【无标题】低空安防、无人机反制、空域监控、入侵无人机识别、安防预警系统开发 YOLOV11无人机小目标检测数据集 YOLOV11小目标无人机检测系统

2026/8/9 15:58:04 拓冰建站浏览量

智慧飞行检测-无人机目标检测数据集，19531张，yolo和voc两种标注方式
1类，标注数量：
drone: 20357 - 无人机：20357

image num: 19531

模型代码：模型训练使用yolov11n训练，50个epoch训练结果，map如描述图所示。

qt界面：运行界面采用pyqt编写，本项目已经训练好模型，配置好环境后可直接使用，运行效果见描述图像

无人机目标检测数据集

数据集信息表

项目	参数详情
数据集名称	无人机目标检测数据集
图像总数量	19531张
标注格式	YOLO、VOC两种标注格式
类别数量	1类
类别统计	drone（无人机）：标注数量20357
训练模型	YOLOv11n，训练轮次50 epoch
模型指标	mAP@0.5=0.961
配套工程	PyQt可视化检测界面，提供训练完成权重，支持图片/视频/摄像头检测；Windows、Linux CPU环境可部署
应用场景	低空安防、无人机反制、空域监控、入侵无人机识别、安防预警系统开发

labels.txt

drone

数据集关键词

无人机检测、drone目标检测、低空安防、反无人机、YOLO数据集、VOC标注、PyQt检测界面、空域监控、小目标无人机识别

yolo配置文件`drone_detect.yaml`

path:./drone_datasettrain:images/trainval:images/valnames:0:drone

YOLOv11n训练简易代码

fromultralyticsimportYOLOif__name__=="__main__":model=YOLO("yolo11n.pt")model.train(data="drone_detect.yaml",epochs=50,imgsz=640,batch=8,device="cpu",workers=2,project="drone_exp",name="yolov11n_drone")

PyQt项目推理调用示例（极简）

fromultralyticsimportYOLO model=YOLO("./drone_exp/yolov11n_drone/weights/best.pt")defdetect_img(img_path):res=model.predict(img_path,conf=0.25,save=False)returnres[0].boxes

依赖安装

pipinstallultralytics opencv-python pyqt5 torch

备选数据集名称

中文

低空安防无人机识别YOLO数据集
反无人机目标检测数据集
复杂场景无人机单类别检测数据集

英文

UAV‑Drone‑Detection‑Dataset
Anti‑Drone‑YOLO‑Dataset

简短别名

drone_detect
uav_anti_dataset

建站实战干货