垃圾分类检测数据集

互联网+环保，大数据监测和垃圾分类有了新手段。 #生活知识# #生活感悟# #科技生活变迁# #互联网+#

垃圾分类检测数据集-15,000 张图片 已发布目标检测数据集合集（持续更新）♻ 垃圾分类检测数据集介绍 数据集概览包含类别 应用场景 数据样本展示 使用建议 数据集特色 商业价值 技术标签 YOLOv8 训练实战 1. 环境配置 安装 YOLOv8 官方库 ultralytics 2. 数据准备2.1 数据标注格式（YOLO）2.2 文件结构示例2.3 创建 data.yaml 配置文件 3. 模型训练关键参数补充说明： 4. 模型验证与测试4.1 验证模型性能关键参数详解常用可选参数典型输出指标4.2 推理测试图像 5. 自定义推理脚本（Python） 6. 部署建议

已发布目标检测数据集合集（持续更新）

数据集名称图像数量应用方向博客链接 电网巡检检测数据集1600 张电力设备目标检测点击查看 火焰 / 烟雾 / 人检测数据集10000张安防监控，多目标检测点击查看 高质量车牌识别数据集10,000 张交通监控 / 车牌识别点击查看 农田杂草航拍检测数据集1,200 张农业智能巡检点击查看 航拍绵羊检测数据集1,700 张畜牧监控 / 航拍检测点击查看️ 热成像人体检测数据集15,000 张热成像下的行人检测点击查看 安全背心检测数据集3,897 张工地安全 / PPE识别点击查看 火箭检测数据集介绍12,000 张智慧医疗 / 养老护理点击查看⚡ 绝缘子故障检测数据集2,100张无人机巡检/智能运维点击查看交通标志检测数据集1866张智能驾驶系统/地图数据更新点击查看 道路交通标志检测数据集2,000张智能地图与导航/交通监控与执法点击查看 口罩检测数据集1,600张疫情防控管理/智能门禁系统点击查看 野生动物检测数据集5,138张野生动物保护监测/智能狩猎相机系统点击查看 水果识别数据集2,611张图片智能零售/智慧农业点击查看 无人机目标检测数据集14,751张无人机检测/航拍图像点击查看 吸烟行为检测数据集2,108张公共场所禁烟监控/健康行为研究点击查看️ 道路坑洞检测数据集8,300张智能道路巡检系统/车载安全监测设备点击查看️ 井盖识别数据集2,700 张道路巡检 智能城市点击查看 消防器材检测数据集9,600 张智慧安防系统 自动审核系统点击查看 手机通话检测数据集3,100张智能监控系统 驾驶安全监控点击查看 建筑工地车辆检测数据集28,000 张施工现场安全监控 智能工地管理系统点击查看 游泳人员检测数据集4,500 张游泳池安全监控 海滩救生系统点击查看 植物病害检测数据集6,200 张智能农业监测系统 家庭园艺助手点击查看 鸟类计算机视觉数据集6,200 张鸟类保护监测 生态环境评估点击查看 无人机计算机视觉数据集7,000 张空域安全监管 无人机反制系统点击查看️ Aerial_Tank_Images 坦克目标检测数据集2,200 张军事目标识别与侦查 卫星遥感目标识别点击查看♻️ 塑料可回收物检测数据集10,000 张智能垃圾分类系统 环保回收自动化点击查看 建筑物实例分割数据集9,700 张城市规划与发展 智慧城市管理点击查看 人脸情绪检测数据集9,400 张智能客服系统 在线教育平台点击查看 红外人员车辆检测数据集53,000 张智能安防监控系统 边境安全防控点击查看 停车空间检测数据集3,100 张实时车位导航系统 智能停车收费管理点击查看

每篇文章附带模型指标、训练思路与推理部署建议，欢迎点赞收藏支持~

♻ 垃圾分类检测数据集介绍

数据集概览

本项目是WasteAI团队构建的多类别垃圾目标检测数据集，共包含约 15,000 张图像，主要用于训练深度学习模型在不同场景中精准识别和分类各类垃圾（如纸板、玻璃、金属、纸张、塑料等）。

图像数量：15,000 张类别数：5 类适用任务：目标检测（Object Detection）适配模型：YOLOv5、YOLOv8、Faster R-CNN、SSD 等主流框架性能指标： mAP@50：90.3%Precision：89.8%Recall：85.4% 包含类别 类别英文名称描述cardboardCardboard纸板、硬纸箱等glassGlass各类玻璃瓶、玻璃容器metalMetal金属罐、易拉罐等paperPaper报纸、宣传单、纸杯等plasticPlastic塑料瓶、塑料包装、塑料杯等

