智能环卫道路垃圾类型检测数据集智能环卫道路垃圾检测、户外垃圾分类、智能环卫、路面垃圾识别道路杂物目标检测，3309张，yolo，voc，coco三种标注方式

智能环卫道路垃圾类型检测数据集3309张yolovoccoco三种标注方式图像尺寸:640*640类别数量:3类训练集图像数量:2637; 验证集图像数量:336 测试集图像数量:336类别名称: 每一类图像数 每一类标注数ke-hui-shou - 可回收1696,4773ke-sheng-wu-fen-jie - 可生物分解838,2551bu-ke-sheng-wu-fen-jie - 不可生物分解1206,5189image num: 3309一、数据集信息表格1.1 基础信息项目详情数据集名称道路垃圾类型检测数据集总图像数量3309 张图像尺寸640×640标注格式YOLO、VOC、COCO类别总数3 类训练集2637 张验证集336 张测试集336 张1.2 类别分布序号英文标识中文类别含该类别图像数标注总数0ke-hui-shou可回收垃圾169647731ke-sheng-wu-fen-jie可生物分解垃圾83825512bu-ke-sheng-wu-fen-jie不可生物分解垃圾120651891.3 类别列表代码names[ke-hui-shou,ke-sheng-wu-fen-jie,bu-ke-sheng-wu-fen-jie]二、应用场景智能环卫巡检车载、监控、无人机自动识别道路垃圾辅助清扫作业调度。城市环境监测统计路面垃圾种类与分布助力市容管理、环保督查。智能垃圾分类户外场景垃圾识别模型训练拓展视觉分类应用。算法研发复杂户外背景下小目标、多类别目标检测实验与竞赛。智慧市政系统接入道路监控实时上报垃圾堆积点位提升运维效率。三、YOLOv11 训练推理代码3.1 环境依赖pipinstallultralytics torch opencv-python numpy3.2 配置文件road_garbage.yamlpath:./road_garbage_datasettrain:images/trainval:images/valtest:images/testnc:3names:0:ke-hui-shou1:ke-sheng-wu-fen-jie2:bu-ke-sheng-wu-fen-jie3.3 数据集目录结构road_garbage_dataset/ ├── images/ │ ├── train/ │ ├── val/ │ └── test/ ├── labels/ # YOLO 标注 │ ├── train/ │ ├── val/ │ └── test/ ├── voc_annotations/ # VOC 标注 ├── coco_annotations/# COCO 标注 └── road_garbage.yaml3.4 训练代码train_garbage.pyfromultralyticsimportYOLOdeftrain_garbage():modelYOLO(yolov11n.yaml)model.train(dataroad_garbage.yaml,epochs80,imgsz640,batch16,devicecpu,workers4,patience15,ampTrue,mosaic1.0,projectruns/train,nameroad_garbage_det,exist_okTrue)print(训练完成权重路径runs/train/road_garbage_det/weights)if__name____main__:train_garbage()3.5 推理代码predict_garbage.pyfromultralyticsimportYOLO modelYOLO(runs/train/road_garbage_det/weights/best.pt)if__name____main__:# 单图检测resmodel(test.jpg,saveTrue,conf0.25)# 批量图片# res model(./test_imgs/, saveTrue, conf0.25)# 视频/摄像头# res model(0, saveTrue, conf0.25)print(推理结束)