杂草作物检测数据集 | 目标检测 | 工业检测

【杂草作物检测数据集 | 目标检测 | 工业检测】

本数据集面向杂草作物检测场景的目标检测任务，涵盖18个检测类别，总计4,752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：杂草作物检测数据集
• 任务类型：目标检测
• 图像总数：4,752 张
• 标注类别：18 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18个检测类别，各类别标注分布如下：

• ECHCG_Ve（ECHCG_Ve）
• SOLNI_V1（SOLNI_V1）
• ECHCG（ECHCG）
• SOLNI_Vc（SOLNI_Vc）
• CYPRO_max（CYPRO_max）
• ECHCG_V2（ECHCG_V2）
• ECHCG_V1（ECHCG_V1）
• CYPRO（CYPRO）
• ZEAMX_V1（ZEAMX_V1）
• ZEAMX_V3（ZEAMX_V3）
• NC（NC）
• ZEAMX_V4（ZEAMX_V4）

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. 目标检测模型训练：使用本数据集训练目标检测模型，实现杂草作物检测的自动识别
2. 算法研究：作为目标检测算法的基准数据集，用于性能评估与横向对比
3. 工程应用：支持智能检测系统的开发与部署
4. 教学与科研：适用于计算机视觉、深度学习等领域的科研项目与课程实践

数据集特点

• 数据量适中：4,752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18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