单端信号与差分信号详解：从共模差模原理到PCB布局与示波器实测
2026/9/18 11:22:50
海洋垃圾检测数据集 | 海洋垃圾 塑料污染 环保监测9047期
数据集概述
本数据集专注于近岸及海洋环境中的垃圾识别与分类，服务于海洋生态保护、海岸带管理及污染防治。数据涵盖15类常见海洋废弃物，适配滩涂巡检、水下机器人目标识别及环保监测等应用。
数据集核心信息
| 数据要素 | 详细说明 |
|---|---|
| 类别 | 共15类（详见下方列表） |
| 数量 | 5100张图像 |
| 格式 | 支持YOLO（txt）与VOC（xml）两种主流标注格式 |
| 应用价值 | 1.海洋环保：支撑海滩、近海漂浮垃圾的自动化监测与清理规划。 2.污染治理：通过垃圾类别统计识别主要污染源，辅助政策制定。 3.生态评估：分析垃圾分布密度与类型，评估对海洋生物（如海龟、鸟类）的潜在威胁。 |
完整类别列表
| 序号 | 类别名称 | 中文释义 | 标注框数 |
|---|---|---|---|
| 1 | mask | 口罩 | 1572 |
| 2 | glove | 手套 | 1261 |
| 3 | gbottle | 玻璃瓶 | 484 |
| 4 | pbottle | 塑料瓶 | 1342 |
| 5 | plastic | 塑料制品 | 275 |
| 6 | pbag | 塑料袋 | 1631 |
| 7 | net | 渔网 | 744 |
| 8 | can | 金属罐 | 163 |
| 9 | metal | 金属制品 | 83 |
| 10 | misc | 杂物 | 257 |
| 11 | tire | 轮胎 | 3211 |
| 12 | rod | 鱼竿/杆状物 | 37 |
| 13 | cellphone | 手机 | 385 |
| 14 | electronics | 电子产品 | 196 |
| 15 | sunglasses | 太阳镜 | 18 |
数据三要素解析
类别与覆盖范围
- 数据集定义15个细分类别，覆盖个人防护用品（口罩、手套）、包装材料（塑料瓶、塑料袋、玻璃瓶）、渔业相关（渔网、浮球）、大型废弃物（轮胎）、电子废弃物（手机、电子产品）及其他杂物等。
- 该分类体系与联合国环境规划署（UNEP）海洋垃圾监测分类指南相衔接，具有较强的科研与政策支撑价值。
- 标注框总数约11000个，其中轮胎（3211）、塑料袋（1631）为数量最多的类别；太阳镜（18）、鱼竿（37）为稀有类别。
数据规模与格式
- 图像总量约5100张，规模充足，能支撑多类别海洋垃圾检测模型的训练。
- 同时提供YOLO与VOC两种通用标注格式，灵活适配不同目标检测框架。
- 图像与标签一一对应，数据结构规范，即拿即用。
配套资源与服务
- 附赠基于YOLOv11n训练完成的模型权重（30个epoch）与训练日志。
- 提供PyQt 可视化界面（含源码与部署文档），支持开箱即用的图片/视频检测演示。
- 如需其他 YOLO 版本训练或格式转换，可联系定制。
知识普及：海洋垃圾检测的环保意义
海洋垃圾是全球性环境问题，其中塑料废弃物占比最高，对海洋生态系统造成长期危害。基于视觉的自动化监测系统可搭载于海岸监控摄像头、无人机或水下机器人，实现大范围、高频次的垃圾分布调查。通过本数据集训练的模型，可支撑：
- 清理优先级排序：识别高污染区域与主要垃圾类型，合理分配清理资源。
- 源头追溯：通过垃圾类别与品牌标识，辅助识别主要污染行业与来源。
- 政策效果评估：对比不同时期检测数据，评估“禁塑令”等政策实施效果。
快速开始（代码示例）
YOLO 格式配置文件data.yaml示例：
train:./dataset/images/trainval:./dataset/images/valnc:15names:['mask','glove','gbottle','pbottle','plastic','pbag','net','can','metal','misc','tire','rod','cellphone','electronics','sunglasses']启动 YOLOv8 训练（或使用提供的预训练权重进行推理）：
fromultralyticsimportYOLO model=YOLO('yolov11n.pt')# 或加载提供的预训练权重model.train(data='data.yaml',epochs=50,imgsz=640,batch=16)标签
海洋垃圾塑料污染环保监测目标检测YOLO格式深度学习数据集计算机视觉