智慧农林航拍油棕树健康检测数据集智慧农林AI检测源码、种植园航拍巡检模型、农作物长势视觉识别数据集、油棕植株长势识别数据集、5类油棕病虫害检测数据、YOLOv11n航拍检测、油棕黄化枯萎杂草识别、3131张航拍农林数据集3131张yolovoccoco三种标注方式图像尺寸:640*640类别数量:5类训练集图像数量:2192; 验证集图像数量:627 测试集图像数量:312类别名称: 每一类图像数 每一类标注数Small-小型植株2659,45224Healthy-健康植株3007,187061Dead-枯萎植株331,561Yellow-黄化植株1622,4889Grass-杂草303,845image num: 3131一、航拍油棕树健康检测数据集详情表项目详细参数数据集名称航拍油棕树健康检测数据集总图像数量3131张图像尺寸640×640标注格式YOLO、VOC、COCO类别总数5类训练集2192张验证集627张测试集312张Small小型植株图像数2659标注数45224Healthy健康植株图像数3007标注数187061Dead枯萎植株图像数331标注数561Yellow黄化植株图像数1622标注数4889Grass杂草图像数303标注数845训练配置YOLOv11n训练轮次80 epoch配套资源训练测试全套源码、训练权重、完整PyQt5界面源码及配套资源文件模型代码采用 YOLOv11n 网络训练训练轮次80 个 epoch提供全部训练 测试源代码训练精度 mAP 效果如图所示PyQt5 界面功能界面使用 PyQt5 开发提供全部源码.ui、.qrc、.py 及图标文件支持图片检测、视频检测、摄像头实时检测界面实时显示目标位置、目标总数、置信度等信息支持检测结果保存导出操作简单直观无需命令行二、YOLOv11 训练代码1. 数据集配置文件oil_palm.yamlpath:./datasets/oil_palmtrain:images/trainval:images/valtest:images/testnc:5names:0:Small1:Healthy2:Dead3:Yellow4:Grass2. 训练、验证、推理主代码fromultralyticsimportYOLOimportwarnings warnings.filterwarnings(ignore)deftrain_oil_palm():# 加载轻量化YOLOv11n模型modelYOLO(yolo11n.pt)model.train(dataoil_palm.yaml,epochs80,imgsz640,batch12,device0,workers4,patience15,projectruns/train,nameoil_palm_detect,saveTrue,valTrue)print(油棕树健康检测模型训练完成)defmodel_evaluation():# 模型精度评估modelYOLO(runs/train/oil_palm_detect/weights/best.pt)metricsmodel.val(dataoil_palm.yaml,imgsz640)print(fmAP0.5:{metrics.box.map50:.4f})defdetect_target(source):# 图片/视频/摄像头推理检测modelYOLO(runs/train/oil_palm_detect/weights/best.pt)resultsmodel.predict(sourcesource,imgsz640,conf0.4,saveTrue,show_labelsTrue,show_confTrue)returnresultsif__name____main__:train_oil_palm()model_evaluation()# detect_target(test.jpg)三、PyQt5 界面说明基于PyQt5开发提供.ui、.qrc、.py及图标等全套源码。支持图片、视频、摄像头实时检测界面实时展示目标位置、数量、置信度可保存导出检测结果纯图形化操作无需使用命令行。四、应用场景智慧农林航拍巡检大面积油棕种植园快速区分植株长势、病害、杂草辅助田间管理农林植保针对性处理枯萎、黄化植株精准开展养护与除草作业农业统计自动统计不同生长阶段油棕植株数量助力产量预估项目实训航拍目标检测、智慧农业方向课程设计、毕业设计、算法研究算法竞赛农林遥感、航拍目标检测类赛事基线数据集与模型农林信息化搭建种植园智能监测系统实现无人化远程巡检 智慧农林航拍油棕树健康检测数据集，智慧农林AI检测源码、种植园航拍巡检模型、农作物长势视觉识别数据集、油棕植株长势识别数据集、5类油棕病虫害检测数据、YOLOv11n航拍检测、油棕黄化枯萎杂草识别
