智能农业检测无人机视角水稻稻穗检测数据集，6049张，yolo和voc两种标注方式
1类，标注数量：
Rice-Panicle: 117848
image num: 6049
模型代码
采用 YOLOv11n 网络训练
训练轮次：80 个 epoch
提供全部训练 + 测试源代码
训练精度 mAP 效果如图所示
PyQt5 界面功能
界面使用 PyQt5 开发，提供全部源码（.ui、.qrc、.py 及图标文件）
支持图片检测、视频检测、摄像头实时检测
界面实时显示：目标位置、目标总数、置信度等信息
支持检测结果保存导出
操作简单直观，无需命令行
一、数据集信息表格
1.1 基础信息汇总
| 项目 | 详情 |
|---|---|
| 数据集名称 | 无人机视角水稻稻穗检测数据集 |
| 总图像数量 | 6049 张 |
| 标注格式 | YOLO、VOC 双格式 |
| 类别总数 | 1 类 |
| 总标注框数量 | 117848 |
| 训练模型 | YOLOv11n |
| 训练轮次 | 80 epoch |
1.2 类别明细
| 序号 | 英文类别 | 中文类别 | 标注总数 |
|---|---|---|---|
| 0 | Rice-Panicle | 水稻稻穗 | 117848 |
1.3 YOLO 类别列表
names=["Rice-Panicle"]二、应用场景
- 农田无人机巡检：航拍影像自动统计稻穗数量，估测水稻产量。
- 智慧农业监测：田间长势分析、稻穗分布统计，辅助农事管理。
- 农作物视觉算法研发：小目标、密集目标检测模型训练、学术研究与竞赛。
- 智能农机配套：结合视觉设备实现田间实时稻穗识别、长势筛查。
- 离线数据分析：搭配PyQt界面批量处理航拍图片，保存检测结果用于农情研判。
三、环境依赖与完整代码
3.1 环境安装命令
pipinstallultralytics torch opencv-python PyQt5 numpy3.2 数据集配置文件rice.yaml
path:./rice_datasettrain:images/trainval:images/valtest:images/testnc:1names:0:Rice-Panicle3.3 数据集目录结构
rice_dataset/ ├── images/ │ ├── train/ │ ├── val/ │ └── test/ ├── labels/ # YOLO txt 标注 │ ├── train/ │ ├── val/ │ └── test/ ├── voc_labels/ # VOC xml 标注 └── rice.yaml3.4 训练代码train_rice.py
fromultralyticsimportYOLOdeftrain_rice_panicle():# 加载轻量化 YOLOv11nmodel=YOLO("yolov11n.yaml")model.train(data="rice.yaml",epochs=80,imgsz=640,batch=12,device="cpu",# 有GPU改为 device=0workers=4,patience=15,amp=True,mosaic=1.0,project="runs/train",name="rice_panicle_det",exist_ok=True)print("训练完成，权重路径：runs/train/rice_panicle_det/weights")if__name__=="__main__":train_rice_panicle()3.5 测试推理代码test_rice.py
fromultralyticsimportYOLO# 加载训练好的最优权重model=YOLO("runs/train/rice_panicle_det/weights/best.pt")if__name__=="__main__":# 单张图片检测res=model("test.jpg",save=True,conf=0.25)# 批量图片检测# res = model("./test_images/", save=True, conf=0.25)# 视频检测# res = model("test.mp4", save=True, conf=0.25)# 摄像头实时检测# res = model(0, save=True, conf=0.25)print("推理测试完成")四、PyQt5 可视化界面完整源码rice_ui.py
importsysimportcv2importosfromPyQt5.QtWidgetsimport(QApplication,QMainWindow,QPushButton,QLabel,QFileDialog,QTextEdit,QVBoxLayout,QWidget,QHBoxLayout)fromPyQt5.QtGuiimportQImage,QPixmapfromPyQt5.QtCoreimportQt,QThread,pyqtSignalfromultralyticsimportYOLO# 子线程推理，防止界面卡顿classDetectThread(QThread):frame_signal=pyqtSignal(object)log_signal=pyqtSignal(str)def__init__(self,model,source,save_path):super().__init__()self.model=model self.source=source self.save_path=save_path self.is_running=Truedefrun(self):os.makedirs(self.save_path,exist_ok=True)cap=cv2.VideoCapture(self.source)idx=0whileself.is_running:ret,frame=cap.read()ifnotret:breakresults=self.model(frame,conf=0.25)draw_frame=results[0].plot()total_num=len(results[0].boxes)conf_list=[f"{float(box.conf[0]):.2f}"forboxinresults[0].boxes]log_text=f"稻穗总数：{total_num}\n置信度列表：{conf_list}"self.frame_signal.emit(draw_frame)self.log_signal.emit(log_text)cv2.imwrite(f"{self.save_path}/res_{idx}.jpg",draw_frame)idx+=1cap.release()defstop_thread(self):self.is_running=False# 主界面classRiceDetectUI(QMainWindow):def__init__(self):super().