智慧工业管道设备“跑冒滴漏”检测数据集2818张yolovoccoco三种标注方式图像尺寸:426*346尺寸不等类别数量:1类训练集图像数量:2256; 验证集图像数量:526 测试集图像数量:36类别名称: 每一类图像数 每一类标注数0-跑冒滴漏: 2818,7965image num: 2818一、管道设备跑冒滴漏检测数据集详情表项目详细参数数据集名称管道设备跑冒滴漏检测数据集总图像数量2818张图像尺寸426*346图像尺寸不统一标注格式YOLO、VOC、COCO类别总数1类类别信息0-跑冒滴漏图像数2818张标注框总数7965个训练集2256张验证集526张测试集36张二、YOLOv11 训练代码1. 数据集配置文件pipe_leak.yamlpath:./datasets/pipe_leaktrain:images/trainval:images/valtest:images/testnc:1names:0:跑冒滴漏2. 训练、验证、推理代码fromultralyticsimportYOLOimportwarnings warnings.filterwarnings(ignore)deftrain_pipe_leak():# 加载YOLOv11模型modelYOLO(yolo11n.pt)# 训练参数配置model.train(datapipe_leak.yaml,epochs80,imgsz640,batch12,device0,workers4,patience12,projectruns/train,namepipe_leak_detect,saveTrue,valTrue)print(模型训练完成)defeval_model():# 模型精度评估modelYOLO(runs/train/pipe_leak_detect/weights/best.pt)metricsmodel.val(datapipe_leak.yaml,imgsz640)print(fmAP0.5:{metrics.box.map50:.4f})defdetect_source(img_path):# 图像/视频推理检测modelYOLO(runs/train/pipe_leak_detect/weights/best.pt)resultsmodel.predict(sourceimg_path,imgsz640,conf0.45,saveTrue)returnresultsif__name____main__:train_pipe_leak()eval_model()# detect_source(test.jpg)三、应用场景工业巡检化工、电厂、油气厂区管道、阀门、设备智能化巡检自动识别渗漏故障市政运维城市给排水、燃气管道日常排查降低人工巡检成本设备运维管理厂区管线状态实时监测提前预警隐患规避安全事故科研与教学工业视觉、目标检测方向课程设计、毕业设计、算法研究智能安防系统结合摄像头、机器人巡检搭建工业智能故障检测平台算法竞赛工业缺陷检测、通用目标检测类竞赛基线数据
