★ FEATURED ARTICLE 深度学习基于YOLOV11输煤线上煤炭煤矸石检测系统 传送带煤炭煤矸石检测数据集输煤线上煤炭煤矸石检测数据集2384张提供yolovoccoco三种标注方式图像尺寸:640*640类别数量:2类训练集图像数量:2032; 验证集图像数量:218 测试集图像数量:134类别名称: 每一类图像数 每一类标注数coal-煤炭2378,14744gangue-煤矸石1333,2085image num: 2384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4、运行环境Python3.8、opencv-python、PyQt5、torch支持 Windows、Linux 系统输煤线上煤炭、煤矸石检测数据集项目详情数据集名称输煤线上煤炭煤矸石检测数据集图像总数2384张图像尺寸640×640标注格式YOLO、VOC、COCO三种标注格式类别数量2类类别明细coal-煤炭2378张图14744个标注 gangue-煤矸石1333张图2085个标注数据集划分训练集2032张验证集218张测试集134张训练模型YOLOv11n训练轮次80 epoch配套源码训练测试全套源代码PyQt5可视化界面全套源码.ui、.qrc、.py、图标界面功能图片检测、视频检测、摄像头实时检测显示目标框、目标总数、置信度检测结果导出保存图形化操作无需命令行运行环境Python3.8、opencv-python、PyQt5、torch支持Windows、Linux✅ 应用场景煤矿输煤皮带在线智能分选自动区分煤炭与煤矸石煤炭洗选、选矿流水线智能质检、杂质识别工矿厂区皮带输送监控煤矸石自动分拣预警计算机毕业设计、课程大作业、目标检测对比消融实验矿石物料分选、工业流水线视觉检测算法调优验证✅ 应用价值采集于输煤皮带真实工业场景适配流水线物料检测业务同时提供YOLO/VOC/COCO三种标注适配各类主流检测框架配套完整训练代码可直接运行的PyQt5可视化推理程序开箱即用样本划分完备可直接训练、评估、测试模型降低二次开发成本 摘要输煤线上煤炭、煤矸石双类别目标检测数据集合计2384张640×640图像提供YOLO、VOC、COCO三种标注分为训练/验证/测试集。配套YOLOv11n训练测试源码、PyQt5可视化检测界面支持图片、视频、摄像头实时推理导出结果。适合煤矿皮带物料分选、煤矸石智能识别、工业流水线视觉检测方向算法研发与毕设科研。推文标签#煤矸石检测数据集 #输煤皮带AI分选 #煤炭物料识别 #YOLO双类别数据集 #工业视觉检测1、数据集yaml配置文件 coal_gangue.yamlpath:./coal_ganguetrain:images/trainval:images/valtest:images/testnames:0:coal1:gangue2、训练脚本 train.pyfromultralyticsimportYOLOif__name____main__:modelYOLO(yolo11n.pt)model.train(datacoal_gangue.yaml,epochs80,imgsz640,batch8,device0,workers2)3、PyQt5可视化推理界面 main.pyimportsysimportcv2importtorchfromPyQt5.QtWidgetsimport(QApplication,QMainWindow,QPushButton,QLabel,QFileDialog,QTableWidget,QTableWidgetItem,QComboBox)fromPyQt5.QtGuiimportQImage,QPixmapfromPyQt5.QtCoreimportQt,QTimerfromultralyticsimportYOLOclassMainWindow(QMainWindow):def__init__(self):super().__init__()self.setWindowTitle(基于YOLOv11的输煤线上煤炭煤矸石检测)self.resize(1200,800)self.modelYOLO(./runs/detect/train/weights/best.pt)self.timerQTimer()self.capNoneself.is_cameraFalse# 控件self.img_labelQLabel(self)self.img_label.setGeometry(20,60,600,500)self.result_tableQTableWidget(self)self.result_table.setGeometry(20,580,600,180)self.result_table.setColumnCount(5)self.result_table.setHorizontalHeaderLabels([序号,类别,置信度,xmin,ymin,xmax,ymax])self.btn_imgQPushButton(图片检测,self)self.btn_img.setGeometry(660,80,160,40)self.btn_img.clicked.connect(self.detect_image)self.btn_videoQPushButton(视频检测,self)self.btn_video.setGeometry(660,140,160,40)self.btn_video.clicked.connect(self.detect_video)self.btn_camQPushButton(摄像头,self)self.btn_cam.setGeometry(660,200,160,40)self.btn_cam.clicked.connect(self.open_camera)self.btn_saveQPushButton(保存结果,self)self.btn_save.setGeometry(660,280,160,40)defdetect_image(self):path,_QFileDialog.getOpenFileName()ifnotpath:returnimgcv2.imread(path)resself.model(img)[0]self.draw_result(img,res)defdetect_video(self):path,_QFileDialog.getOpenFileName()ifnotpath:returnself.capcv2.VideoCapture(path)self.timer.timeout.connect(self.read_frame)self.timer.start(30)defopen_camera(self):self.capcv2.VideoCapture(0)self.timer.timeout.connect(self.read_frame)self.timer.start(30)defread_frame(self):ret,frameself.cap.read()ifnotret:self.timer.stop()returnresself.model(frame)[0]self.draw_result(frame,res)defdraw_result(self,img,res):img_cpimg.copy()boxesres.boxes self.result_table.setRowCount(0)foridx,boxinenumerate(boxes):x1,y1,x2,y2map(int,box.xyxy[0])conffloat(box.conf[0])clsint(box.cls[0])cls_nameself.model.names[cls]cv2.rectangle(img_cp,(x1,y1),(x2,y2),(255,0,0),2)cv2.putText(img_cp,f{cls_name}{conf:.2f},(x1,y1-5),cv2.FONT_HERSHEY_SIMPLEX,0.5,(255,0,0),2)rowself.result_table.rowCount()self.result_table.insertRow(row)self.result_table.setItem(row,0,QTableWidgetItem(str(idx1)))self.result_table.setItem(row,1,QTableWidgetItem(cls_name))self.result_table.setItem(row,2,QTableWidgetItem(f{conf:.2f}))self.result_table.setItem(row,3,QTableWidgetItem(f{x1},{y1},{x2},{y2}))rgbcv2.cvtColor(img_cp,cv2.COLOR_BGR2RGB)h,w,crgb.shape qimgQImage(rgb.data,w,h,w*c,QImage.Format_RGB888)self.img_label.setPixmap(QPixmap.fromImage(qimg).scaled(self.img_label.size(),Qt.KeepAspectRatio))if__name____main__:appQApplication(sys.argv)winMainWindow()win.show()sys.exit(app.exec())4、requirements.txttorch ultralytics opencv-python pyqt5使用说明Python版本3.8把训练得到的best.pt放到对应路径修改代码内权重路径支持图片、视频、摄像头实时检测自动输出框、类别、置信度、坐标配套ui文件可自行用Qt Designer绘制和界面代码匹配
阅读完成 · 觉得有帮助？