数据集覆盖生活中常见的五大垃圾类型，支持智能垃圾分类系统与环保监测的模型训练。

应用场景

该数据集适用于以下主要场景与研究方向：

智能垃圾分类
自动识别不同类别垃圾，提升垃圾分类效率与准确率。

回收站与环保设施自动化
辅助回收系统自动分拣，提高再利用率。

公共区域清洁监测
城市街道、校园、景区等公共区域垃圾自动识别与清洁调度。

环保机器人
为自动拾取垃圾的机器人提供视觉识别能力。

水域与自然环境垃圾监测
识别漂浮物与自然环境中的污染物，支持环保执法与治理。

数据样本展示

以下展示部分数据集内的样本图片（均带有目标检测框）：

数据集特点：

多场景：室内、户外、垃圾桶、回收站等多种背景多角度：俯视、平视、倾斜等多视角拍摄多光照：自然光、室内灯光、昏暗环境等多样化目标尺寸：从小型包装到大型纸板箱复杂背景干扰：重叠、遮挡、多目标混合场景

使用建议

数据预处理

图像尺寸统一（推荐640x640或832x832）光照归一化处理，减少光线差异影响数据增强：翻转、旋转、颜色抖动等

模型训练

使用COCO预训练权重进行迁移学习多尺度训练提升对不同尺寸垃圾的检测能力针对小目标优化anchor配置

部署优化

模型轻量化以支持边缘设备推理速度优化，满足实时检测需求低功耗部署以延长设备续航

数据集特色

高精度标注：确保检测框精准匹配目标覆盖全面：五大垃圾类别全覆盖场景丰富：多光照、多背景、多目标性能优异：mAP@50 达 90.3%应用广泛：可用于城市、乡村、工业等多种环境

商业价值

该数据集在以下领域具有重要商业价值：

智慧城市：为智能环卫与垃圾分类系统提供核心数据环保科技：支持环保监测与治理机器人制造：为自主导航清洁与回收机器人提供视觉识别能力教育与科研：作为机器学习和计算机视觉研究的高质量训练数据

技术标签

计算机视觉 目标检测 垃圾分类 塑料检测 金属检测 纸张检测 YOLO 智慧城市 智能环保 边缘计算

注意: 本数据集可用于研究、教育与商业用途，使用时需遵守相关法律法规，确保数据使用符合环保与伦理要求。

YOLOv8 训练实战

本教程介绍如何使用 YOLOv8 对目标进行识别与检测。涵盖环境配置、数据准备、训练模型、模型推理和部署等全过程。

1. 环境配置

建议使用 Python 3.8+，并确保支持 CUDA 的 GPU 环境。

# 创建并激活虚拟环境（可选） python -m venv yolov8_env source yolov8_env/bin/activate # Windows 用户使用 yolov8_env\Scripts\activate

bash

123

安装 YOLOv8 官方库 ultralytics

pip install ultralytics

bash

1

2. 数据准备

2.1 数据标注格式（YOLO）

每张图像对应一个 .txt 文件，每行代表一个目标，格式如下：

<class_id> <x_center> <y_center> <width> <height>

plaintext

1

所有值为相对比例（0~1）。

类别编号从 0 开始。

2.2 文件结构示例

datasets/ ├── images/ │ ├── train/ │ └── val/ ├── labels/ │ ├── train/ │ └── val/

plaintext

1234567 2.3 创建 data.yaml 配置文件

path: ./datasets train: images/train val: images/val nc: 11 names: ['Bent_Insulator', 'Broken_Insulator_Cap', '', ...]

