无人机航拍河道垂钓检测数据集水域禁钓智能识别YOLO目标检测实战河道垂钓识别数据集无人机水域巡检非法垂钓检测深度学习目标检测垂钓行为AI识别数据集航拍图像标注YOLOv8/v11训练数据集智慧水利长江十年禁渔、河湖生态管护、景区水域安全已成为全国水利与环保治理核心刚需。传统人工巡检效率低、覆盖有限、夜间盲区大而无人机AI视觉正快速成为禁钓监管标配方案。高质量、高纯度、场景丰富的垂钓检测数据集是模型落地精度与泛化能力的关键保障。本文基于真实无人机航拍河道场景构建标准化垂钓检测数据集并提供完整YOLO训练推理代码助力水域智能巡检快速工程化落地。River Fishing Detection Dataset面向河道、湖泊、溪流等自然水域的垂钓行为智能检测数据集基于无人机航拍采集专注单类别垂钓目标精准标注适配YOLO系列模型快速训练广泛用于水域管理、禁钓区监控、无人机智能巡检、生态保护等工程场景。 数据集信息项目详情数据集名称河道垂钓检测数据集数据来源无人机航拍实景采集场景类型河道/湖泊/溪流等自然水域类别标签fishing垂钓者/垂钓行为总图像数量1176张训练集数量941张验证/测试集235张标注格式YOLO标准txt一对一标注标注质量人工精标、无漏标错标适用任务目标检测Object Detection推荐模型YOLOv5/YOLOv8/YOLOv11fishing_detection/ ├── dataset/ │ ├── images/ │ │ ├── train/ # 训练集图片 941张 │ │ └── val/ # 验证集图片 235张 │ └── labels/ │ ├── train/ # 训练集标注txt │ └── val/ # 验证集标注txt ├── config/ │ └── fishing.yaml # 数据集配置文件 ├── train.py # 训练脚本 ├── detect.py # 推理脚本 └── README.md⚙️ 数据集配置文件fishing.yaml# 河道垂钓检测数据集配置# 适配YOLOv8/YOLOv11训练路径按实际项目调整train:../dataset/images/train# 训练集路径val:../dataset/images/val# 验证集路径nc:1# 类别数量仅垂钓1类names:[fishing]# 类别名称 YOLOv8 训练代码带场景注释# -*- coding: utf-8 -*- 河道垂钓检测训练脚本 适配无人机航拍低小目标、水面反光、远距离垂钓场景 优化置信度、iou与多尺度训练提升岸边垂钓识别率 fromultralyticsimportYOLOimporttorchdefmain():# 加载预训练模型小样本场景推荐s/m以平衡速度与精度modelYOLO(yolov8s.pt)# 无人机航拍垂钓场景训练参数model.train(data./config/fishing.yaml,# 数据集配置epochs100,# 训练轮数batch16,# 批次大小imgsz640,# 输入尺寸device0iftorch.cuda.is_available()elsecpu,workers4,# 数据加载线程lr00.01,# 初始学习率lrf0.01,# 最终学习率momentum0.937,# 动量weight_decay0.0005,# 权重衰减warmup_epochs3,# 热身轮数cos_lrTrue,# 余弦学习率# 垂钓场景关键优化conf0.25,# 置信度阈值iou0.45,# NMS阈值augmentTrue,# 数据增强hsv_h0.015,hsv_s0.7,hsv_v0.4,# 色调饱和度degrees5.0,# 旋转角度perspective0.001,# 透视变换flipud0.0,# 垂直翻转关闭fliplr0.5,# 水平翻转开启# 保存与日志saveTrue,save_period10,bestTrue,projectruns/train,namefishing_detect_v1)if__name____main__:main() 推理检测代码带场景注释# -*- coding: utf-8 -*- 无人机航拍垂钓实时推理 输出带检测框图片支持批量/单张/视频推理 适用于河道巡检回传图像自动识别违规垂钓 fromultralyticsimportYOLOimportcv2importosdeffishing_detect(image_path,model_path./runs/train/fishing_detect_v1/weights/best.pt):# 加载训练完成的垂钓检测模型modelYOLO(model_path)# 低置信度过滤避免水面杂物误检resultsmodel(image_path,conf0.3,iou0.5)# 绘制并保存结果imgcv2.imread(image_path)forresultinresults:boxesresult.boxesforboxinboxes:x1,y1,x2,y2map(int,box.xyxy[0])cv2.rectangle(img,(x1,y1),(x2,y2),(0,255,0),2)confround(box.conf[0].item(),2)cv2.putText(img,ffishing{conf},(x1,y1-10),cv2.FONT_HERSHEY_SIMPLEX,0.6,(0,255,0),2)save_path./result/os.makedirs(save_path,exist_okTrue)cv2.imwrite(save_pathos.path.basename(image_path),img)print(f检测完成已保存至{save_path})if__name____main__:fishing_detect(./test.jpg)✅ 数据集优势场景真实无人机实拍河道/湖泊/溪流覆盖不同光照、岸线、距离标注精准人工逐图精标无漏标错标适配小目标垂钓检测格式标准YOLO txt标注开箱即用直接对接YOLOv5/v8/v11划分规范训练/验证严格分离便于模型评估与迭代工程友好支持无人机巡检、边缘端部署、水利平台对接 深度思考与工程优化小目标优化无人机航拍中垂钓者占比小建议使用高分辨率输入640→960、PAN结构加强、小锚框调整提升远距离检测召回率。水域干扰抑制水面反光、波纹、船只易造成误检可加入水面分割预处理、HSV动态阈值、时序滤波降低环境噪声。轻量化部署巡检设备算力有限推荐YOLOv8n/nano量化为ONNX/TensorRT实现端侧实时推理单图推理50ms。业务闭环识别→告警→取证→台账自动生成对接无人机飞控与水利平台形成全自动禁钓监管闭环。 适用场景河道/湖泊/水库禁钓区智能监控无人机自动巡检与违规识别智慧水利/生态保护AI系统水域安全与景区管理垂钓行为识别算法研究与竞赛希望以上信息可以帮助你更好的构建计算机视觉平台专注致力于目标检测建设#无人机航拍 #垂钓检测 #目标检测 #YOLOv8 #水域巡检 #非法垂钓识别 #智慧水利 #深度学习数据集 #计算机视觉 #AI环保