智慧环卫AI算法训练素材｜无人机街道固废巡检视觉数据集｜城市路面垃圾目标检测深度学习数据资源10280期

智慧环卫AI算法训练素材无人机街道固废巡检视觉数据集城市路面垃圾目标检测深度学习数据资源10280期公众号标签#智慧环卫 #无人机垃圾巡检 #固体废物检测 #计算机视觉 #YOLO训练数据集 #城市环境治理 #深度学习 #环卫智能化落地国内城市环卫日常监管中街巷零散垃圾、违规堆放固体废物大多依靠环卫工人人工巡回排查老旧小巷、绿化带深处、高架下方等偏僻点位排查难度大。相关行业统计显示人工巡检固废点位耗时占环卫日常工作45%以上恶劣天气、早晚逆光环境进一步提升垃圾漏查概率。无人机高空航拍巡检凭借大范围、高效率优势逐步落地环卫场景但适配实景街道环境、可直接用于算法迭代训练的实景标注样本偏少制约环卫AI检测模型落地优化。本篇带来一套面向街道固体废物识别的专用视觉数据集适配无人机航拍、车载监控等多终端AI垃圾检测模型训练优化。一、数据集基础信息# 数据集基础配置信息Dataset_Name:UAV_Street_SolidWaste_DetectTask_Type:2D目标检测Total_Annotated_Img:416Class_Type:Single class(通用固体废物无细分垃圾品类)Scene:Urban street、outdoor open space、roadside green beltIssue_No:102801.1 参数明细表格信息维度详情说明任务属性固体废物通用目标检测数据集不区分固废细分品类图像存量416张全标注实景图像覆盖多类街道固废堆放实景标注规范通用目标检测标注格式兼容YOLO、COCO、VOC主流训练框架适用场景无人机高空巡检、路面摄像头垃圾监测、环卫设备智能识别落地价值支撑环卫智能分拣设备算法迭代、全域固废自动排查、固废管控智能化升级1.2 场景说明图像素材取自真实城市街道场景包含路边垃圾堆、零散固体废弃物、绿化带隐藏固废等实景画面样本覆盖不同光照、杂物遮挡等现实工况围绕通用固体废物统一标注不细分生活垃圾、建筑垃圾等子类适配通用型固废检测模型研发。二、数据集实用优势场景贴合落地需求素材匹配无人机俯拍成像特点画面透视、远景小目标等问题和真实巡检画面一致训练后模型适配实地部署标注完整可用全部416张图片完成精准标注配套辅助资源覆盖训练、验证全流程支撑模型从基础训练到效果调优全周期使用通用性强单类别通用标注逻辑不用区分垃圾细分类别快速搭建全场景固废筛查算法适配区县环卫大范围粗放式排查需求。三、数据集目录架构UAV_Street_SolidWaste_Detect/ ├── images/ │ ├── train/ # 训练样本图片 │ ├── val/ # 验证样本图片 ├── labels/ # YOLO格式标注文件 │ ├── train/ │ ├── val/ └── waste_config.yaml # 模型训练配置文件四、深度学习实操代码附带环卫场景专属注释4.1 环境部署指令#【场景注释适配环卫算法常用训练环境CUDA版本适配服务器与边缘工控机部署项目实测稳定】pipinstalltorch2.0.1torchvision0.15.2 ultralytics opencv-python albumentations numpy4.2 模型配置yaml文件#【场景注释单类别固废数据集配置nc固定为1标注全部归类为固体废物适配通用垃圾检测任务】train:./UAV_Street_SolidWaste_Detect/images/trainval:./UAV_Street_SolidWaste_Detect/images/valnc:1names:0:SolidWaste4.3 数据集加载代码importcv2importtorchfromtorch.utils.dataimportDatasetimportalbumentationsasAfromalbumentations.pytorchimportToTensorV2#【场景注释模拟户外环卫场景光影变化雨天水渍、强光曝光、绿植遮挡都是航拍常见干扰通过数据增强提升模型鲁棒性】classWasteDetDataset(Dataset):def__init__(self,img_dir,label_dir,transformNone):self.img_dirimg_dir self.label_dirlabel_dir self.transformtransform self.img_list[iforiinos.listdir(img_dir)ifi.endswith((jpg,png))]def__len__(self):returnlen(self.img_list)def__getitem__(self,idx):img_nameself.img_list[idx]imgcv2.imread(f{self.img_dir}/{img_name})imgcv2.cvtColor(img,cv2.COLOR_BGR2RGB)label_pathf{self.label_dir}/{img_name[:-3]}txtbboxes[]ifos.path.exists(label_path):withopen(label_path,r)asf:forlineinf.readlines():datalist(map(float,line.strip().split()))bboxes.append(data[1:])ifself.transform:augself.transform(imageimg,bboxesbboxes)imgaug[image]returnimg# 训练集增强策略train_augA.Compose([A.Resize(640,640),A.RandomBrightnessContrast(p0.4),A.HorizontalFlip(p0.5),A.GaussNoise(p0.2),#模拟航拍扬尘带来画面噪点ToTensorV2()],bbox_paramsA.BboxParams(formatyolo))4.4 YOLO训练代码fromultralyticsimportYOLO#【场景注释yolov8s平衡精度与推理速度可部署在无人机机载端小样本416张设置适中轮次防止过拟合】if__name____main__:modelYOLO(yolov8s.pt)train_resultmodel.train(datawaste_config.yaml,epochs80,imgsz640,batch4,device0)# 单图推理模拟无人机回传照片实时检测固废model.predict(uav_capture.jpg,conf0.25,saveTrue)五、落地应用方向无人机环卫巡检高空航拍画面实时识别路面违规堆放固废自动标记垃圾点位道路监控预警沿街摄像头接入算法发现成片垃圾堆自动上报环卫管理平台智能环卫车车载视觉模块实时识别沿路垃圾辅助规划清扫路线。文末结语该套固废检测数据集依托实景街道采集制作416张标注素材可支撑通用型垃圾检测模型迭代优化依托上述训练代码可快速完成模型调参与落地测试助力环卫行业数字化巡检落地。后续可在现有样本基础上补充各类细分垃圾图像持续优化模型识别精度。标签#无人机垃圾巡检 #固废目标检测 #环卫AI算法 #YOLO训练素材 #城市环境数字化