智慧农林航拍油棕树健康检测数据集智慧农林AI检测源码、种植园航拍巡检模型、农作物长势视觉识别数据集、油棕植株长势识别数据集、5类油棕病虫害检测数据、YOLOv11n航拍检测、油棕黄化枯萎杂草识别、3131张航拍农林数据集3131张yolovoccoco三种标注方式图像尺寸:640*640类别数量:5类训练集图像数量:2192; 验证集图像数量:627 测试集图像数量:312类别名称: 每一类图像数 每一类标注数Small-小型植株2659,45224Healthy-健康植株3007,187061Dead-枯萎植株331,561Yellow-黄化植株1622,4889Grass-杂草303,845image num: 3131一、航拍油棕树健康检测数据集详情表项目详细参数数据集名称航拍油棕树健康检测数据集总图像数量3131张图像尺寸640×640标注格式YOLO、VOC、COCO类别总数5类训练集2192张验证集627张测试集312张Small小型植株图像数2659标注数45224Healthy健康植株图像数3007标注数187061Dead枯萎植株图像数331标注数561Yellow黄化植株图像数1622标注数4889Grass杂草图像数303标注数845训练配置YOLOv11n训练轮次80 epoch配套资源训练测试全套源码、训练权重、完整PyQt5界面源码及配套资源文件模型代码采用 YOLOv11n 网络训练训练轮次80 个 epoch提供全部训练 测试源代码训练精度 mAP 效果如图所示PyQt5 界面功能界面使用 PyQt5 开发提供全部源码.ui、.qrc、.py 及图标文件支持图片检测、视频检测、摄像头实时检测界面实时显示目标位置、目标总数、置信度等信息支持检测结果保存导出操作简单直观无需命令行二、YOLOv11 训练代码1. 数据集配置文件oil_palm.yamlpath:./datasets/oil_palmtrain:images/trainval:images/valtest:images/testnc:5names:0:Small1:Healthy2:Dead3:Yellow4:Grass2. 训练、验证、推理主代码fromultralyticsimportYOLOimportwarnings warnings.filterwarnings(ignore)deftrain_oil_palm():# 加载轻量化YOLOv11n模型modelYOLO(yolo11n.pt)model.train(dataoil_palm.yaml,epochs80,imgsz640,batch12,device0,workers4,patience15,projectruns/train,nameoil_palm_detect,saveTrue,valTrue)print(油棕树健康检测模型训练完成)defmodel_evaluation():# 模型精度评估modelYOLO(runs/train/oil_palm_detect/weights/best.pt)metricsmodel.val(dataoil_palm.yaml,imgsz640)print(fmAP0.5:{metrics.box.map50:.4f})defdetect_target(source):# 图片/视频/摄像头推理检测modelYOLO(runs/train/oil_palm_detect/weights/best.pt)resultsmodel.predict(sourcesource,imgsz640,conf0.4,saveTrue,show_labelsTrue,show_confTrue)returnresultsif__name____main__:train_oil_palm()model_evaluation()# detect_target(test.jpg)三、PyQt5 界面说明基于PyQt5开发提供.ui、.qrc、.py及图标等全套源码。支持图片、视频、摄像头实时检测界面实时展示目标位置、数量、置信度可保存导出检测结果纯图形化操作无需使用命令行。四、应用场景智慧农林航拍巡检大面积油棕种植园快速区分植株长势、病害、杂草辅助田间管理农林植保针对性处理枯萎、黄化植株精准开展养护与除草作业农业统计自动统计不同生长阶段油棕植株数量助力产量预估项目实训航拍目标检测、智慧农业方向课程设计、毕业设计、算法研究算法竞赛农林遥感、航拍目标检测类赛事基线数据集与模型农林信息化搭建种植园智能监测系统实现无人化远程巡检