![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/c3ebeb4bd23fa637da9c432c49aadcfb.png)
1
![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/709a4f3021ba6fa72de4e4bb7ddc7266.png)
1
![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/4a27c4153d0db95cb9194d9e5b1fe808.png)
1
![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/5a2a4a7b3ccd0b4c93cba1e9e3d873f3.png)

1
![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/4d625bddaec6d653329536951558b552.png)
# 海上塑料漂浮垃圾目标检测数据集（SMP01_01_GhadiraBay）
## 一、数据集信息汇总表
|项目|参数详情|
| ---- | ---- |
|数据集名称|SMP01_01_GhadiraBay 海面塑料漂浮物检测数据集|
|任务类型|目标检测 Object Detection|
|图像总数|913张|
|识别类别（4类）|Plastic-Bottles（塑料瓶）<br>Plastic-Buoys（塑料浮标）<br>Plastic-Container（塑料容器）<br>Plastic-Unid-Floating（漂浮塑料杂物）|
|采集场景|近海海域航拍图像，海面漂浮塑料垃圾遥感/航拍检测场景|
|标注格式|支持导出标准YOLO TXT、VOC XML、COCO JSON格式|
|适用模型|YOLOv8/v10/v11全系列目标检测模型|
|应用方向|海洋环境监测、无人机海上漂浮垃圾巡检、近海污染智能识别、水环境治理算法研究|

## 二、YOLO数据集配置文件 `marine_plastic.yaml`
```yaml
path: ./marine_plastic_dataset
train: images/train
val: images/val

nc: 4
names:
  0: Plastic-Bottles
  1: Plastic-Buoys
  2: Plastic-Container
  3: Plastic-Unid-Floating
```

## 三、YOLO训练代码
```python
from ultralytics import YOLO

def train_marine_plastic():
    model = YOLO("yolo11s.pt")
    result = model.train(
        data="./marine_plastic_dataset/marine_plastic.yaml",
        epochs=100,
        imgsz=640,
        batch=12,
        device=0,
        workers=4,
        augment=True,
        mosaic=1.0,
        lr0=0.0008,
        patience=18,
        project="runs/train",
        name="marine_plastic_detect",
        exist_ok=True
    )
    metrics = model.val()
    print(f"整体mAP@0.5 = {metrics.box.map50:.4f}")

if __name__ == "__main__":
    train_marine_plastic()
```

## 四、推理代码
```python
from ultralytics import YOLO

model = YOLO("runs/train/marine_plastic_detect/weights/best.pt")

if __name__ == "__main__":
    pred = model.predict(
        source="sea_test.jpg",
        conf=0.25,
        iou=0.45,
        save=True
    )
```

：近海航拍海上塑料漂浮垃圾目标检测数据集｜4类913张 YOLO格式
正文：
海面漂浮塑料垃圾航拍目标检测数据集，近海海域实拍航拍图像，适合无人机海洋污染巡检算法训练。
📦数据概况
图像总量：913张
目标类别共4类：塑料瓶、塑料浮标、塑料容器、未知漂浮塑料杂物
可导出标准YOLO标注格式，拿来直接训练。

✅适用场景
无人机海洋环境巡检、近海漂浮垃圾智能识别、海洋污染监测、水环境治理视觉算法、遥感航拍目标检测课题、毕业设计。

## 六、关键词标签
#海上漂浮垃圾数据集 #海洋塑料检测 #无人机海洋巡检 #海面垃圾目标检测 #YOLO航拍数据集 #海洋环境监测 #近海污染识别数据集



：近海航拍海上塑料漂浮垃圾目标检测数据集｜4类913张 YOLO格式正文：海面漂浮塑料垃圾航拍目标检测数据集，近海海域实拍航拍图像，适合无人机海洋污染巡检算法训练。📦数据概况图像总量：913张目标类别共4类：塑料瓶、塑料浮标、塑料容器、未知漂浮塑料杂物可导出标准YOLO标注格式，拿来直接训练。

YOLO模型如何训练 红外鸟类目标检测数据集 红外航拍海鸟目标检测数据集｜6类1109张 YOLO格式 正文： 海上红外鸟类监测数据集，全部为红外航拍图像，适配

人工智能

算法

"SMP01_01_GhadiraBay海面塑料漂浮物检测数据集包含913张近海航拍图像，支持YOLO/VOC/COCO格式，涵盖塑料瓶、浮标、容器等4类目标。适用于海洋环境监测、无人机巡检和污染识别算法开发，兼容YOLOv8/v10/v11全系列模型训练。"

智能识别

代码解释

容器

YOLO

2026上云采购 | AI焕新·智启新局

datainlong

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

YOLO模型如何训练 红外鸟类目标检测数据集 红外航拍海鸟目标检测数据集｜6类1109张 YOLO格式 正文： 海上红外鸟类监测数据集，全部为红外航拍图像，适配-腾讯云开发者社区-腾讯云

YOLO模型如何训练红外鸟类目标检测数据集红外航拍海鸟目标检测数据集｜6类1109张 YOLO格式正文：海上红外鸟类监测数据集，全部为红外航拍图像，适配

YOLO模型如何训练红外鸟类目标检测数据集红外航拍海鸟目标检测数据集｜6类1109张 YOLO格式正文：海上红外鸟类监测数据集，全部为红外航拍图像，适配

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

YOLO模型如何训练 红外鸟类目标检测数据集 红外航拍海鸟目标检测数据集｜6类1109张 YOLO格式 正文： 海上红外鸟类监测数据集，全部为红外航拍图像，适配

YOLO模型如何训练 红外鸟类目标检测数据集 红外航拍海鸟目标检测数据集｜6类1109张 YOLO格式 正文： 海上红外鸟类监测数据集，全部为红外航拍图像，适配

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

YOLO模型如何训练红外鸟类目标检测数据集红外航拍海鸟目标检测数据集｜6类1109张 YOLO格式正文：海上红外鸟类监测数据集，全部为红外航拍图像，适配

YOLO模型如何训练红外鸟类目标检测数据集红外航拍海鸟目标检测数据集｜6类1109张 YOLO格式正文：海上红外鸟类监测数据集，全部为红外航拍图像，适配