yaml

123456

3. 模型训练

YOLOv8 提供多种模型：yolov8n, yolov8s, yolov8m, yolov8l, yolov8x。可根据设备性能选择。

yolo detect train \ model=yolov8s.pt \ data=./data.yaml \ imgsz=640 \ epochs=50 \ batch=16 \ project=weed_detection \ name=yolov8s_crop_weed

bash

12345678 参数类型默认值说明model字符串-指定基础模型架构文件或预训练权重文件路径（.pt/.yaml）data字符串-数据集配置文件路径（YAML 格式），包含训练/验证路径和类别定义imgsz整数640输入图像的尺寸（像素），推荐正方形尺寸（如 640x640）epochs整数100训练总轮次，50 表示整个数据集会被迭代 50 次batch整数16每个批次的样本数量，值越大需要越多显存project字符串-项目根目录名称，所有输出文件（权重/日志等）将保存在此目录下name字符串-实验名称，用于在项目目录下创建子文件夹存放本次训练结果 关键参数补充说明：

model=yolov8s.pt

使用预训练的 YOLOv8 small 版本（平衡速度与精度）可用选项：yolov8n.pt(nano)/yolov8m.pt(medium)/yolov8l.pt(large)

data=./data.yaml

# 典型 data.yaml 结构示例 path: ../datasets/weeds train: images/train val: images/val names: 0: Bent_Insulator 1: Broken_Insulator_Cap 2: ... 3: ...

yaml

123456789

4. 模型验证与测试

4.1 验证模型性能

yolo detect val \ model=runs/detect/yolov8s_crop_weed/weights/best.pt \ data=./data.yaml

bash

123 参数类型必需说明model字符串是要验证的模型权重路径（通常为训练生成的 best.pt 或 last.pt）data字符串是与训练时相同的 YAML 配置文件路径，需包含验证集路径和类别定义 关键参数详解

model=runs/detect/yolov8s_crop_weed/weights/best.pt

使用训练过程中在验证集表现最好的模型权重（best.pt）替代选项：last.pt（最终epoch的权重）路径结构说明：

runs/detect/ └── [训练任务名称]/ └── weights/ ├── best.pt # 验证指标最优的模型 └── last.pt # 最后一个epoch的模型 12345

data=./data.yaml

必须与训练时使用的配置文件一致确保验证集路径正确：

val: images/val # 验证集图片路径 names: 0: crop 1: weed

yaml

1234 常用可选参数 参数示例值作用batch16验证时的批次大小imgsz640输入图像尺寸（需与训练一致）conf0.25置信度阈值（0-1）iou0.7NMS的IoU阈值device0/cpu选择计算设备save_jsonTrue保存结果为JSON文件 典型输出指标

Class Images Instances P R mAP50 mAP50-95 all 100 752 0.891 0.867 0.904 0.672 crop 100 412 0.912 0.901 0.927 0.701 weed 100 340 0.870 0.833 0.881 0.643

text

1234 4.2 推理测试图像

yolo detect predict \ model=runs/detect/yolov8s_crop_weed/weights/best.pt \ source=./datasets/images/val \ save=True

bash

1234

5. 自定义推理脚本（Python）

from ultralytics import YOLO import cv2 # 加载模型 model = YOLO('runs/detect/yolov8s_crop_weed/weights/best.pt') # 推理图像 results = model('test.jpg') # 可视化并保存结果 results[0].show() results[0].save(filename='result.jpg')

python

运行

123456789101112

6. 部署建议

✅ 本地运行：通过 Python 脚本直接推理。

Web API：可用 Flask/FastAPI 搭建检测接口。

边缘部署：YOLOv8 支持导出为 ONNX，便于在 Jetson、RKNN 等平台上部署。

导出示例：

yolo export model=best.pt format=onnx

bash

1

总结流程

阶段内容✅ 环境配置安装 ultralytics, PyTorch 等依赖✅ 数据准备标注图片、组织数据集结构、配置 YAML✅ 模型训练使用命令行开始训练 YOLOv8 模型✅ 验证评估检查模型准确率、mAP 等性能指标✅ 推理测试运行模型检测实际图像目标✅ 高级部署导出模型，部署到 Web 或边缘设备

网址：垃圾分类检测数据集 https://www.yuejiaxmz.com/news/view/1350353

相关内容

智能生活垃圾检测与分类系统（UI界面+YOLOv5+训练数据集）
垃圾分类图片数据集
智能生活垃圾检测与分类系统：开启垃圾分类新时代
基于深度学习的生活垃圾检测与分类系统（网页版+YOLOv8/v7/v6/v5代码+训练数据集）
中文生活垃圾分类数据集
深度学习垃圾分类数据集
生活垃圾数据集（YOLO版）
“华为云杯”2020深圳开放数据应用创新大赛·生活垃圾图片分类（目标检测）
垃圾分类让大数据更好的掌握你的生活
基于YOLOv5的可回收垃圾检测与分类算法研究

随便看看