智慧农业无人机航拍棕榈树数据集核心信息表
训练集 1612 测试 461 验证 230
| 信息类别 | 具体内容 |
|---|---|
| 类别 | 单一类别（仅棕榈树）目标检测数据集 |
| 数据集张数 | 2303 张 |
| 格式 | yolo格式） |
1
1
1
1
是棕榈树目标检测数据集的核心信息表及配套的YOLOv8 训练与检测系统代码，可直接用于训练、验证和部署。
🌴 棕榈树数据集核心信息表
| 信息类别 | 具体内容 |
|---|---|
| 任务类型 | 单类别目标检测（仅检测“棕榈树”） |
| 总图像数量 | 2303 张 |
| 训练集（train） | 1612 张 |
| 验证集（val） | 230 张 |
| 测试集（test） | 461 张 |
| 标注格式 | YOLO 格式（每张.jpg对应一个.txt文件） |
| 类别数量 | 1 |
| 类别名称 | palm_tree |
| 适用框架 | YOLOv5 / YOLOv6 / YOLOv7 / YOLOv8 / YOLO-NAS 等 |
📁 推荐目录结构
请确保数据按以下方式组织：
palm_tree_dataset/ ├── images/ │ ├── train/# 1612 张 .jpg│ ├── val/# 230 张 .jpg│ └── test/# 461 张 .jpg├── labels/ │ ├── train/# 1612 个 .txt│ ├── val/# 230 个 .txt│ └── test/# 461 个 .txt└── dataset.yaml✅ 每个
.txt文件内容示例（单类，class_id = 0）：
0 0.45 0.62 0.20 0.35 0 0.78 0.55 0.15 0.25📄dataset.yaml配置文件
# dataset.yamltrain:./images/trainval:./images/valtest:./images/testnc:1names:['palm_tree']🚀 YOLOv8 训练代码（train.py）
# train.pyfromultralyticsimportYOLOdefmain():# 加载预训练模型（推荐 yolov8s，兼顾速度与精度）model=YOLO('yolov8s.pt')# 可选: yolov8n (更快), yolov8m (更准)# 开始训练results=model.train(data='dataset.yaml',# 数据配置文件路径epochs=100,# 训练轮数（2303张图，100轮足够）imgsz=640,# 输入图像尺寸（可尝试 1280 提升大场景检测）batch=16,# 批次大小（根据 GPU 显存调整）name='palm_tree_v8s',optimizer='AdamW',lr0=0.001,weight_decay=0.0005,hsv_h=0.015,# 色调增强（适应不同光照）hsv_s=0.7,hsv_v=0.4,degrees=10.0,# 旋转增强（模拟航拍角度）translate=0.1,scale=0.5,fliplr=0.5,# 左右翻转mosaic=0.8,# Mosaic 增强（提升小目标检测）mixup=0.2,close_mosaic=10,# 最后10轮关闭 Mosaicdevice=0,# 使用 GPU 0；若无 GPU 改为 'cpu'workers=4,save=True,save_period=10,exist_ok=False)if__name__=='__main__':main()🔍 推理与可视化（detect.py）
# detect.pyfromultralyticsimportYOLOimportcv2# 加载训练好的最佳模型model=YOLO('runs/detect/palm_tree_v8s/weights/best.pt')defdetect_image(image_path,conf_thres=0.3):results=model(image_path,conf=conf_thres)annotated=results[0].plot()# 自动绘制边界框和标签cv2.imshow("Palm Tree Detection",annotated)cv2.waitKey(0)cv2.destroyAllWindows()# 示例detect_image("test_image.jpg")📊 评估测试集性能（evaluate.py）
# evaluate.pyfromultralyticsimportYOLO model=YOLO('runs/detect/palm_tree_v8s/weights/best.pt')metrics=model.val(data='dataset.yaml',split='test')print(f"Test mAP@0.5:{metrics.box.map50:.4f}")print(f"Test mAP@0.5:0.95:{metrics.box.map:.4f}")print(f"Precision:{metrics.box.mp:.4f}")print(f"Recall:{metrics.box.mr:.4f}")✅ 应用场景
- 无人机航拍棕榈树普查
- 农业资源遥感监测
- 城市绿化管理
- 旅游区植被分布分析
该系统可快速实现棕榈树自动计数与定位，适用于智慧农业与地理信息系统（GIS）。
