智慧海洋检测-yolo鱼类识别数据集。可识别26种鱼类。包括Acanthuridae -Surgeonfishes-刺尾鱼科Balistidae -Triggerfishes-鳞鲀科Carangidae -Jacks-鲹科Ephippidae -Spadefishes-蝴蝶鲳科Labridae -Wrasse-隆头鱼科Lutjanidae -Snappers-笛鲷科Pomacanthidae -Angelfishes-刺蓟鲷科Pomacentridae -Damselfishes-雀鲷科Scaridae -Parrotfishes-鹦嘴鱼科Scombridae -Tunas-鲭科Serranidae -Groupers-鮨科Shark -Selachimorpha-鲨鱼Zanclidae (Moorish Idol)镰鱼科神仙鱼Zanclidae -Moorish Idol-镰鱼科神仙鱼angel天使鱼damsel小鲷grouper石斑鱼jack鲹鱼parrot鹦嘴鱼shark鲨鱼snapper笛鲷spade蝴蝶鲳surgeon刺尾鱼trigger鳞鲀tuna金枪鱼wrasse隆头鱼其中训练集994张测试集136验证集270张。111 DeepFishVision26种鱼类YOLO识别数据集发布1400张高质量水下图片潜入AI的海洋用计算机视觉识别水下世界一个包含26种鱼类的YOLO格式数据集为海洋生物研究和生态监测提供强力支持。 数据集核心信息总览类别中文名拉丁学名英文名训练集图片数验证集图片数测试集图片数总图片数标注框数量平均每图框数1刺尾鱼科AcanthuridaeSurgeonfishes待统计待统计待统计待统计待统计待统计2鳞鲀科BalistidaeTriggerfishes待统计待统计待统计待统计待统计待统计3鲹科CarangidaeJacks待统计待统计待统计待统计待统计待统计4蝴蝶鲳科EphippidaeSpadefishes待统计待统计待统计待统计待统计待统计5隆头鱼科LabridaeWrasse待统计待统计待统计待统计待统计待统计6笛鲷科LutjanidaeSnappers待统计待统计待统计待统计待统计待统计7刺蓟鲷科PomacanthidaeAngelfishes待统计待统计待统计待统计待统计待统计8雀鲷科PomacentridaeDamselfishes待统计待统计待统计待统计待统计待统计9鹦嘴鱼科ScaridaeParrotfishes待统计待统计待统计待统计待统计待统计10鲭科ScombridaeTunas待统计待统计待统计待统计待统计待统计11鮨科SerranidaeGroupers待统计待统计待统计待统计待统计待统计12鲨鱼SelachimorphaShark待统计待统计待统计待统计待统计待统计13镰鱼科神仙鱼ZanclidaeMoorish Idol待统计待统计待统计待统计待统计待统计14天使鱼-Angel待统计待统计待统计待统计待统计待统计15小鲷-Damsel待统计待统计待统计待统计待统计待统计16石斑鱼-Grouper待统计待统计待统计待统计待统计待统计17鲹鱼-Jack待统计待统计待统计待统计待统计待统计18鹦嘴鱼-Parrot待统计待统计待统计待统计待统计待统计19鲨鱼-Shark待统计待统计待统计待统计待统计待统计20笛鲷-Snapper待统计待统计待统计待统计待统计待统计21蝴蝶鲳-Spade待统计待统计待统计待统计待统计待统计22刺尾鱼-Surgeon待统计待统计待统计待统计待统计待统计23鳞鲀-Trigger待统计待统计待统计待统计待统计待统计24金枪鱼-Tuna待统计待统计待统计待统计待统计待统计25隆头鱼-Wrasse待统计待统计待统计待统计待统计待统计26镰鱼科ZanclidaeMoorish Idol待统计待统计待统计待统计待统计待统计 数据集划分统计数据划分图片数量占比用途说明标注格式训练集994张71.0%模型训练YOLO格式验证集270张19.3%超参数调优YOLO格式测试集136张9.7%最终评估YOLO格式总计1400张100%-- 数据质量与特性分析图像质量特征特征维度描述比例/数量分辨率范围640×480 - 1920×1080全部高质量水下环境清澈海水、珊瑚礁、深海100%水下光照条件自然光、人工光源、混合光多样化拍摄角度水平、俯视、斜视角多角度鱼类状态游动、静止、捕食动态多样遮挡程度无、部分、严重真实分布群体密度单鱼、小群、大群自然分布鱼类分布特征统计类别平均大小(像素)长宽比检测难度视觉特征鲨鱼(Shark)较大(300-600)4:1-6:1中等流线型、背鳍明显石斑鱼(Grouper)中等(150-300)2:1-3:1中等斑点、厚唇金枪鱼(Tuna)中等(200-400)3:1-4:1中等纺锤形、尾柄细鹦嘴鱼(Parrot)中等(100-250)2:1-3:1较易鲜艳颜色、喙状嘴天使鱼(Angel)中等(100-250)1:1-2:1较易鲜艳条纹、侧扁刺尾鱼(Surgeon)中等(150-300)2:1-3:1中等尾部刺刀、侧扁小鲷(Damsel)较小(50-150)1:1-2:1较难体型小、集群 技术规格与文件结构数据集文件结构DeepFishVision_YOLO/ ├── images/ │ ├── train/ # 训练集图片(994张) │ ├── val/ # 验证集图片(270张) │ └── test/ # 测试集图片(136张) ├── labels/ │ ├── train/ # 训练集标签(.txt) │ ├── val/ # 验证集标签(.txt) │ └── test/ # 测试集标签(.txt) ├── data_augmented/ # 数据增强版本(可选) ├── pretrained_models/ # 预训练模型权重 ├── benchmark_results/ # 基准模型性能 ├── visualization/ # 数据可视化图表 ├── classes.txt # 26个类别的名称 ├── train.txt # 训练集图片路径列表 ├── val.txt # 验证集图片路径列表 ├── test.txt # 测试集图片路径列表 ├── data.yaml # YOLO配置文件 ├── annotation_guide.pdf # 标注规范文档 ├── benchmark_results.pdf # 基准测试结果 └── README.md # 使用说明文档YOLO标注格式说明# data.yaml 配置文件示例path:./DeepFishVision_YOLOtrain:images/trainval:images/valtest:images/testnc:26# 类别数量names:0:Acanthuridae1:Balistidae2:Carangidae3:Ephippidae4:Labridae5:Lutjanidae6:Pomacanthidae7:Pomacentridae8:Scaridae9:Scombridae10:Serranidae11:Shark12:Zanclidae13:Zanclidae_Moorish_Idol14:angel15:damsel16:grouper17:jack18:parrot19:shark20:snapper21:spade22:surgeon23:trigger24:tuna25:wrasse 类别名称对照表科学分类 vs 通用名类别编号科学分类(拉丁名)中文名英文通用名备注说明0Acanthuridae刺尾鱼科Surgeonfishes尾部有刺刀状结构1Balistidae鳞鲀科Triggerfishes背鳍有锁定机制2Carangidae鲹科Jacks快速游动鱼类3Ephippidae蝴蝶鲳科Spadefishes体侧扁、高背鳍4Labridae隆头鱼科Wrasse厚唇、鲜艳色彩5Lutjanidae笛鲷科Snappers夜行性、肉食性6Pomacanthidae刺蓟鲷科Angelfishes鲜艳条纹、侧扁7Pomacentridae雀鲷科Damselfishes小型、集群8Scaridae鹦嘴鱼科Parrotfishes喙状嘴、夜宿膜9Scombridae鲭科Tunas高速游泳、洄游10Serranidae鮨科Groupers大型、底栖11Shark鲨鱼Shark软骨鱼类12Zanclidae镰鱼科Moorish Idol神仙鱼13Zanclidae镰鱼科Moorish Idol神仙鱼(重复类别)14-天使鱼Angel刺蓟鲷科常见种15-小鲷Damsel雀鲷科常见种16-石斑鱼Grouper鮨科常见种17-鲹鱼Jack鲹科常见种18-鹦嘴鱼Parrot鹦嘴鱼科常见种19-鲨鱼Shark通用名20-笛鲷Snapper笛鲷科常见种21-蝴蝶鲳Spade蝴蝶鲳科常见种22-刺尾鱼Surgeon刺尾鱼科常见种23-鳞鲀Trigger鳞鲀科常见种24-金枪鱼Tuna鲭科常见种25-隆头鱼Wrasse隆头鱼科常见种 应用场景与价值海洋科研应用应用领域具体用途技术需求生态监测珊瑚礁鱼类种群调查多目标检测、计数生物多样性物种丰富度评估多分类识别渔业管理渔获物种类识别实时识别水产养殖养殖密度监控目标跟踪海洋保护珍稀物种监测小样本学习水下机器人自主导航避障实时检测技术挑战与解决方案挑战解决方案数据集支持水下模糊图像增强、去雾算法包含模糊样本光线变化色彩校正、对比度增强多种光照条件遮挡问题部分遮挡标注、上下文学习真实遮挡样本相似物种细粒度识别、注意力机制相似物种对比样本尺度变化多尺度训练、特征金字塔多尺度鱼类图片背景复杂背景抑制、前景增强复杂珊瑚礁背景 快速开始指南1. 环境安装# 安装YOLOv8pipinstallultralytics# 安装依赖pipinstallopencv-python matplotlib seaborn2. 数据集加载fromultralyticsimportYOLOimportyaml# 加载数据集配置withopen(data.yaml,r)asf:datayaml.safe_load(f)print(f类别数量:{data[nc]})print(f类别名称:{data[names]})3. 模型训练# 训练YOLOv8模型modelYOLO(yolov8n.pt)# 使用预训练模型resultsmodel.train(datadata.yaml,epochs100,imgsz640,batch16,patience20,device0,# GPU训练projectfish_detection,nameyolov8n_fish)4. 模型评估# 在测试集上评估metricsmodel.val(datadata.yaml,splittest,device0)print(fmAP0.5:{metrics.box.map})print(f各类别AP:{metrics.box.maps}) 科研价值说明海洋生物多样性研究支持26种常见鱼类识别包含珊瑚礁生态关键物种可用于种群动态监测支持物种相互作用研究渔业资源管理渔获物自动统计非法捕捞监测养殖密度优化渔业资源评估生态保护应用濒危物种监测珊瑚礁健康评估海洋保护区管理生态旅游导览 数据采集与标注标准采集规范标准项具体要求拍摄设备专业水下相机/无人机分辨率≥1080P拍摄距离1-10米水质条件可见度≥5米光照条件自然光补光灯拍摄角度多角度覆盖