智慧农业 基于数据集的YOLOv11目标检测训练代码 无人机灌木检测数据集 1526

sample数据集信息总结表

基于数据集的YOLOv11目标检测训练代码（参考）

# 依赖安装# pip install ultralytics roboflow python-dotenvfromultralyticsimportYOLOfromroboflowimportRoboflowimportosfromdotenvimportload_dotenv# 加载环境变量（建议将Roboflow API密钥存入.env文件）load_dotenv()ROBOFLOW_API_KEY=os.getenv("ROBOFLOW_API_KEY")# 1. 从Roboflow下载sample数据集（对应项目：https://universe.roboflow.com/ml-g6mkl/sample-ephrx）rf=Roboflow(api_key=ROBOFLOW_API_KEY)project=rf.workspace("ml-g6mkl").project("sample-ephrx")dataset=project.version(1).download("yolov11",location="./sample-dataset")# 2. 初始化YOLOv11n模型（数据集标注格式适配YOLO）model=YOLO("yolov11n.pt")# 加载预训练权重，小模型适合快速迭代# 3. 模型训练配置train_results=model.train(data=os.path.join(dataset.location,"data.yaml"),# 数据集配置文件路径epochs=50,# 训练轮次，可根据需求调整batch=16,# 批次大小，需匹配GPU显存（显存不足可设8/4）imgsz=640,# 输入图像尺寸device=0,# 使用第1块GPU（CPU设为cpu）lr0=0.01,# 初始学习率lrf=0.01,# 最终学习率因子momentum=0.937,# 动量参数weight_decay=0.0005,# 权重衰减verbose=True,# 显示训练日志project="sample-yolov11-training",# 训练项目保存路径name="exp1",# 实验名称pretrained=True,# 使用预训练权重augment=True,# 启用数据增强patience=10,# 早停机制（10轮无提升则停止）save=True,# 保存最佳模型val=True# 训练中同步验证)# 4. 模型验证val_results=model.val(data=os.path.join(dataset.location,"data.yaml"),imgsz=640,batch=16,device=0,save_json=True,# 保存验证结果为JSONsave_txt=True# 保存预测标签为TXT)# 5. 模型推理示例（测试单张图像）test_img_path="./test.jpg"# 替换为测试图像路径results=model(test_img_path,imgsz=640,conf=0.25,iou=0.5)results[0].show()# 显示推理结果results[0].save("inference_result.jpg")# 保存推理结果![在这里插入图片描述](https://i-blog.csdnimg.cn/direct/783582eb4f614804b61774cc4660e024.png)

1

1

1