航拍城市垃圾堆检测数据集 | 垃圾堆检测 航拍巡查 环境监测 城市治理 目标检测9189期数据集概述本数据集专注于航拍视角下的城市垃圾堆放区域识别与定位服务于环境监测、城市治理及智慧环卫。数据通过航拍采集城市垃圾堆放区域图像图片清晰、标注齐全适配垃圾堆检测、偷倒垃圾监管及无人机自动巡查等应用。数据集核心信息数据要素详细说明类别共1类垃圾堆数量13500张图像格式图像为 JPG/PNG标签为 YOLO 格式的 txt 文件水平边界框数据来源航拍采集城市区域应用价值1.垃圾巡查支撑城市露天垃圾堆放点的自动巡查与识别。2.环境监测辅助偷倒垃圾监管与生态保护。3.城市治理为智慧城市治理与环卫作业提供数据支撑。4.无人机分析适配无人机航拍图像的自动分析与处理。完整类别列表共1类序号中文类别名称目标类型说明1垃圾堆城市露天垃圾堆放区域数据三要素解析类别与目标覆盖数据集定义1个核心类别垃圾堆聚焦单一目标便于快速部署与高精度检测。垃圾堆在航拍图像中通常呈现为不规则堆积形态与周围道路、建筑、植被形成视觉差异。单类别设计降低了模型复杂度有利于在无人机边缘设备上实现高效推理。数据规模与质量图像总量约13500张规模充足能支撑检测模型的稳健训练。图片清晰标注齐全适合直接用于 YOLOv 系列模型训练。数据来源于航拍采集覆盖城市不同区域的垃圾堆放场景多样性有助于提升模型泛化能力。格式与结构采用通用YOLO 格式txt每张图像对应一个同名标签文件包含类别 ID 与归一化边界框坐标可直接接入 YOLOv5、YOLOv8、YOLOv11 等主流检测框架。图像与标签一一对应数据结构规范即拿即用。配套提供aerial_trash_detect.yaml配置文件与训练代码示例开箱即用。知识普及航拍垃圾堆检测的技术要点形态不规则垃圾堆形态多样边缘模糊无固定几何形状模型需具备较强的特征提取能力。背景干扰城市航拍场景包含建筑、道路、植被、阴影等可能与垃圾堆混淆模型需依赖纹理与颜色特征进行区分。尺度变化垃圾堆规模从零星散落到大型堆体尺度跨度大需采用多尺度特征融合策略。光照与天气影响不同时段、天气下的航拍图像差异大建议训练时加入亮度、对比度增强。应用闭环检测结果可结合GPS信息生成垃圾堆放点分布图与清理工单辅助城市管理与环卫调度服务于智慧城市建设。快速开始代码示例1. 准备配置文件 (aerial_trash_detect.yaml)path:./aerial_trash_detecttrain:images/trainval:images/valtest:images/testnc:1names:[垃圾堆]2. 启动 YOLO 训练fromultralyticsimportYOLO modelYOLO(yolo11s.yaml)model.train(dataaerial_trash_detect.yaml,epochs200,imgsz640,batch8,device0)标签垃圾堆检测航拍巡查环境监测城市治理目标检测YOLO格式深度学习数据集计算机视觉
