YOLO模型如何训练 无人机建筑垃圾建材目标检测数据集 航拍建筑垃圾检测数据集
无人机建筑垃圾建材目标检测数据集 航拍建筑垃圾检测数据集
1
1
1
1
CDW建筑垃圾建材目标检测数据集
数据集信息表
| 项目 | 详细说明 |
|---|---|
| 数据集名称 | CDW建筑垃圾建材目标检测数据集 |
| 图片总量 | 2204张（2.2k） |
| 检测类别（共12类） | metal（金属）、wood（木材）、empty（空地）、cover（遮盖物）、electronic-waste（电子垃圾）、gravel（砂石）、insulator-wool（保温岩棉）、mixed-waste（混合废弃物）、plasterboard（石膏板）、polystyrene（聚苯乙烯泡沫）、roofing-felt（屋面油毡）、wood-panel（木饰面板） |
| 模型基准精度 | mAP@50：98.5% 精确率(Precision)：92.0% 召回率(Recall)：97.8% |
| 数据格式 | 支持标准YOLO、COCO、VOC等多种标注格式，可按需导出 |
| 适用场景 | 建筑垃圾智能分拣、航拍建筑固废识别、工地物料分类、再生资源AI识别、环境监测、目标检测模型训练 |
数据集配置文件cdw_materials.yaml
path:./cdw_materials_datasettrain:images/trainval:images/valtest:images/testnc:12names:0:metal1:wood2:empty3:cover4:electronic-waste5:gravel6:insulator-wool7:mixed-waste8:plasterboard9:polystyrene10:roofing-felt11:wood-panel环境依赖
pipinstallultralytics torch opencv-python训练代码train_cdw.py
fromultralyticsimportYOLOdefmain():# 加载YOLO预训练模型，兼容YOLOv8/YOLOv11model=YOLO("yolov8s.pt")train_results=model.train(data="./cdw_materials_dataset/cdw_materials.yaml",epochs=100,imgsz=640,batch=16,device=0,# 无GPU改为 device="cpu"workers=4,patience=15,project="runs/train",name="cdw_material_detect",exist_ok=True,pretrained=True)print("训练完成，权重路径：runs/train/cdw_material_detect/weights")# 测试集评估metrics=model.val(data="./cdw_materials_dataset/cdw_materials.yaml",split="test")print(f"mAP@50:{metrics.box.map50:.4f}")if__name__=="__main__":main()推理测试代码predict_cdw.py
fromultralyticsimportYOLOimportcv2# 加载训练最优权重model=YOLO("runs/train/cdw_material_detect/weights/best.pt")if__name__=="__main__":img_path="cdw_test.jpg"results=model.predict(source=img_path,conf=0.25,iou=0.45,save=True)result_img=results[0].plot()cv2.imshow("CDW Materials Detection",result_img)cv2.waitKey(0)cv2.destroyAllWindows()核心标签
#建筑垃圾检测#固废识别#建材分类#YOLO数据集#工地物料识别#航拍垃圾巡检