饮料容器目标检测数据集
数据集获取：❤〖mas_sss〗
本数据集面向饮料容器识别、垃圾分类和智能回收等场景，覆盖玻璃瓶、塑料瓶、一次性杯、马克杯、葡萄酒杯、运动水壶和金属罐等常见目标，可直接用于 YOLOv8、YOLO11 等目标检测模型训练。
共 15,645 张图像、9 个类别、23,344 个标注目标，采用 YOLO TXT 标准标注格式，并已完成训练集、验证集和测试集划分。
一、数据集预览
数据集总览图
二、数据集核心信息
| 项目 | 信息 |
| 任务类型 | 多类别目标检测 |
| 图像总数 | 15,645 张 |
| 标注目标数 | 23,344 个 |
| 类别数量 | 9 类 |
| 数据划分 | 训练集 13,689 张、验证集 1,303 张、测试集 653 张 |
| 标注格式 | YOLO TXT |
| 配置文件 | data.yaml |
| 适用框架 | Ultralytics YOLOv8、YOLO11 等 |
| 适用场景 | 智能垃圾分类、再生资源回收、自动分拣、零售商品识别 |
三、数据划分
13,689 : 1,303 : 653
| 数据子集 | 图像数量 | 占比 | 用途 |
| 训练集 Train | 13,689 | 87.50% | 模型参数学习 |
| 验证集 Val | 1,303 | 8.33% | 训练过程评估与参数调整 |
| 测试集 Test | 653 | 4.17% | 最终效果评估 |
| 总计 | 15,645 | 100% | 完整目标检测数据集 |
训练集占比较高，适合进行较大规模训练；验证集和测试集相互独立，便于完成模型评估和效果对比。
四、类别分布
| 类别 ID | 类别名 | 标注数量 | 占比 |
| 0 | 玻璃瓶 | 3,017 | 12.92% |
| 1 | 塑料瓶 | 2,473 | 10.59% |
| 2 | 一次性杯 | 2,464 | 10.56% |
| 3 | 带柄杯 | 2,825 | 12.10% |
| 4 | 玻璃马克杯 | 2,775 | 11.89% |
| 5 | 普通玻璃杯 | 2,646 | 11.33% |
| 6 | 葡萄酒杯 | 2,332 | 9.99% |
| 7 | 运动水壶 | 2,609 | 11.18% |
| 8 | 金属罐 | 2,203 | 9.44% |
| 总计 | 23,344 | 100% |
各类别标注数量较为均衡，单类目标数在 2,203 至 3,017 之间，适合训练细粒度分类检测模型。
五、数据集内容
- 覆盖玻璃、塑料、金属等常见饮料容器材质。
- 包含瓶、杯、马克杯、葡萄酒杯、运动水壶和金属罐等多种器型。
- 每张图像对应同名 YOLO TXT 标注文件，一张图像可包含多个目标。
- 类别定义清晰，可直接用于多类别目标检测训练和效果评估。
- 可用于垃圾分类算法、智能回收设备验证和多类别检测性能评估。
六、样本与标注展示
样本效果图
七、目录结构
垃圾分类/
├── train/
│ ├── images/
│ └── labels/
├── val/
│ ├── images/
│ └── labels/
├── test/
│ ├── images/
│ └── labels/
├── data.yaml
└── README.md
标注文件采用标准 YOLO 格式：
class_id x_center y_center width height
坐标均为相对图像宽高归一化后的数值，取值范围为 0-1。
八、data.yaml 配置
path: .
train: train/images
val: val/images
test: test/images
names:
0: 玻璃瓶
1: 塑料瓶
2: 一次性杯
3: 带柄杯
4: 玻璃马克杯
5: 普通玻璃杯
6: 葡萄酒杯
7: 运动水壶
8: 金属罐
九、快速开始
from ultralytics import YOLO
model = YOLO("yolo11s.pt")
if __name__ == "__main__":
model.train(
data="data.yaml",
epochs=100,
imgsz=640,
batch=16,
device=0,
project="runs/garbage",
name="garbage_detect_v1",
)
训练完成后可使用测试集评估模型：
from ultralytics import YOLO
model = YOLO("runs/garbage/garbage_detect_v1/weights/best.pt")
model.val(data="data.yaml", split="test", imgsz=640, batch=16, device=0)
十、使用说明
本页用于说明数据集结构、类别分布、标注格式和基础训练方法。实际使用时应结合验证集结果调整图像尺寸、数据增强、置信度阈值和训练参数。
如有标注格式或训练配置方面的问题，可在文章评论区交流。
