高清无人机航拍森林起火烟雾检测数据集1467张yolo标注方式图像尺寸:2048*1080类别数量:1 类训练集图像数量:1179; 验证集图像数量:248 测试集图像数量:40类别名称: smoke无人机航拍森林火灾烟雾检测数据集数据集参数表项目详情数据集名称无人机航拍森林火灾烟雾检测数据集图像总数1467张图像分辨率2048×1080标注格式YOLO 格式标注类别数量1类类别名称smoke烟雾训练集数量1179张验证集数量248张测试集数量40张训练网络YOLOv11n训练轮次30个epoch训练精度mAP0.50.960运行环境Python 3.8、OpenCV、PyQt5、PyTorch支持系统Windows / Linux配套文件完整数据集、YOLO标注文件、yaml配置文件、训练代码、训练好的模型权重、PyQt5界面源码、运行说明文档2.qt界面运行界面采用pyqt编写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描述图像3.模型代码模型训练使用yolov11n训练30个epoch训练结果map如描述图所示。YOLOv11 训练代码可直接复制运行# 1. 安装依赖# pip install ultralytics opencv-python torch# 2. 数据集配置文件 smoke_detection.yaml path: ./forest_smoke_dataset # 数据集根目录 train: images/train val: images/val test: images/test nc: 1 names: [smoke] fromultralyticsimportYOLOif__name____main__:# 加载YOLOv11n预训练模型modelYOLO(yolov11n.pt)# 启动训练resultsmodel.train(datasmoke_detection.yaml,epochs30,imgsz2048,batch4,# 2048分辨率显存占用高根据显卡调整16G显存建议设为4device0,workers2,projectforest_smoke_detection,nameyolov11n_smoke,patience10,# 早停策略augmentTrue,hsv_h0.015,hsv_s0.7,hsv_v0.4,flipud0.2,fliplr0.5,mosaic1.0)# 模型验证metricsmodel.val()print(fmAP0.5:{metrics.box.map50:.3f})print(fmAP0.5-0.95:{metrics.box.map:.3f})# 单张图片推理model.predict(test_smoke.jpg,saveTrue,conf0.25)PyQt5 界面核心代码fromPyQt5.QtWidgetsimportQApplication,QMainWindow,QFileDialogfromPyQt5.uicimportloadUifromultralyticsimportYOLOimportcv2importsysclassSmokeDetectUI(QMainWindow):def__init__(self):super().__init__()loadUi(smoke_detect.ui,self)self.modelYOLO(best.pt)self.btn_img.clicked.connect(self.detect_image)self.btn_video.clicked.connect(self.detect_video)self.btn_cam.clicked.connect(self.detect_camera)defdetect_image(self):path,_QFileDialog.getOpenFileName()ifpath:resultsself.model(path,conf0.25)self.display_results(results)defdetect_video(self):path,_QFileDialog.getOpenFileName()ifpath:capcv2.VideoCapture(path)whilecap.isOpened():ret,framecap.read()ifnotret:breakresultsself.model(frame,conf0.25)self.display_results(results)cv2.waitKey(1)defdetect_camera(self):capcv2.VideoCapture(0)whilecap.isOpened():ret,framecap.read()ifnotret:breakresultsself.model(frame,conf0.25)self.display_results(results)cv2.waitKey(1)defdisplay_results(self,results):forresultinresults:forboxinresult.boxes:x1,y1,x2,y2map(int,box.xyxy[0])cls_idint(box.cls[0])conffloat(box.conf[0])labelself.model.names[cls_id]print(f目标{label}置信度{conf:.2f}位置{x1},{y1},{x2},{y2})if__name____main__:appQApplication(sys.argv)winSmokeDetectUI()win.show()sys.exit(app.exec_())核心应用场景森林火灾早期预警无人机航拍实时检测森林烟雾提前发现火情实现早期灭火干预。森林防火巡逻林区日常无人机巡检自动识别烟雾辅助人工巡逻降低人力成本。火灾现场监测火情发生后无人机持续航拍跟踪烟雾扩散范围与火势变化。山林安防监控林区违规用火、焚烧行为识别预防人为火灾。生态保护区火情监测自然保护区、原始森林的全天候火情监测保护生态环境。