智慧工业遥感图像储罐实例分割数据集圆形矩形储罐检测、污水处理设施识别遥感实例分割数据集、国土工业巡检AI数据遥感储罐分割、工业设施检测、卫星影像实例分割、厂区设施识别

智慧工业遥感图像储罐实例分割数据集14230张yolovoccoco三种标注方式数据集统计信息图像尺寸:640*640类别数量: 3 类训练集图像:13336; 验证集图像:601; 测试集图像:293总图像数: 14230类别分布:类别名称 | 包含该类别的图像数 | 总标注数CT - 圆形储罐11048,77217RT - 矩形储罐12466,51753WTF - 污水处理设施10866,11303一、数据集信息表格1.1 基础信息项目详情数据集名称遥感图像储罐实例分割数据集总图像数量14230 张图像尺寸640×640标注格式YOLO、VOC、COCO类别总数3 类训练集13336 张验证集601 张测试集293 张1.2 类别分布序号英文类别中文类别含该类别图像数标注实例总数0CT圆形储罐11048772171RT矩形储罐12466517532WTF污水处理设施10866113031.3 类别列表names[CT,RT,WTF]二、应用场景能源园区遥感监测卫星/航拍遥感影像自动识别储罐、污水处理设施完成资产盘点。工业用地巡检大范围厂区设施统计、违建与设施状态排查。国土空间规划结合遥感数据分析工业设施分布辅助规划决策。实例分割算法研发遥感影像分割、大场景目标分割模型训练与科研竞赛。环境监管监测化工、污水配套设施布局助力生态环保督查。三、YOLOv11 训练推理代码3.1 环境依赖pipinstallultralytics torch opencv-python numpy3.2 配置文件storage_tank.yamlpath:./remote_sensing_tank_datasettrain:images/trainval:images/valtest:images/testnc:3names:0:CT1:RT2:WTF3.3 目录结构remote_sensing_tank_dataset/ ├── images/ │ ├── train/ │ ├── val/ │ └── test/ ├── labels/ # YOLO 分割标注 │ ├── train/ │ ├── val/ │ └── test/ ├── voc_annotations/ # VOC 标注 ├── coco_annotations/# COCO 标注 └── storage_tank.yaml3.4 训练代码train_tank.pyfromultralyticsimportYOLOdeftrain_tank_seg():modelYOLO(yolov11n-seg.yaml)model.train(datastorage_tank.yaml,epochs80,imgsz640,batch16,devicecpu,workers4,patience15,ampTrue,mosaic1.0,projectruns/train,nametank_seg,exist_okTrue)print(训练完成权重已保存)if__name____main__:train_tank_seg()3.5 推理代码predict_tank.pyfromultralyticsimportYOLO modelYOLO(runs/train/tank_seg/weights/best.pt)if__name____main__:resmodel(test.jpg,saveTrue,conf0.25)# res model(./test_imgs/, saveTrue, conf0.25)# res model(0, saveTrue, conf0.25)print(推理完成)