智慧农业无人机 松材线虫病树识别YOLO目标检测数据集】1分类bad_tree虫病树 标注框[‘13208’]图片共2833张原始图片数据集按7:2:1分配。其中 训练集1983张图片验证集566张图片测试集284张图片。图片分辨率640*640。下面是YOLOv8n训练100轮mAP达到90.7。该数据包含原始图片VOC XML和yolo的txt格式。松材线虫病树识别YOLOv8目标检测项目完整数据集训练代码一、数据集信息表项目详情项目名称松材线虫病树识别YOLO目标检测数据集类别数量1 类类别名称bad_tree虫病树/染病松树标注框总数13208 个原始图片总数2833 张图像分辨率640×640数据划分7:2:1训练集1983 张验证集566 张测试集284 张标注格式同时包含 YOLO TXT 格式、VOC XML 格式模型表现YOLOv8n 训练100轮mAP0.5 0.907配套文件训练好的best.pt权重文件、数据集、训练代码适用场景林业病虫害监测、无人机巡检、森林防火、生态保护、毕设课题二、数据集目录结构bad_tree_dataset/ ├── images/ │ ├── train/ # 1983张训练图 │ ├── val/ # 566张验证图 │ └── test/ # 284张测试图 ├── labels/ │ ├── train/ # YOLO格式txt标签 │ ├── val/ │ └── test/ ├── annotations/ # VOC格式xml标签可选 └── bad_tree.yaml三、数据集配置文件bad_tree.yamltrain:./images/trainval:./images/valtest:./images/testnc:1names:0:bad_tree四、YOLOv8 训练代码train_bad_tree.pyfromultralyticsimportYOLOdeftrain_bad_tree():# 加载模型n/s/m/l/x可选这里用YOLOv8nmodelYOLO(yolov8n.pt)# 训练参数model.train(databad_tree.yaml,epochs100,imgsz640,batch16,device0,# CPU运行改为 cpupatience15,projectbad_tree_detection,nameyolov8n_bad_tree,saveTrue,pretrainedTrue,optimizerAdam,lr00.01,lrf0.01,hsv_h0.015,hsv_s0.7,hsv_v0.4,degrees10,flipud0.1,fliplr0.5,mosaic1.0)# 验证模型metricsmodel.val()print(fmAP0.5:{metrics.box.map50:.4f})if__name____main__:train_bad_tree()五、推理/测试代码detect_bad_tree.pyfromultralyticsimportYOLOimportcv2# 加载训练好的模型modelYOLO(best.pt)# 单张图片检测defdetect_image(img_path,save_path):resultsmodel(img_path,conf0.25)res_imgresults[0].plot()cv2.imwrite(save_path,res_img)returnres_img# 视频检测defdetect_video(video_path,out_path):capcv2.VideoCapture(video_path)fpsint(cap.get(cv2.CAP_PROP_FPS))w,hint(cap.get(3)),int(cap.get(4))writercv2.VideoWriter(out_path,cv2.VideoWriter_fourcc(*mp4v),fps,(w,h))whilecap.isOpened():ret,framecap.read()ifnotret:breakresultsmodel(frame,conf0.25)frameresults[0].plot()writer.write(frame)cap.release()writer.release()if__name____main__:detect_image(test.jpg,result.jpg)六、环境安装命令pipinstallultralytics torch opencv-python七、项目亮点✅林业场景实用价值高松材线虫病是重大森林病害该数据集可直接用于智能巡检系统开发✅模型精度优秀YOLOv8n 轻量模型在本数据集上 mAP0.5 达到 90.7%兼顾速度与精度✅标注格式齐全同时提供 YOLO TXT 和 VOC XML 格式适配不同框架✅开箱即用提供预训练best.pt配置好环境即可直接测试图片/视频/摄像头✅可扩展性强可扩展为多类别病害识别、火情识别、林区障碍物检测等任务