高清垃圾堆分割数据集，基于深度学习垃圾堆实例分割系统 YOLOv11-seg![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/ebdbb996598ab75161e8fb3bd76ec8ea.png)
6244张，yolo，voc，coco三种标注方式
图像尺寸:1200*1600
类别数量: 1 类![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/fb246f4c59be51ea36b87a4893c9f94c.png)

训练集图像:4929; 验证集图像:1313; 测试集图像:2
总图像数: 6244![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/ecd8b1468349dea324abd3ba9f12f515.png)


类别分布:
![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/6029e2f16d02f3857307bd9243062959.png)
类别名称 | 包含该类别的图像数 | 总标注数
----------------------------------------
sampah 垃圾堆 | 5725 | 9024

模型代码：模型训练使用yolov11n-seg训练，30个epoch训练结果，map如描述图所示。![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/0d637450ab85d908eadf6fe462e2ad10.png)

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![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/eb9b3f5c7248285e3977ade9068d86a8.png)
# 垃圾堆实例分割系统 YOLOv11-seg 完整代码
任务：露天/道路垃圾堆实例分割，类别：`sampah(垃圾堆)`
## 1、环境安装
```bash
pip install ultralytics opencv-python pyqt5 numpy
```

## 2、数据集配置文件 `garbage.yaml`
```yaml
path: ./garbage_dataset
train: images/train
val: images/val
test: images/test

names:
  0: sampah
```

## 3、模型训练脚本 `train.py`
```python
from ultralytics import YOLO

if __name__ == '__main__':
    # 加载YOLOv11实例分割模型
    model = YOLO("yolo11n-seg.pt")
    # 开始训练
    results = model.train(
        data="garbage.yaml",
        epochs=80,
        imgsz=640,
        batch=8,
        device=0,
        workers=2,
        amp=False,
        project="runs/train",
        name="garbage_seg"
    )
    print("训练完成！")
    # 模型评估
    metrics = model.val()
    print(f"mAP@0.5:{metrics.seg.map50}")
```

## 4、推理脚本 `predict.py`
```python
from ultralytics import YOLO
import cv2

model = YOLO("runs/train/garbage_seg/weights/best.pt")

def predict_image(img_path):
    res = model(img_path, conf=0.3)
    for r in res:
        img = r.plot()
        cv2.imwrite("result.jpg", img)
    return img

# 图片推理
predict_image("test.jpg")

# 视频推理
# model.predict("test.mp4", save=True, conf=0.3)
```

## 5、PyQt5可视化界面完整代码 `main_ui.py`
```python
import sys
import cv2
from PyQt5.QtWidgets import (QApplication, QMainWindow, QPushButton, QLabel, QFileDialog, QWidget, QHBoxLayout, QVBoxLayout)
from PyQt5.QtGui import QImage, QPixmap
from PyQt5.QtCore import Qt, QThread, pyqtSignal
from ultralytics import YOLO

model = YOLO("runs/train/garbage_seg/weights/best.pt")

class VideoThread(QThread):
    change_pixmap = pyqtSignal(QImage)
    def run(self):
        cap = cv2.VideoCapture(0)
        while cap.isOpened():
            ret, frame = cap.read()
            if not ret:break
            res = model(frame, conf=0.3)
            frame = res[0].plot()
            rgb = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
            h,w,ch = rgb.shape
            qimg = QImage(rgb.data, w, h, ch*w, QImage.Format_RGB888)
            self.change_pixmap.emit(qimg)
        cap.release()

class MainWindow(QMainWindow):
    def __init__(self):
        super().__init__()
        self.setWindowTitle("YOLOv11-seg 垃圾堆分割系统")
        self.setGeometry(100,100,1400,800)
        self.thread = None
        w = QWidget()
        self.setCentralWidget(w)
        main_layout = QVBoxLayout(w)
        btn_layout = QHBoxLayout()

        self.btn_img = QPushButton("选择图片")
        self.btn_video = QPushButton("选择视频")
        self.btn_cam = QPushButton("摄像头")
        self.btn_save = QPushButton("保存结果")
        self.btn_img.clicked.connect(self.load_img)
        self.btn_video.clicked.connect(self.load_video)
        self.btn_cam.clicked.connect(self.open_cam)

        btn_layout.addWidget(self.btn_img)
        btn_layout.addWidget(self.btn_video)
        btn_layout.addWidget(self.btn_cam)
        btn_layout.addWidget(self.btn_save)

        img_layout = QHBoxLayout()
        self.label_src = QLabel("原图")
        self.label_res = QLabel("分割结果")
        self.label_src.setFixedSize(640,480)
        self.label_res.setFixedSize(640,480)
        img_layout.addWidget(self.label_src)
        img_layout.addWidget(self.label_res)

        main_layout.addLayout(btn_layout)
        main_layout.addLayout(img_layout)

    def load_img(self):
        file,_ = QFileDialog.getOpenFileName(self,"打开图片","","*.jpg;*.png")
        if file:
            src = cv2.imread(file)
            rgb_src = cv2.cvtColor(src,cv2.COLOR_BGR2RGB)
            h,w,ch = rgb_src.shape
            q_src = QImage(rgb_src.data,w,h,ch*w,QImage.Format_RGB888)
            self.label_src.setPixmap(QPixmap.fromImage(q_src))

            res = model(file,conf=0.3)
            img_res = res[0].plot()
            rgb_res = cv2.cvtColor(img_res,cv2.COLOR_BGR2RGB)
            q_res = QImage(rgb_res.data,w,h,ch*w,QImage.Format_RGB888)
            self.label_res.setPixmap(QPixmap.fromImage(q_res))

    def load_video(self):
        path,_ = QFileDialog.getOpenFileName(self,"打开视频","","*.mp4")
        if path:
            model.predict(path,save=True,conf=0.3)

    def open_cam(self):
        self.thread = VideoThread()
        self.thread.change_pixmap.connect(self.show_frame)
        self.thread.start()
    def show_frame(self,img):
        self.label_res.setPixmap(QPixmap.fromImage(img))

if __name__ == '__main__':
    app = QApplication(sys.argv)
    win = MainWindow()
    win.show()
    sys.exit(app.exec())
```
运行：`python main_ui.py`，功能：图片/视频/摄像头实时垃圾堆实例分割，输出mask掩码+检测框。



高清垃圾堆分割数据集，基于深度学习垃圾堆实例分割系统 YOLOv11-seg6244张，yolo，voc，coco三种标注方式图像尺寸:1200*1600类别数量: 1 类

基于深度学习垃圾堆实例分割系统 YOLOv11-seg 垃圾实例分割数据集

人工智能

编程语言

开发工具

基于YOLOv11-seg的垃圾堆实例分割系统，包含6244张高清图像数据集（1200×1600分辨率），提供YOLO/VOC/COCO三种标注格式，覆盖5725个垃圾堆场景共9024个标注实例。系统集成PyQt5图形界面，支持图片、视频及摄像头实时分割，输出mask掩码与检测框，已预训练模型可直接部署使用。

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

基于深度学习垃圾堆实例分割系统 YOLOv11-seg 垃圾实例分割数据集-腾讯云开发者社区-腾讯云

基于深度学习垃圾堆实例分割系统 YOLOv11-seg 垃圾实例分割数据集

基于深度学习垃圾堆实例分割系统 YOLOv11-seg 垃圾实例分割数据集

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