yolo 目标检测光伏～无人机太阳能面板检测数据集深度学习YOLO模型如何训练无人机光伏太阳能面板缺陷检测数据集

计算机C9硕士_算法工程师

104人浏览 · 2026-07-27 08:51:05

计算机C9硕士_算法工程师 · 2026-07-27 08:51:05 发布

智慧识别-yolo 目标检测光伏～太阳能面板检测数据集在这里插入图片描述

【数据内容】在这里插入图片描述

适合航拍遥感、无人机视角，检测光伏板～太阳能面板，图片清晰标注，支持目标检测模型训练在这里插入图片描述
1

YOLO光伏太阳能面板检测数据集

一、数据集信息表

项目	详细说明
数据集名称	YOLO光伏太阳能面板检测数据集
适用视角	航拍、遥感、无人机俯拍视角
检测类别	共1类：solar_panel（光伏/太阳能面板）
标注状态	图片清晰、标注完整，开箱即用
数据格式	标准YOLO TXT格式，兼容主流目标检测框架
适用场景	无人机光伏巡检、遥感图像面板识别、新能源场地普查、YOLO模型训练、计算机视觉项目实训

二、核心标签

#光伏板检测 #太阳能面板识别 #无人机巡检 #航拍目标检测 #YOLO数据集 #遥感图像识别

三、数据集目录结构

solar_panel_dataset/
├── images/
│   ├── train/
│   ├── val/
│   └── test/
├── labels/
│   ├── train/
│   ├── val/
│   └── test/
└── solar_panel.yaml

四、数据集配置文件 solar_panel.yaml

path: ./solar_panel_dataset
train: images/train
val: images/val
test: images/test

nc: 1
names:
  0: solar_panel

五、环境依赖安装

pip install ultralytics torch opencv-python

六、训练代码 train_solar.py

from ultralytics import YOLO

if __name__ == "__main__":
    # 加载YOLO预训练权重，兼容YOLOv8、YOLOv11
    model = YOLO("yolov8s.pt")

    # 启动训练
    model.train(
        data="./solar_panel_dataset/solar_panel.yaml",
        epochs=100,
        imgsz=640,
        batch=16,
        device=0,       # 无GPU改为 device="cpu"
        workers=4,
        patience=15,
        project="runs/train",
        name="solar_panel_detect",
        exist_ok=True,
        pretrained=True
    )

    # 模型评估
    metrics = model.val(split="test")
    print(f"测试集 mAP@50: {metrics.box.map50:.4f}")
    print("训练完成，权重存放路径：runs/train/solar_panel_detect/weights")

七、推理测试代码 predict_solar.py

from ultralytics import YOLO
import cv2

# 加载训练好的最优模型
model = YOLO("runs/train/solar_panel_detect/weights/best.pt")

if __name__ == "__main__":
    img_path = "test_solar.jpg"
    results = model.predict(source=img_path, conf=0.25, iou=0.45, save=True)
    show_img = results[0].plot()
    
    cv2.imshow("Solar Panel Detection", show_img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()