当前位置：首页 > news >正文

深度学习框架YOLOV8模型如何训练水面及河道漂浮物垃圾检测数据集建立基于深度学习YOLOV8河道水面垃圾检测系统

news 2026/6/15 15:46:17

水面垃圾检测数据集、垃圾检测、YOLO模型通用

以下是水面垃圾检测（塑料瓶）数据集的结构化信息表格：

📊 水面垃圾检测（塑料瓶）数据集概览表

项目	描述
数据集名称	水面垃圾检测数据集（聚焦塑料瓶）
总图像数量	1,200 张
数据划分	- 训练集（Train）：960 张 - 验证集（Val）：120 张 - 测试集（Test）：120 张
类别数量（nc）	1 类
目标类别	`bottle`（塑料瓶）
标注框总数	3,248 个
每类图片覆盖	所有 1,200 张图像均包含`bottle`目标
应用场景	河道/湖泊/海洋垃圾监测、智能环保船、无人机巡检、水体清洁机器人等
任务类型	目标检测（Object Detection）

📈 模型在验证集上的性能对比（mAP@0.5）

模型	mAP@0.5
YOLOv5m	0.90641
YOLOv8m	0.90834
YOLOv11m	0.89696

✅最佳表现：YOLOv8m（mAP@0.5 = 90.83%），显示该数据集质量高、标注精准，适合训练高精度水面垃圾检测模型。

📁 推荐目录结构

water_bottle_dataset/ ├── images/ │ ├── train/ │ ├── val/ │ └── test/ ├── labels/ │ ├── train/ │ ├── val/ │ └── test/ └── dataset.yaml

📄`dataset.yaml`示例

train:./images/trainval:./images/valtest:./images/testnc:1names:['bottle']

该数据集可直接用于环保 AI 系统开发、水域智能治理及学术研究。

于水面垃圾检测（塑料瓶）数据集的完整 YOLOv8 检测系统实现方案，包含：

✅ 从预训练模型开始的 YOLOv8 训练代码
✅ 推理脚本（图像/视频/摄像头）
✅ Web 检测界面（Django + Bootstrap）
✅ 垃圾计数与环保报告生成

📁 一、项目目录结构

water_bottle_yolov8/ ├── data/ │ ├── images/ │ │ ├── train/ # 960 │ │ ├── val/ # 120 │ │ └── test/ # 120 │ ├── labels/ │ │ ├── train/ │ │ ├── val/ │ │ └── test/ │ └── dataset.yaml ├── models/ │ └── best.pt # 训练后模型 ├── train.py # YOLOv8 训练脚本 ├── infer.py # 推理脚本 ├── web_app/ │ ├── views.py │ ├── models.py │ ├── urls.py │ └── templates/ │ └── index.html └── requirements.txt

📦 二、`requirements.txt`

ultralytics==8.2.0 opencv-python==4.8.0 numpy==1.24.3 pillow==9.5.0 django==4.2.7 matplotlib==3.6.3

安装：

pipinstall-rrequirements.txt

📄 三、`data/dataset.yaml`

train:../data/images/trainval:../data/images/valtest:../data/images/testnc:1names:['bottle']

✅ 确保images/train与labels/train中文件名一一对应（如001.jpg↔001.txt）

🚀 四、`train.py`—— YOLOv8 训练代码（从预训练模型微调）

# train.pyfromultralyticsimportYOLOif__name__=="__main__":# 加载官方预训练模型（YOLOv8m）model=YOLO("yolov8m.pt")# 可替换为 yolov8n/s/l/x# 开始训练results=model.train(data="data/dataset.yaml",epochs=100,imgsz=640,# 水面目标通常较小，640 足够batch=16,# 根据 GPU 调整（RTX 3060 可用 16）device=0,# 使用 GPU；无 GPU 改为 "cpu"name="water_bottle_yolov8m",project="runs/train",patience=20,# 早停机制save=True,exist_ok=True)print(f"✅ 训练完成！最佳模型路径:{results.save_dir}/weights/best.pt")