__init__()self.setWindowTitle("水稻稻穗检测系统")self.resize(1280,800)# 加载模型self.model=YOLO("runs/train/rice_panicle_det/weights/best.pt")self.detect_thread=Noneself.result_dir="./detect_result"# 整体布局main_widget=QWidget()self.setCentralWidget(main_widget)main_layout=QHBoxLayout(main_widget)# 图像显示区域self.display_label=QLabel()self.display_label.setStyleSheet("background-color: #222222;")self.display_label.setAlignment(Qt.AlignCenter)main_layout.addWidget(self.display_label,3)# 右侧控制面板ctrl_widget=QWidget()ctrl_layout=QVBoxLayout(ctrl_widget)self.btn_img=QPushButton("图片检测")self.btn_video=QPushButton("视频检测")self.btn_camera=QPushButton("摄像头检测")self.btn_stop=QPushButton("停止检测")self.log_text=QTextEdit()self.log_text.setReadOnly(True)# 绑定事件self.btn_img.clicked.connect(self.detect_image)self.btn_video.clicked.connect(self.detect_video)self.btn_camera.clicked.connect(self.detect_camera)self.btn_stop.clicked.connect(self.stop_detect)ctrl_layout.addWidget(self.btn_img)ctrl_layout.addWidget(self.btn_video)ctrl_layout.addWidget(self.btn_camera)ctrl_layout.addWidget(self.btn_stop)ctrl_layout.addWidget(QLabel("检测信息日志"))ctrl_layout.addWidget(self.log_text)main_layout.addWidget(ctrl_widget,1)defshow_frame(self,frame):rgb_img=cv2.cvtColor(frame,cv2.COLOR_BGR2RGB)h,w,ch=rgb_img.shape bytes_line=ch*w q_img=QImage(rgb_img.data,w,h,bytes_line,QImage.Format_RGB888)self.display_label.setPixmap(QPixmap.fromImage(q_img).scaled(self.display_label.size(),Qt.KeepAspectRatio))defadd_log(self,text):self.log_text.append(text)defstart_detect(self,source):self.stop_detect()self.detect_thread=DetectThread(self.model,source,self.result_dir)self.detect_thread.frame_signal.connect(self.show_frame)self.detect_thread.log_signal.connect(self.add_log)self.detect_thread.start()defdetect_image(self):file_path,_=QFileDialog.getOpenFileName(self,"选择图片","","图片文件 (*.jpg *.png *.jpeg)")ifnotfile_path:returnimg=cv2.imread(file_path)res=self.model(img,conf=0.25)draw_img=res[0].plot()self.show_frame(draw_img)total=len(res[0].boxes)confs=[f"{float(b.conf[0]):.2f}"forbinres[0].boxes]log=f"图片检测完成\n稻穗总数：{total}\n置信度：{confs}"self.add_log(log)os.makedirs(self.result_dir,exist_ok=True)cv2.imwrite(f"{self.result_dir}/img_result.jpg",draw_img)defdetect_video(self):file_path,_=QFileDialog.getOpenFileName(self,"选择视频","","视频文件 (*.mp4 *.avi)")iffile_path:self.start_detect(file_path)defdetect_camera(self):self.start_detect(0)defstop_detect(self):ifself.detect_threadandself.detect_thread.isRunning():self.detect_thread.stop_thread()self.detect_thread.quit()self.detect_thread.wait()defcloseEvent(self,event):self.stop_detect()event.accept()if__name__=="__main__":app=QApplication(sys.argv)ui=RiceDetectUI()ui.show()sys.exit(app.exec_())
