1. 项目背景与价值解析
海上异常目标检测是海事安全、渔业监管和环境保护等领域的关键技术需求。传统人工巡查方式受限于视野范围、天气条件和人力成本,而无人机航拍结合计算机视觉技术能够实现高效、低成本的广域监测。这个基于YOLO标注格式的无人机航拍数据集,填补了海上场景专用数据资源的空白,为相关领域的研究者和开发者提供了宝贵的训练素材。
在实际应用中,该数据集能够支持以下典型场景:
- 海上非法捕捞船只识别
- 油污泄漏区域监测
- 遇险船只或人员搜救
- 海洋漂浮物检测与追踪
提示:海上目标检测面临的特殊挑战包括波浪反光干扰、目标尺度变化大、背景复杂度高等特点,这使得专用数据集的建设尤为重要。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 数据集技术细节拆解
2.1 数据采集与标注规范
数据集采用DJI Mavic 3行业版无人机进行采集,飞行高度保持在150-300米之间,确保图像分辨率在10-20cm/像素。采集时段覆盖日出、正午、日落三个光照条件,包含平静海面、波浪海面两种典型背景。
标注遵循YOLOv5格式规范,每个标注文件包含:
code复制<object-class> <x_center> <y_center> <width> <height>
其中坐标值为归一化后的相对值(0-1之间)。我们定义了5类海上异常目标:
- 非法渔船(class 0)
- 油污区域(class 1)
- 漂浮集装箱(class 2)
- 遇险小船(class 3)
- 海上漂浮物(class 4)
2.2 数据集组成与统计
完整数据集包含12,458张有效图像,按7:2:1比例划分为:
- 训练集:8,720张
- 验证集:2,492张
- 测试集:1,246张
目标分布统计表:
| 类别 | 训练集数量 | 验证集数量 | 测试集数量 |
|---|---|---|---|
| 非法渔船 | 3,245 | 926 | 463 |
| 油污区域 | 1,872 | 535 | 267 |
| 漂浮集装箱 | 987 | 282 | 141 |
| 遇险小船 | 542 | 155 | 77 |
| 海上漂浮物 | 2,074 | 593 | 298 |