运行训练：

python train.py

💡 预期 mAP@0.5 ≈ 0.908（与你提供的验证结果一致）

🔍 五、`infer.py`—— 推理与塑料瓶计数

# infer.pyfromultralyticsimportYOLOimportcv2importos# 加载训练好的模型model=YOLO("runs/train/water_bottle_yolov8m/weights/best.pt")defdetect_bottles(image_path,conf=0.4):results=model(image_path,conf=conf)annotated_img=results[0].plot()# 统计塑料瓶数量bottle_count=len(results[0].boxes)# 保存结果output_path=f"output_{os.path.basename(image_path)}"cv2.imwrite(output_path,annotated_img)print(f"✅ 检测到{bottle_count}个塑料瓶，结果保存至:{output_path}")returnbottle_count,output_path# 示例：单张图像detect_bottles("river_scene.jpg")# 视频推理（可选）# model.predict("lake_video.mp4", save=True, conf=0.4)# 摄像头实时检测# model.predict(source=0, show=True, conf=0.4)

🌐 六、Django Web 检测系统

1.`web_app/models.py`

fromdjango.dbimportmodelsclassBottleDetection(models.Model):image=models.ImageField(upload_to='uploads/')result_image=models.ImageField(upload_to='results/',null=True)bottle_count=models.IntegerField(default=0)timestamp=models.DateTimeField(auto_now_add=True)location=models.CharField(max_length=100,default="河道A段")

2.`web_app/views.py`

fromdjango.shortcutsimportrenderfromdjango.httpimportJsonResponsefromdjango.core.files.storageimportFileSystemStoragefrom.modelsimportBottleDetectionfromultralyticsimportYOLOimportcv2importos# 全局加载模型（仅加载一次）model=YOLO("runs/train/water_bottle_yolov8m/weights/best.pt")defindex(request):returnrender(request,'index.html')defdetect_bottle_web(request):ifrequest.method=="POST"andrequest.FILES.get('image'):uploaded_file=request.FILES['image']fs=FileSystemStorage()filename=fs.save(uploaded_file.name,uploaded_file)input_path=fs.path(filename)output_dir=os.path.join(fs.location,'results')os.makedirs(output_dir,exist_ok=True)output_path=os.path.join(output_dir,f"result_{filename}")# 推理results=model(input_path,conf=0.4)annotated_img=results[0].plot()cv2.imwrite(output_path,annotated_img)bottle_count=len(results[0].boxes)# 保存记录record=BottleDetection.objects.create(image=uploaded_file,result_image=f'results/result_{filename}',bottle_count=bottle_count)returnJsonResponse({'result_url':fs.url(f'results/result_{filename}'),'bottle_count':bottle_count})returnJsonResponse({'error':'请上传图像'})

3.`templates/index.html`

<!DOCTYPEhtml><htmllang="zh"><head><metacharset="UTF-8"><title>🌊 水面塑料瓶智能检测系统</title><scriptsrc="https://cdn.tailwindcss.com"></script></head><bodyclass="bg-blue-50"><divclass="max-w-4xl mx-auto p-6"><h1class="text-2xl font-bold text-center mb-6">🌊 水面垃圾（塑料瓶）AI检测系统</h1><formid="uploadForm"enctype="multipart/form-data"class="mb-6"><inputtype="file"name="image"accept=".jpg,.png"class="block w-full mb-4"><buttontype="submit"class="bg-blue-600 text-white px-4 py-2 rounded">上传并检测</button></form><divid="result"class="hidden"><imgid="resultImg"class="max-w-full border rounded shadow"><divclass="mt-4 p-4 bg-white rounded"><pclass="text-lg">检测到塑料瓶数量：<spanid="count"class="font-bold text-red-600"></span>个</p><pclass="text-sm text-gray-500">可用于环保评估与清洁任务调度</p></div></div></div><script>document.getElementById('uploadForm').onsubmit=async(e)=>{e.preventDefault();constformData=newFormData(e.target);constres=awaitfetch('/detect/',{method:'POST',body:formData});constdata=awaitres.json();if(data.result_url){document.getElementById('resultImg').src=data.result_url;document.getElementById('count').textContent=data.bottle_count;document.getElementById('result').classList.remove('hidden');}};</script></body></html>

4. 启动 Web 系统

python manage.py makemigrations python manage.py migrate python manage.py runserver

访问：http://127.0.0.1:8000

🌍 七、应用场景

应用方向	说明
河道/湖泊巡检	无人机或无人船搭载模型，自动识别水面漂浮塑料瓶
环保执法取证	快速生成污染证据图，辅助城管或水务部门
清洁机器人导航	为水面垃圾打捞机器人提供目标定位
公众环保教育	Web 系统开放给公众上传照片，提升环保意识