垃圾物品目标检测数据集 | 垃圾分类 回收检测 城市环卫 目标检测9012期数据集概述本数据集专注于城市生活垃圾细分类视觉识别服务于智能回收、环卫管理及循环经济。数据涵盖常见可回收与废弃物类别适配自动分拣线、智能垃圾箱及城市清洁监控等场景。数据集核心信息数据要素详细说明类别共6类纸板、塑料袋、轮胎、垃圾袋、床垫、易拉罐数量6400张图像格式图像为 JPG标签为 YOLO 格式的 txt 文件水平边界框应用价值1.自动分拣辅助回收中心传送带上的垃圾按类别自动分离提升资源回收率。2.投放监管识别智能垃圾箱内违规混投行为提供反馈与教育依据。3.城市清洁用于街道、公园等公共区域的垃圾堆积物识别与清理调度。数据三要素解析类别与数量数据集定义6个具体垃圾类别纸板、塑料袋、轮胎、垃圾袋、床垫、易拉罐覆盖包装废物、大件垃圾及金属容器等常见城市废弃物。图像总量约6400张规模较为充足能支撑多类别垃圾检测模型的训练与评估。类别设置兼顾常见可回收物纸板、易拉罐与难处理物品轮胎、床垫符合实际回收场景需求。格式与结构采用通用YOLO 格式每张图像对应一个同名txt标签文件包含类别 ID 与归一化边界框坐标可无缝接入 YOLOv5、YOLOv8 等主流检测框架。图像与标签一一对应数据结构规范便于进行训练/验证集划分与预处理流程集成。应用与扩展数据集可扩展用于垃圾满溢检测结合目标计数、违规丢弃行为识别如非投放时间垃圾堆放等城市管理任务。可迁移至海洋漂浮垃圾检测、河道废弃物监测等环保场景进行微调适配。针对轮胎、床垫等大件垃圾与塑料袋等小件垃圾的尺度差异可用于测试模型的多尺度检测能力。知识普及垃圾细分类检测难点城市垃圾检测面临形态高度可变压扁、揉皱、撕裂、类别间视觉相似塑料袋与垃圾袋、背景复杂与其他杂物混合等挑战。实际回收线还需应对高速运动、堆叠遮挡等工况。采用实例分割技术如YOLOv8-seg可更精准分离重叠物品而引入颜色直方图、纹理特征等辅助信息有助于提升易混淆类别如纸板与纸张的区分度。快速开始代码示例配置文件data.yaml示例train:./dataset/images/trainval:./dataset/images/valnc:6names:[cardboard,plastic_bag,tire,garbage_bag,mattress,can]启动 YOLOv8 训练fromultralyticsimportYOLO modelYOLO(yolov8m.pt)model.train(datadata.yaml,epochs80,imgsz640,batch16)标签垃圾分类回收检测城市环卫目标检测YOLO格式深度学习数据集计算机视觉
)
