智慧城市建设路政无人机井盖检测数据集 -航拍路面井盖检测数据集6709张提供yolovoccoco三种标注方式图像尺寸:640*640类别数量:1类训练集图像数量:459; 验证集图像数量:43 测试集图像数量:22类别名称: 每一类图像数 每一类标注数jinggai-井盖: 520,3142image num: 524项目详情数据集名称航拍路面井盖检测数据集图像总数量6709张有效标注524张图像尺寸640*640标注格式YOLO、VOC、COCO类别数量1类类别信息jinggai‑井盖图像520张标注框3142个数据集划分训练集459张验证集43张测试集22张标签jinggai井盖应用场景1.无人机航拍道路巡检路面井盖定位识别2.城市市政设施普查、井盖缺失/移位前置检测3.道路隐患排查、智慧城市路面设施统计4.遥感航拍小目标检测算法训练实验关键词中文航拍巡检井盖检测市政设施道路目标检测无人机路面巡检英文Aerial inspectionmanhole cover detectionmunicipal facilitiesUAV road detectiondata.yaml配置path:./manhole_datasettrain:images/trainval:images/valtest:images/testnc:1names:0:jinggai简易训练代码 train.pyfromultralyticsimportYOLO modelYOLO(yolo11n.pt)resultsmodel.train(datadata.yaml,epochs80,imgsz640,batch12,device0,projectmanhole_run,namejinggai_train)metricmodel.val()print(fmAP0.5:{metric.box.map50:.3f})推理代码 predict.pyfromultralyticsimportYOLO modelYOLO(manhole_run/jinggai_train/weights/best.pt)#单图推理resmodel.predict(test.jpg,conf0.25,saveTrue)forrinres:forboxinr.boxes:cls_idint(box.cls)conffloat(box.conf)xyxybox.xyxy[0].tolist()cls_namemodel.names[cls_id]print(f目标类别:{cls_name},置信度:{conf:.2f},坐标:{xyxy})