机器狗香烟识别目标检测YOLO数据集![]()
| 项目 | 详情 |
|---|---|
| 任务类型 | 目标检测 |
| 类别数量 | 1分类 |
| 类别名称 | 香烟 |
| 图片总量 | 100张 |
| 数据集划分 | 7:1:2分配 训练集：70张 验证集：10张 测试集：20张 |
| 标注格式 | YOLO txt格式、VOC xml格式，可直接用于模型训练 |
| 应用领域 | 机器狗巡检识别、禁烟区域监测、安防智能识别、室内违规抽烟检测、移动机器人视觉感知 |
数据集简介![]()
- 该数据集为机器狗巡检场景香烟目标检测数据集，适配移动巡检机器狗搭载摄像头采集的画面。
- 针对香烟目标做框选标注，包含不同摆放位置、不同光照环境、部分遮挡等真实巡检场景图像，适配机器人第一视角拍摄特点。
标注优势
- 标注结果可直接用于 YOLO 系列目标检测模型训练，无需额外格式转换，极大降低数据准备成本。
- 数据集标注质量稳定，边界框贴合香烟本体，能够在小目标、复杂背景干扰下区分香烟与其他细长类物体，减少误检。
模型训练效果
- 使用 YOLO26 完成训练后，模型检测精度表现良好，机器狗端部署后可以快速识别画面内的香烟目标。
- 数据集包含室内、走廊等多种巡检背景，便于模型适应机器狗移动拍摄带来的画面抖动、角度变化等问题。
数据集划分与拓展用途
- 支持训练集、验证集、测试集按 7:1:2 科学划分，图片总数充足，方便用户复现训练流程并对比不同算法效果。
- 该数据集可进一步用于园区禁烟管控、机房安防巡检、移动机器人智能感知、室内安全监管等多项延伸任务。
YOLO配置文件
# 目标检测数据集配置 names: 0: 香烟YOLO26训练代码示例
from ultralytics import YOLO # 加载YOLO26目标检测模型 model = YOLO("yolo26n.pt") # 启动模型训练 model.train( data="数据集配置.yaml", epochs=100, imgsz=640, batch=8 )#香烟识别 #目标检测 #机器狗巡检 #安防监测 #机器人视觉
