医疗一次性用品识别检测数据集 | 目标检测 | 工业检测

【医疗一次性用品识别检测数据集 | 目标检测 | 工业检测】

本数据集面向医疗一次性用品识别检测场景的目标检测任务，涵盖12个检测类别，总计2,263张标注图像。数据集适用于工业检测领域的算法研究、模型训练与工程应用。

数据集概览

• 数据集名称：医疗一次性用品识别检测数据集
• 任务类型：目标检测
• 图像总数：2,263 张
• 标注类别：12 类
• 标注格式：YOLO TXT（归一化坐标）
• 适用框架：YOLOv5 / YOLOv8 / YOLOv10 / RT-DETR
• 数据划分：训练集 / 验证集 / 测试集

检测类别与标注分布

本数据集包含12个检测类别，各类别标注分布如下：

• waste（waste）
• scissors（scissors）
• syringe（syringe）
• medical cap（medical cap）
• gloves（gloves）
• test tube（test tube）
• IVtube（IVtube）
• vial（vial）
• cotton（cotton）
• needle（needle）
• mask（mask）
• bandage（bandage）

技术规格

• 标注格式：YOLO TXT格式，每行标注为 class x_center y_center width height，坐标值归一化至 [0, 1]
• 数据划分：按照标准比例划分训练集、验证集与测试集，可直接用于模型训练与性能评估
• 数据来源：Roboflow Universe 平台

应用场景

1. 医学影像AI辅助诊断：利用深度学习模型自动识别医疗一次性用品识别检测，辅助临床诊断
2. 算法研究：作为医学图像分析算法的基准数据集，用于模型性能评估
3. 智能诊断系统：集成至医疗影像系统，实现大规模数据批量筛查
4. 教学与科研：适用于医学AI、计算机视觉等领域的科研项目与课程实践

数据集特点

• 数据量适中：2,263张标注图像，适合中小规模模型训练与迁移学习
• 多类别检测：覆盖12个检测类别，支持多类别目标识别任务
• 即开即用：YOLO格式标注，无需额外格式转换，下载后可直接用于模型训练
• 标准数据划分：按照标准比例划分训练集、验证集与测试集

获取方式

登录本站后即可免费获取百度网盘下载链接，数据集已按标准目录结构组织，下载后即可直接用于模型训练。

🏷️ 标签

#工业检测 #目标检测 #YOLO数据集 #深度学习 #计算机视觉