智慧林业无人机航拍森林火点分割数据集、林区明火实例分割数据、航拍野火检测数据集、森林防火AI分割源码、无人机火情识别模型、林业视觉检测数据集、YOLOv11n-seg分割代码、野外火点掩码分割、林区无人机防火检测数据
1148张，yolo，voc，coco标注方式
数据集统计信息
图像尺寸:416*416
类别数量: 1 类
训练集图像:711; 验证集图像:329; 测试集图像:108
总图像数: 1148
类别分布:
类别名称 | 包含该类别的图像数 | 总标注数
fire | 1142 | 3372
一、数据集信息表
| 项目 | 详细参数 |
|---|---|
| 数据集名称 | 无人机航拍森林火点实例分割数据集 |
| 总图像数量 | 1148张 |
| 图像尺寸 | 416×416 |
| 标注格式 | YOLO、VOC、COCO |
| 类别总数 | 1类 |
| 训练集 | 711张 |
| 验证集 | 329张 |
| 测试集 | 108张 |
| fire（火点） | 图像数：1142，标注数：3372 |
| 训练配置 | YOLOv11n-seg，训练轮次30 epoch |
| 配套资源 | 训练/推理源码、训练权重、PyQt5可视化界面全套源码 |
模型代码：模型训练使用yolov11n-seg训练，30个epoch训练结果，map如描述图所示。
qt界面：运行界面采用pyqt5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
二、YOLOv11-seg 代码
1. 配置文件forest_fire_seg.yaml
path:./datasets/forest_firetrain:images/trainval:images/valtest:images/testnc:1names:0:fire2. 训练、评估、推理代码
fromultralyticsimportYOLOimportwarnings warnings.filterwarnings("ignore")deftrain_fire_seg():model=YOLO("yolo11n-seg.pt")model.train(data="forest_fire_seg.yaml",epochs=30,imgsz=416,batch=16,device=0,workers=4,patience=8,project="runs/segment",name="forest_fire_seg",save=True,val=True)print("森林火点分割模型训练完成")defeval_model():model=YOLO("runs/segment/forest_fire_seg/weights/best.pt")metrics=model.val(data="forest_fire_seg.yaml",imgsz=416)print(f"检测mAP@0.5:{metrics.box.map50:.4f}")print(f"分割mAP@0.5:{metrics.seg.map50:.4f}")defseg_predict(source):model=YOLO("runs/segment/forest_fire_seg/weights/best.pt")results=model.predict(source=source,imgsz=416,conf=0.4,save=True,show_masks=True)returnresultsif__name__=="__main__":train_fire_seg()eval_model()# seg_predict("test.jpg")三、PyQt5 界面说明
基于PyQt5开发完整可视化界面，项目已完成模型训练。部署对应运行环境后即可直接使用，可直观展示火点分割掩码、目标信息，适配无人机航拍图像在线检测。
四、应用场景
- 森林消防巡检：无人机航拍林区，精准分割识别火点，实现早期火情预警
- 应急防灾：野外林区、自然保护区火情实时监测，辅助消防应急处置
- 智慧林业：搭建航拍智能防火系统，替代人工巡查，提升巡检效率
- 学术实训：航拍图像分割、火情识别方向毕业设计、课程设计与算法研究
- 算法竞赛：户外明火分割、小目标实例分割赛事基础数据集
