智慧城市建设路政无人机井盖检测数据集 -航拍路面井盖检测数据集，6709张，提供yolo，voc，coco三种标注方式
图像尺寸:640*640
类别数量:1类
训练集图像数量:459; 验证集图像数量:43； 测试集图像数量:22
类别名称: 每一类图像数 ，每一类标注数
jinggai-井盖: 520,3142
image num: 524
| 项目 | 详情 |
|---|---|
| 数据集名称 | 航拍路面井盖检测数据集 |
| 图像总数量 | 6709张（有效标注524张） |
| 图像尺寸 | 640*640 |
| 标注格式 | YOLO、VOC、COCO |
| 类别数量 | 1类 |
| 类别信息 | jinggai‑井盖：图像520张，标注框3142个 |
| 数据集划分 | 训练集：459张；验证集：43张；测试集：22张 |
| 标签 | jinggai（井盖） |
| 应用场景 | 1.无人机航拍道路巡检，路面井盖定位识别 2.城市市政设施普查、井盖缺失/移位前置检测 3.道路隐患排查、智慧城市路面设施统计 4.遥感航拍小目标检测算法训练实验 |
| 关键词 | 中文：航拍巡检，井盖检测，市政设施，道路目标检测，无人机路面巡检 英文：Aerial inspection，manhole cover detection，municipal facilities，UAV road detection |
data.yaml配置
path:./manhole_datasettrain:images/trainval:images/valtest:images/testnc:1names:0:jinggai简易训练代码 train.py
fromultralyticsimportYOLO model=YOLO("yolo11n.pt")results=model.train(data="data.yaml",epochs=80,imgsz=640,batch=12,device=0,project="manhole_run",name="jinggai_train")metric=model.val()print(f"mAP@0.5:{metric.box.map50:.3f}")推理代码 predict.py
fromultralyticsimportYOLO model=YOLO("manhole_run/jinggai_train/weights/best.pt")#单图推理res=model.predict("test.jpg",conf=0.25,save=True)forrinres:forboxinr.boxes:cls_id=int(box.cls)conf=float(box.conf)xyxy=box.xyxy[0].tolist()cls_name=model.names[cls_id]print(f"目标类别:{cls_name},置信度:{conf:.2f},坐标:{xyxy}")
