无人机边坡图像识别 自然灾害滑坡监测识别 地质灾害应急响应检测 自动化救灾定位 滑坡区域识别111采用YOLO格式标注标注文件与图像文件一一对应可直接适配YOLOv8、YOLOv11等主流目标检测框架无需额外格式转换降低模型训练的环境配置成本支持快速开展模型训练、调参与部署工作。滑坡检测数据集 YOLO训练代码一、数据集基础信息维度详情数据类别1类滑坡landslide数据规模974张图像标签格式支持YOLOv11/v8/v5通用格式可直接用于目标检测训练应用场景无人机/卫星遥感滑坡识别、边坡/山区智能巡检、地质灾害监测预警二、数据集配置文件landslide.yaml# 滑坡检测数据集配置path:./landslide_datasettrain:images/trainval:images/valtest:images/testnc:1names:0:landslide三、YOLOv11/YOLOv8 训练代码1. 安装依赖pipinstallultralytics opencv-python numpy2. Python 训练脚本fromultralyticsimportYOLOdeftrain_landslide_model():# 加载预训练模型YOLOv11n 或 YOLOv8nmodelYOLO(yolov11n.pt)# 也可替换为 yolov8n.pt# 训练配置resultsmodel.train(datalandslide.yaml,# 数据集配置文件epochs100,# 训练轮数batch8,# 批次大小根据显存调整4G显存建议用4imgsz640,# 输入图像尺寸device0,# 使用GPU训练无GPU改为 devicecpupatience15,# 早停轮数防止过拟合saveTrue,# 保存模型权重pretrainedTrue# 使用预训练权重初始化)print(训练完成最优模型已保存至 runs/detect/train/weights/best.pt)if__name____main__:train_landslide_model()3. 命令行训练方式直接复制执行# YOLOv11 训练yolo detect train\modelyolov11n.pt\datalandslide.yaml\epochs100\batch8\imgsz640\device0# YOLOv8 训练yolo detect train\modelyolov8n.pt\datalandslide.yaml\epochs100\batch8\imgsz640\device0四、模型推理代码训练后测试fromultralyticsimportYOLOimportcv2# 加载训练好的最优模型modelYOLO(runs/detect/train/weights/best.pt)# 单张图片滑坡检测defdetect_landslide_image(img_path):imgcv2.imread(img_path)resultsmodel(img,conf0.25)# 置信度阈值0.25result_imgresults[0].plot()cv2.imwrite(landslide_result.jpg,result_img)cv2.imshow(Landslide Detection,result_img)cv2.waitKey(0)cv2.destroyAllWindows()# 视频/实时画面检测无人机/监控画面defdetect_landslide_video(video_path):capcv2.VideoCapture(video_path)whilecap.isOpened():ret,framecap.read()ifnotret:breakresultsmodel(frame,conf0.25)frameresults[0].plot()cv2.imshow(Real-time Landslide Detection,frame)ifcv2.waitKey(1)0xFFord(q):breakcap.release()cv2.destroyAllWindows()# 调用示例# detect_landslide_image(test_landslide.jpg)# detect_landslide_video(drone_footage.mp4)五、数据集划分建议974张图片推荐按 8:1:1 划分训练集779张验证集97张测试集98张