智慧航拍火点检测-大疆无人机拍摄多模态可见光-红外户外野火火点检测数据集。该数据集由无人机在多个户外场景中捕获包含11000余对配对的的RGB图像和热红外图像。每张图片的空间分辨率为640×480像素数据集共2.2GB采用labelimg标注标签格式为yolo格式标签类别包括烟雾、火焰、人员大疆无人机多模态可见光-红外野火检测数据集完整文档一、数据集基础参数总表项目类别详细参数信息数据集全称大疆无人机航拍可见光红外配对户外野火火点多模态检测数据集采集设备大疆消费级行业无人机拍摄场景野外山林、荒地、枯草林区、户外地表火情多种自然野外场景数据构成11000组图像对可见光RGB图 热红外图一一配对总图像数量22000张单张分辨率640 × 480数据集整体体积2.2GB标注工具LabelImg标注格式YOLO txt格式归一化坐标目标类别总数3类模态类型可见光RGB、热红外双模态对齐图像适用任务双模态融合火情目标检测、单模态红外火情检测、可见光烟火识别二、类别标签详情表类别ID标签名称英文标签目标特征说明0火焰fire明火火点、局部燃烧焰区红外画面热源特征显著1烟雾smoke火情升腾烟气、灰白色弥散烟团可见光辨识度更高2人员person野外火场周边巡查人员、救火作业人员三、数据集目录结构fire_multimodal_dataset/ ├── visible/ # 可见光RGB图像文件夹 │ ├── img_00001.jpg │ ├── img_00002.jpg │ ... ├── infrared/ # 配对热红外图像文件夹 │ ├── img_00001.jpg │ ├── img_00002.jpg │ ... ├── labels/ # YOLO标注txt文件双图共用一套标注 │ ├── img_00001.txt │ ├── img_00002.txt │ ... ├── dataset.yaml # YOLO训练配置文件四、适用应用场景森林草原火情早期预警无人机巡山双模态联动识别微弱小火点红外捕捉隐蔽热源、可见光区分烟雾提前排查山火隐患野外火灾现场态势监测火场范围测算、火焰蔓延追踪、烟雾扩散范围统计火场人员安全预警识别火场作业人员位置规避火情围困风险消防无人机机载端轻量化检测部署嵌入式设备搭载模型飞行途中实时推理火情目标多模态融合算法研发可见光红外特征融合检测算法训练、消融实验对比。五、YOLO训练配套文件与代码1. 数据集配置文件 dataset.yaml# 数据集路径path:./fire_multimodal_dataset# 训练集、验证集划分train:visible/trainval:visible/val# 如需红外单模态训练替换路径为 infrared/train、infrared/val# 类别数量与名称nc:3names:0:fire1:smoke2:person2. 基础轻量化YOLO训练代码YOLOv11s通用fromultralyticsimportYOLO# 加载预训练轻量化模型modelYOLO(yolo11s.pt)# 训练参数配置train_resultsmodel.train(datadataset.yaml,epochs100,# 训练轮次imgsz(640,480),# 匹配数据集分辨率640×480batch12,device0,# GPU编号CPU运行改为devicecpuconf0.25,patience15,saveTrue,pretrainedTrue,mosaic1.0,mixup0.0)# 训练完成后验证模型精度metricsmodel.val()print(fmAP0.5:{metrics.box.map50:.3f})3. 单张图像推理测试代码fromultralyticsimportYOLO# 载入训练好的最优权重modelYOLO(runs/detect/train/weights/best.pt)# 可见光图像推理res_vismodel.predict(sourcevisible/test.jpg,saveTrue)# 红外图像推理res_irmodel.predict(sourceinfrared/test.jpg,saveTrue)# 打印检测结果forresultinres_vis:boxesresult.boxesforboxinboxes:cls_idint(box.cls)conffloat(box.conf)xyxybox.xyxy.tolist()[0]print(f类别:{model.names[cls_id]}| 置信度:{conf:.2f}| 坐标:{xyxy})六、核心关键词大疆无人机、可见光红外多模态、双模态图像配对、野外野火检测、火点识别、烟雾检测、火场人员监测、YOLO数据集、LabelImg标注、山林火情预警、消防航拍巡检、红外热源检测、640×480分辨率 大疆无人机多模态可见光 - 红外野火检测数据集
