AI图像识别之扬尘图像识别 粉尘图像识别 施工环保巡检 数据集第10729期

文章目录

• 合成粉尘检测目标检测数据集
• • 📊 数据集概览
  • 📌 数据说明
  • 🚀 YOLOv26 目标检测训练与推理流程
  • • 1. 数据集结构
    • 2. 配置文件 `dust_detection.yaml`
    • 3. 训练代码（带中文注释）
    • 4. 推理代码（带中文注释）
• 关键词：#合成粉尘检测 #目标检测 #工业环境监测 #粉尘预警 #YOLOv26 #计算机视觉数据集

合成粉尘检测目标检测数据集

本项目提供了一套面向工业/环境场景的计算机视觉目标检测数据集，适用于YOLO系列模型训练，可直接用于粉尘监测与污染预警任务。

📊 数据集概览

📌 数据说明

• 数据类别：仅包含1类关键目标，即粉尘区域，聚焦于工业/环境场景中的核心感知对象。
• 数据规模：图像数量为3800+张，能够满足目标检测模型的训练与验证需求。
• 数据格式：采用标准YOLO目标检测格式，每张图像对应同名标注文件，包含类别ID与归一化边界框坐标，开箱即用。

🚀 YOLOv26 目标检测训练与推理流程

1. 数据集结构

dust_detection_dataset/
├── train/
│ ├── images/ # 训练集图像
│ └── labels/ # 训练集标注文件
├── val/
│ ├── images/ # 验证集图像
│ └── labels/ # 验证集标注文件
└── dust_detection.yaml # 数据集配置文件

2. 配置文件 dust_detection.yaml

# 数据集根目录
path: ./dust_detection_dataset
# 训练集、验证集路径
train: train/images
val: val/images
# 类别数量与名称
nc: 1
names: ['dust']

3. 训练代码（带中文注释）

from ultralytics import YOLO

# 加载预训练的YOLOv26模型权重
model = YOLO("yolov26n.pt")

# 启动模型训练
model.train(
data="dust_detection.yaml", # 数据集配置文件路径
epochs=100, # 训练总轮数
imgsz=640, # 输入图像尺寸
batch=8, # 批次大小
device="cuda" # 使用GPU训练
)

4. 推理代码（带中文注释）

from ultralytics import YOLO

# 加载训练好的模型权重
model = YOLO("runs/detect/train/weights/best.pt")

# 对单张图像进行检测推理
results = model("test_image.jpg", save=True)

# 打印检测结果信息
for result in results:
print("检测到的粉尘区域：", result.boxes.cls)
print("检测框坐标：", result.boxes.xyxy)

关键词：#合成粉尘检测 #目标检测 #工业环境监测 #粉尘预警 #YOLOv26 #计算机视觉数据集