红外多类型无人机检测数据集 | 红外检测 无人机识别 多类型分类 低空安防 反无人机 9139期数据集概述本数据集专注于红外热成像场景下多类型无人机的视觉检测与分类服务于低空安防、反无人机系统及空域监测。数据涵盖固定翼无人机与直升机式无人机两类目标适配红外成像条件下的目标识别、威胁预警及智能监控等应用。数据集核心信息数据要素详细说明类别共2类固定翼无人机、直升机式无人机数量6271张图像格式图像为 JPG/PNG分辨率640×640同时提供YOLO、VOC、COCO三种标注格式数据划分训练集4390张验证集1255张测试集626张应用价值1.低空安防支撑机场、军事设施等敏感区域的红外无人机入侵检测与分类。2.反无人机区分固定翼与多旋翼/直升机式无人机辅助针对性反制决策。3.全天候监测红外成像不受光照影响适用于夜间、雾霾等低能见度环境。4.算法研发为红外目标检测、多类别无人机分类等视觉任务提供标准化训练与评测数据。完整类别列表共2类序号英文名称中文释义包含该类图像数标注框数量1aircraft-type_uav固定翼无人机5925922helicopter-type_uav直升机式无人机41624191数据三要素解析类别与目标覆盖数据集定义2类无人机固定翼无人机与直升机式无人机覆盖低空监测场景中最常见的两种无人机技术构型。两类无人机在飞行性能、外观轮廓及任务类型上差异显著为模型提供了清晰的判别依据。直升机式无人机样本较多4162张固定翼样本较少592张数据规模与模态图像总量约6271张按约70:20:10比例划分为训练集4390张、验证集1255张与测试集626张划分规范。数据为红外热成像不依赖外部光照适用于夜间、雾霾等低能见度环境下的目标检测。图像分辨率统一为640×640可直接输入常见检测网络。格式与配套资源同时提供YOLO、VOC、COCO三种通用标注格式灵活适配不同检测框架。附赠基于YOLOv11n训练的模型训练80轮用户可直接推理或作为迁移学习起点。提供PyQt5 可视化界面含源码、.ui、.qrc、图标文件支持图片、视频、摄像头实时检测实时显示目标位置、总数、置信度等信息支持结果导出。运行环境Python3.8、opencv-python、PyQt5、torch支持 Windows、Linux 系统。知识普及红外无人机检测的技术要点红外成像特点红外热成像依赖物体自身热辐射成像不受光照影响但分辨率较低、纹理细节少目标轮廓可能模糊。构型区分固定翼无人机通常具有较长翼展、流线型机身和尾翼直升机式无人机多旋翼具有旋翼臂和垂直起降构型。模型需学习这些形态差异。小目标检测无人机在红外图像中通常尺寸较小需采用高分辨率输入或多尺度特征融合策略。背景干扰天空、云层、建筑等背景以及热源干扰可能与无人机混淆模型需依赖轮廓与运动特征进行区分。应用闭环检测结果可结合雷达或射频信号构建多传感器融合的低空安防系统实现发现-识别-反制的闭环流程。快速开始代码示例1. 准备配置文件 (data.yaml)path:./infrared_uavtrain:images/trainval:images/valtest:images/testnc:2names:[aircraft-type_uav,helicopter-type_uav]2. 启动 YOLOv11 训练fromultralyticsimportYOLO modelYOLO(yolo11n.pt)model.train(datadata.yaml,epochs80,imgsz640,batch8,device0)3. PyQt5 可视化检测界面核心逻辑importsysimportcv2fromultralyticsimportYOLOfromPyQt5.QtWidgetsimport*fromPyQt5.QtGuiimport*classUAVDetect(QMainWindow):def__init__(self):super().__init__()self.setWindowTitle(基于YOLOv11的红外多类型无人机检测系统)self.resize(1250,950)self.modelYOLO(best.pt)self.label_imgQLabel(self)self.label_img.setGeometry(20,80,620,520)QPushButton(文件导入,self).setGeometry(680,80,180,40)self.tableQTableWidget(self)self.table.setGeometry(20,620,950,280)self.table.setColumnCount(5)self.table.setHorizontalHeaderLabels([序号,路径,类别,置信度,坐标])defopen_img(self):path,_QFileDialog.getOpenFileName()imgcv2.imread(path)resultself.model(img,conf0.5)forboxinresult[0].boxes:x1,y1,x2,y2map(int,box.xyxy[0])conffloat(box.conf)clsself.model.names[int(box.cls)]cv2.rectangle(img,(x1,y1),(x2,y2),(0,255,0),2)rgbcv2.cvtColor(img,cv2.COLOR_BGR2RGB)self.label_img.setPixmap(QPixmap.fromImage(QImage(rgb.data,rgb.shape[1],rgb.shape[0],rgb.shape[1]*3,QImage.Format_RGB888)))if__name____main__:appQApplication(sys.argv)winUAVDetect()win.show()sys.exit(app.exec_())标签红外检测无人机识别多类型分类低空安防反无人机目标检测YOLO格式深度学习数据集计算机视觉