智慧農(nóng)林航拍油棕樹健康檢測(cè)數(shù)據(jù)集智慧農(nóng)林AI檢測(cè)源碼、種植園航拍巡檢模型、農(nóng)作物長勢(shì)視覺識(shí)別數(shù)據(jù)集、油棕植株長勢(shì)識(shí)別數(shù)據(jù)集、5類油棕病蟲害檢測(cè)數(shù)據(jù)、YOLOv11n航拍檢測(cè)、油棕黃化枯萎雜草識(shí)別、3131張航拍農(nóng)林?jǐn)?shù)據(jù)集3131張yolovoccoco三種標(biāo)注方式圖像尺寸:640*640類別數(shù)量:5類訓(xùn)練集圖像數(shù)量:2192; 驗(yàn)證集圖像數(shù)量:627 測(cè)試集圖像數(shù)量:312類別名稱: 每一類圖像數(shù) 每一類標(biāo)注數(shù)Small-小型植株2659,45224Healthy-健康植株3007,187061Dead-枯萎植株331,561Yellow-黃化植株1622,4889Grass-雜草303,845image num: 3131一、航拍油棕樹健康檢測(cè)數(shù)據(jù)集詳情表項(xiàng)目詳細(xì)參數(shù)數(shù)據(jù)集名稱航拍油棕樹健康檢測(cè)數(shù)據(jù)集總圖像數(shù)量3131張圖像尺寸640×640標(biāo)注格式Y(jié)OLO、VOC、COCO類別總數(shù)5類訓(xùn)練集2192張驗(yàn)證集627張測(cè)試集312張Small小型植株圖像數(shù)2659標(biāo)注數(shù)45224Healthy健康植株圖像數(shù)3007標(biāo)注數(shù)187061Dead枯萎植株圖像數(shù)331標(biāo)注數(shù)561Yellow黃化植株圖像數(shù)1622標(biāo)注數(shù)4889Grass雜草圖像數(shù)303標(biāo)注數(shù)845訓(xùn)練配置YOLOv11n訓(xùn)練輪次80 epoch配套資源訓(xùn)練測(cè)試全套源碼、訓(xùn)練權(quán)重、完整PyQt5界面源碼及配套資源文件模型代碼采用 YOLOv11n 網(wǎng)絡(luò)訓(xùn)練訓(xùn)練輪次80 個(gè) epoch提供全部訓(xùn)練 測(cè)試源代碼訓(xùn)練精度 mAP 效果如圖所示PyQt5 界面功能界面使用 PyQt5 開發(fā)提供全部源碼.ui、.qrc、.py 及圖標(biāo)文件支持圖片檢測(cè)、視頻檢測(cè)、攝像頭實(shí)時(shí)檢測(cè)界面實(shí)時(shí)顯示目標(biāo)位置、目標(biāo)總數(shù)、置信度等信息支持檢測(cè)結(jié)果保存導(dǎo)出操作簡單直觀無需命令行二、YOLOv11 訓(xùn)練代碼1. 數(shù)據(jù)集配置文件oil_palm.yamlpath:./datasets/oil_palmtrain:images/trainval:images/valtest:images/testnc:5names:0:Small1:Healthy2:Dead3:Yellow4:Grass2. 訓(xùn)練、驗(yàn)證、推理主代碼fromultralyticsimportYOLOimportwarnings warnings.filterwarnings(ignore)deftrain_oil_palm():# 加載輕量化YOLOv11n模型modelYOLO(yolo11n.pt)model.train(dataoil_palm.yaml,epochs80,imgsz640,batch12,device0,workers4,patience15,projectruns/train,nameoil_palm_detect,saveTrue,valTrue)print(油棕樹健康檢測(cè)模型訓(xùn)練完成)defmodel_evaluation():# 模型精度評(píng)估m(xù)odelYOLO(runs/train/oil_palm_detect/weights/best.pt)metricsmodel.val(dataoil_palm.yaml,imgsz640)print(fmAP0.5:{metrics.box.map50:.4f})defdetect_target(source):# 圖片/視頻/攝像頭推理檢測(cè)modelYOLO(runs/train/oil_palm_detect/weights/best.pt)resultsmodel.predict(sourcesource,imgsz640,conf0.4,saveTrue,show_labelsTrue,show_confTrue)returnresultsif__name____main__:train_oil_palm()model_evaluation()# detect_target(test.jpg)三、PyQt5 界面說明基于PyQt5開發(fā)提供.ui、.qrc、.py及圖標(biāo)等全套源碼。支持圖片、視頻、攝像頭實(shí)時(shí)檢測(cè)界面實(shí)時(shí)展示目標(biāo)位置、數(shù)量、置信度可保存導(dǎo)出檢測(cè)結(jié)果純圖形化操作無需使用命令行。四、應(yīng)用場(chǎng)景智慧農(nóng)林航拍巡檢大面積油棕種植園快速區(qū)分植株長勢(shì)、病害、雜草輔助田間管理農(nóng)林植保針對(duì)性處理枯萎、黃化植株精準(zhǔn)開展養(yǎng)護(hù)與除草作業(yè)農(nóng)業(yè)統(tǒng)計(jì)自動(dòng)統(tǒng)計(jì)不同生長階段油棕植株數(shù)量助力產(chǎn)量預(yù)估項(xiàng)目實(shí)訓(xùn)航拍目標(biāo)檢測(cè)、智慧農(nóng)業(yè)方向課程設(shè)計(jì)、畢業(yè)設(shè)計(jì)、算法研究算法競賽農(nóng)林遙感、航拍目標(biāo)檢測(cè)類賽事基線數(shù)據(jù)集與模型農(nóng)林信息化搭建種植園智能監(jiān)測(cè)系統(tǒng)實(shí)現(xiàn)無人化遠(yuǎn)程巡檢