. 训练脚本使用 Python 脚本启动训练支持 GPU 加速fromultralyticsimportYOLO# 1. 加载 YOLOv12 预训练模型# 建议使用 nano 或 small 版本适合无人机端侧部署modelYOLO(yolov12n.pt)# 2. 开始训练resultsmodel.train(datadata.yaml,# 指定配置文件epochs100,# 训练轮数imgsz640,# 图像尺寸batch16,# 批处理大小device0,# 使用 GPU (0 表示第一块显卡)workers8,# 数据加载线程数nameriver_trash_v1# 实验名称)3. 验证与推理训练完成后可以使用以下代码验证模型效果# 验证模型metricsmodel.val()# 推理测试resultsmodel(test/images/sample.jpg)results[0].show()# 显示检测结果关键词分类表关键词类别关键词核心主题智慧河道巡检、YOLOv12、大疆无人机、河面塑料垃圾检测、水面漂浮物识别技术与应用目标检测、计算机视觉、深度学习、水域环境监测、航拍图像分析、小目标检测