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/images
  
  1
  
  1
  

🌊 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

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model=YOLO('yolov12n.pt')# 2. 开始训练results=model.train(data='data.yaml',# 指定配置文件epochs=100,# 训练轮数imgsz=640,# 图像尺寸batch=16,# 批处理大小device=0,# 使用 GPU (0 表示第一块显卡)workers=8,# 数据加载线程数name='river_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metrics=model.val()# 推理测试results=model('test/images/sample.jpg')results[0].show()# 显示检测结果

关键词分类表