​
带标注的塑料物品识别数据集，识别率95.3%，40797张图，支持yolo，coco json，voc xml,文末有模型训练代码

模型训练指标参数：

数据集拆分

总图数：40797 张图数
训练集

31800 张图

验证集

6076 张图

测试集

2921 张图

预处理

自动定向：应用

调整大小：拉伸到640x640

增强

单个训练样本生成 2 份扩增样本
翻转方式：水平翻转、垂直翻转
饱和度调整：浮动区间 -25% ~ +25%
亮度调整：浮动区间 -15% ~ +15%
曝光度调整：浮动区间 -14% ~ +14%
像素加噪：最多对 1.52% 的像素叠加噪声

数据集标签：

[‘plastic’]

标签解释

数据集图片和标注信息示例：

数据集下载：

yolo26:https://download.csdn.net/download/pbymw8iwm/92901109

yolo v12:https://download.csdn.net/download/pbymw8iwm/92901108

yolo v11:https://download.csdn.net/download/pbymw8iwm/92901110

yolo v9:https://download.csdn.net/download/pbymw8iwm/92901104

yolo v8:https://download.csdn.net/download/pbymw8iwm/92901106

yolo v7:https://download.csdn.net/download/pbymw8iwm/92901107

coco json:https://download.csdn.net/download/pbymw8iwm/92901105

pascal voc xml:https://download.csdn.net/download/pbymw8iwm/92901111

YOLO模型训练

下载数据集之后解压到当前文件夹，然后将 我的仓库 https://gitcode.com/pbymw8iwm/YOLOProject里的训练模型脚本复制到文件夹下，假设你使用的是yolov8来训练你就用 python train_yolov8.py
​​

模型验证测试情况：

验证测试代码：

#需要安装pip install ultralytics
from ultralytics import YOLO
import cv2
 
# 加载训练好的 YOLO .pt 模型
model = YOLO('best.pt')  # 替换为你实际的 .pt 模型文件路径
 
# 定义要测试的图片路径
image_path = './image.jpg'  # 替换为你实际的图片文件路径
 
# 使用模型对图片进行预测
results = model(image_path)
 
# 获取预测结果
for result in results:
    # 获取绘制了检测框的图片
    annotated_image = result.plot()
 
    # 显示图片
    cv2.imshow("YOLOv Inference", annotated_image)
 
    # 等待按键退出
    cv2.waitKey(0)
 
    # 关闭所有 OpenCV 窗口
    cv2.destroyAllWindows()