智慧航拍火点检测-大疆无人机拍摄多模态可见光-红外户外野火火点检测数据集。该数据集由无人机在多个户外场景中捕获包含11000余对配对的的RGB图像和热红外图像。每张图片的空间分辨率为640×480像素数据集共2.2GB采用labelimg标注标签格式为yolo格式标签类别包括烟雾、火焰、人员大疆无人机多模态可见光-红外野火检测数据集完整文档一、数据集基础参数总表项目类别详细参数信息数据集全称大疆无人机航拍可见光红外配对户外野火火点多模态检测数据集采集设备大疆消费级行业无人机拍摄场景野外山林、荒地、枯草林区、户外地表火情多种自然野外场景数据构成11000组图像对可见光RGB图 热红外图一一配对总图像数量22000张单张分辨率640 × 480数据集整体体积2.2GB标注工具LabelImg标注格式YOLO txt格式归一化坐标目标类别总数3类模态类型可见光RGB、热红外双模态对齐图像适用任务双模态融合火情目标检测、单模态红外火情检测、可见光烟火识别二、类别标签详情表类别ID标签名称英文标签目标特征说明0火焰fire明火火点、局部燃烧焰区红外画面热源特征显著1烟雾smoke火情升腾烟气、灰白色弥散烟团可见光辨识度更高2人员person野外火场周边巡查人员、救火作业人员三、数据集目录结构fire_multimodal_dataset/ ├── visible/ # 可见光RGB图像文件夹 │ ├── img_00001.jpg │ ├── img_00002.jpg │ ... ├── infrared/ # 配对热红外图像文件夹 │ ├── img_00001.jpg │ ├── img_00002.jpg │ ... ├── labels/ # YOLO标注txt文件双图共用一套标注 │ ├── img_00001.txt │ ├── img_00002.txt │ ... ├── dataset.yaml # YOLO训练配置文件四、适用应用场景森林草原火情早期预警无人机巡山双模态联动识别微弱小火点红外捕捉隐蔽热源、可见光区分烟雾提前排查山火隐患野外火灾现场态势监测火场范围测算、火焰蔓延追踪、烟雾扩散范围统计火场人员安全预警识别火场作业人员位置规避火情围困风险消防无人机机载端轻量化检测部署嵌入式设备搭载模型飞行途中实时推理火情目标多模态融合算法研发可见光红外特征融合检测算法训练、消融实验对比。五、YOLO训练配套文件与代码1. 数据集配置文件 dataset.yaml# 数据集路径path:./fire_multimodal_dataset# 训练集、验证集划分train:visible/trainval:visible/val# 如需红外单模态训练替换路径为 infrared/train、infrared/val# 类别数量与名称nc:3names:0:fire1:smoke2:person2. 基础轻量化YOLO训练代码YOLOv11s通用fromultralyticsimportYOLO# 加载预训练轻量化模型modelYOLO(yolo11s.pt)# 训练参数配置train_resultsmodel.train(datadataset.yaml,epochs100,# 训练轮次imgsz(640,480),# 匹配数据集分辨率640×480batch12,device0,# GPU编号CPU运行改为devicecpuconf0.25,patience15,saveTrue,pretrainedTrue,mosaic1.0,mixup0.0)# 训练完成后验证模型精度metricsmodel.val()print(fmAP0.5:{metrics.box.map50:.3f})3. 单张图像推理测试代码fromultralyticsimportYOLO# 载入训练好的最优权重modelYOLO(runs/detect/train/weights/best.pt)# 可见光图像推理res_vismodel.predict(sourcevisible/test.jpg,saveTrue)# 红外图像推理res_irmodel.predict(sourceinfrared/test.jpg,saveTrue)# 打印检测结果forresultinres_vis:boxesresult.boxesforboxinboxes:cls_idint(box.cls)conffloat(box.conf)xyxybox.xyxy.tolist()[0]print(f类别:{model.names[cls_id]}| 置信度:{conf:.2f}| 坐标:{xyxy})六、核心关键词大疆无人机、可见光红外多模态、双模态图像配对、野外野火检测、火点识别、烟雾检测、火场人员监测、YOLO数据集、LabelImg标注、山林火情预警、消防航拍巡检、红外热源检测、640×480分辨率