航拍视角高清图像工程车辆检测数据集9124张12GB数据量yolo和voc两种标注方式4类标注数量excavator - 挖掘机9612dump_truck - 自卸卡车10061bulldozer - 推土机1216compactor - 压实机40image num - 图像数量9124航拍视角高清图像工程车辆检测数据集一、数据集参数表项目详情数据集名称航拍视角工程车辆检测数据集图像总数9124张数据集大小12GB标注格式YOLO、VOC 双格式标注检测类别4类类别及标注数量excavator挖掘机9612个dump_truck自卸卡车10061个bulldozer推土机1216个compactor压实机40个训练模型YOLOv11n训练轮次30 epoch可视化界面PyQt 开发可视化检测界面内置训练完成权重配置环境即可直接运行配套文件完整原图、YOLO标注、VOC标注、数据集配置文件、训练代码、训练权重、Qt界面源码、使用说明文档运行环境Python、OpenCV、PyQt5、PyTorch适配系统Windows、Linux模型训练使用yolov11n训练30个epoch训练结果map如图所示。运行界面采用qt本项目已经训练好模型配置好环境后可直接使用运行效果见图像二、YOLOv11 全套训练代码1. 环境安装命令pipinstallultralytics opencv-python torch2. 数据集配置文件engineering_vehicle.yamlpath:./engineering_vehicle_datasettrain:images/trainval:images/valnc:4names:[excavator,dump_truck,bulldozer,compactor]3. 训练主代码fromultralyticsimportYOLOif__name____main__:# 加载YOLOv11n预训练权重modelYOLO(yolov11n.pt)# 模型训练train_resultsmodel.train(dataengineering_vehicle.yaml,epochs30,imgsz1920,batch6,device0,workers3,projectengineering_vehicle_detect,nameyolov11n_vehicle,patience8,augmentTrue,hsv_h0.015,hsv_s0.7,hsv_v0.4,flipud0.3,fliplr0.5,mosaic1.0)# 模型精度验证metricsmodel.val()print(fmAP0.5:{metrics.box.map50:.3f})print(fmAP0.5-0.95:{metrics.box.map:.3f})# 单图推理测试model.predict(test.jpg,saveTrue,conf0.25)4. PyQt5 可视化界面完整代码fromPyQt5.QtWidgetsimportQApplication,QMainWindow,QFileDialogfromPyQt5.uicimportloadUifromultralyticsimportYOLOimportcv2importsysclassVehicleDetectUI(QMainWindow):def__init__(self):super().__init__()loadUi(vehicle_detect.ui,self)# 加载训练好的最优权重self.modelYOLO(best.pt)# 绑定按钮事件self.btn_image.clicked.connect(self.detect_image)self.btn_video.clicked.connect(self.detect_video)self.btn_camera.clicked.connect(self.detect_camera)defdetect_image(self):path,_QFileDialog.getOpenFileName()ifpath:resultsself.model(path,conf0.25)self.show_result(results)defdetect_video(self):path,_QFileDialog.getOpenFileName()ifpath:capcv2.VideoCapture(path)whilecap.isOpened():ret,framecap.read()ifnotret:breakresultsself.model(frame,conf0.25)self.show_result(results)cv2.waitKey(1)cap.release()defdetect_camera(self):capcv2.VideoCapture(0)whilecap.isOpened():ret,framecap.read()ifnotret:breakresultsself.model(frame,conf0.25)self.show_result(results)cv2.waitKey(1)cap.release()defshow_result(self,results):total0forresinresults:forboxinres.boxes:total1x1,y1,x2,y2map(int,box.xyxy[0])cls_idxint(box.cls[0])conffloat(box.conf[0])cls_nameself.model.names[cls_idx]print(f目标{cls_name}| 置信度{conf:.2f}| 坐标{x1},{y1},{x2},{y2})print(f当前画面目标总数{total}\n)if__name____main__:appQApplication(sys.argv)windowVehicleDetectUI()window.show()sys.exit(app.exec_())三、应用场景工地无人机巡检航拍视角自动识别各类工程车辆统计设备在岗数量与作业状态。施工现场智能监管土石方工程、基建工地实时监测挖掘机、自卸车、推土机、压实机运行情况。工程车辆调度管理大范围工地车辆定位、盘点辅助管理人员合理调度设备。矿区/渣土场安防监控识别场内作业车辆规范行驶路线规避安全事故。智慧城市基建监测城市道路施工、大型基建项目远程可视化监管。土石方作业统计自动化统计车辆出勤频次辅助工程量核算。