一、数据集介绍
【数据集】无人机检测数据集 7261 张,目标检测,包含 YOLO/VOC 格式标注。
数据集中包含 1 种分类,具体分类为:names: ['drone'],为无人机。
数据集图片来自国内外网站、网络爬虫、视频抽帧等;
可用于园区,天空等禁飞区进行无人机设备识别。
检测场景为园区、工厂、机场等禁飞区,可以应用于空中秩序管理,信息安全保密领域等工作。
1. 数据概述
无人机设备检测的重要性
无人机技术的飞速发展使其应用场景从传统航拍扩展至农业监测、灾害救援、物流运输、环境监测等关键领域。据统计,全球商用无人机年销量持续增长,预计到 2025 年市场规模将突破 5 亿美元。这一趋势对无人机设备的检测能力提出更高要求:需在复杂环境下实现实时、精准的目标识别,以支撑无人机自主导航、避障、任务执行等核心功能。例如,在农业领域,无人机需检测作物病虫害;在灾害救援中,需快速定位受困人员;在物流运输中,需识别货物位置与状态。这些场景均依赖高效的目标检测算法。
基于 YOLO 的无人机设备检测算法
- 速度与精度平衡:YOLO 通过单次前向传播完成目标定位与分类,避免了传统两阶段算法(如 Faster R-CNN)的冗余计算。例如,YOLOv4 在 COCO 数据集上达到 43.5% AP(平均精度),同时保持 65 FPS 的推理速度;YOLOv8 进一步优化参数量,在嵌入式设备上实现实时检测。
- 多尺度特征融合:针对无人机视角下目标尺度差异大的问题,YOLO 系列引入 FPN(特征金字塔网络)和 PANet(路径聚合网络),通过多尺度特征融合提升小目标检测能力。例如,FBRT-YOLO(AAAI 2025)通过轻量化设计,在航拍数据集上实现 92.3% mAP(平均精度均值),同时满足嵌入式设备的实时性需求。
- 模型轻量化与部署优化:为适应无人机有限的计算资源,研究者提出多种轻量化策略。例如,YOLO-Drone 通过引入深度可分离卷积和通道剪枝,将模型参数量压缩至 13.5M,在 NVIDIA Jetson TX2 上达到 22 FPS;VRF-DETR(2025)则通过自适应接收场选择机制,在保持高精度的同时降低计算复杂度。
该数据集含有 7261 张图片,包含Pascal VOC XML格式和YOLO TXT格式,用于训练和测试园区、工厂、机场等禁飞区进行无人机设备检测。图片格式为 jpg 格式,标注格式分别为:
YOLO:txt
VOC:xml
数据集均为手工标注,保证标注精确度。
2. 数据集文件结构
drone/**
——test/
————Annotations/
————images/
————labels/
——train/
————Annotations/
————images/
————labels/
——valid/
————Annotations/
————images/
————labels/
——data.yaml
- 该数据集已划分训练集样本,分别是:test目录(测试集)、train目录(训练集)、valid目录(验证集);
- Annotations 文件夹为 Pascal VOC 格式的XML 文件;
- images 文件夹为jpg 格式的数据样本;
- labels 文件夹是 YOLO 格式的TXT 文件;
- data.yaml 是数据集配置文件,包含无人机设备检测的目标分类和加载路径。





Annotations 目录下的xml 文件内容如下:
<annotation> <folder></folder> <filename>1536_jpg.rf.3ef7ae8ebe34a87c77ebbbeaf3747c85.jpg</filename> <path>1536_jpg.rf.3ef7ae8ebe34a87c77ebbbeaf3747c85.jpg</path> <source> <database>drone</database> </source> <size> <width>640</width> <height>640</height> <depth>3</depth> </size> <segmented>0</segmented> <object> <name>drone</name> <pose>Unspecified</pose> <truncated>0</truncated> <difficult>0</difficult> <occluded>0</> 238 308 320 382
3. 数据集适用范围
- 目标检测场景,监控摄像头识别
- yolo 训练模型或其他模型
- 园区、工厂、机场等禁飞区
- 可以用于空中秩序管理,信息安全保密领域等工作
4. 数据集标注结果




4.1. 数据集内容
- 多角度场景:监控摄像头视角;
- 标注内容:1 个分类,['drone'];
- 图片总量:7261 张图片数据;
- 标注类型:含有Pascal VOC XML格式和yolo TXT格式;
5. 训练过程
5.1. 导入训练数据
下载 YOLOv8 项目压缩包,解压在任意本地 workspace 文件夹中。
下载 YOLOv8 预训练模型,导入到ultralytics-main项目根目录下。

在ultralytics-main项目根目录下,创建 data 文件夹,并在 data 文件夹下创建子文件夹:Annotations、images、imageSets、labels,其中,将pascal VOC 格式的 XML 文件手动导入到 Annotations 文件夹中,将JPG格式的图像数据导入到 images 文件夹中,imageSets 和 labels 两个文件夹不导入数据。
data 目录结构如下:
data/
——Annotations/ //存放 xml 文件
——images/ //存放 jpg 图像
——imageSets/
——labels/
整体项目结构如下所示:

5.2. 数据分割
首先在 ultralytics-main 目录下创建一个 split_train_val.py 文件,运行文件之后会在 imageSets 文件夹下将数据集划分为训练集 train.txt、验证集 val.txt、测试集 test.txt,里面存放的就是用于训练、验证、测试的图片名称。
import os
import random
trainval_percent = 0.9
train_percent = 0.9
xmlfilepath = 'data/Annotations'
txtsavepath = 'data/ImageSets'
total_xml = os.listdir(xmlfilepath)
num = len(total_xml)
list_ = range(num)
tv = int(num * trainval_percent)
tr = int(tv * train_percent)
trainval = random.sample(list_, tv)
train = random.sample(trainval, tr)
ftrainval = open('data/ImageSets/trainval.txt', 'w')
ftest = open('data/ImageSets/test.txt', 'w')
ftrain = open('data/ImageSets/train.txt', 'w')
fval = open('data/ImageSets/val.txt', 'w')
for i in list_:
name = total_xml[i][:-4] + '\n'
if i in trainval:
ftrainval.write(name)
if i in train:
ftrain.write(name)
else:
fval.write(name)
else:
ftest.write(name)
ftrainval.close()
ftrain.close()
fval.close()
ftest.close()
5.3. 数据集格式化处理
在 ultralytics-main 目录下创建一个 voc_label.py 文件,用于处理图像标注数据,将其从 XML 格式(通常用于 Pascal VOC 数据集)转换为 YOLO 格式。
convert_annotation 函数
- 这个函数读取一个图像的 XML 标注文件,将其转换为 YOLO 格式的文本文件。
- 它打开 XML 文件,解析树结构,提取图像的宽度和高度。
- 然后,它遍历每个目标对象(
object),检查其类别是否在classes列表中,并忽略标注为困难(difficult)的对象。 - 对于每个有效的对象,它提取边界框坐标,进行必要的越界修正,然后调用
convert函数将坐标转换为 YOLO 格式。 - 最后,它将类别 ID 和归一化后的边界框坐标写入一个新的文本文件。
import xml.etree.ElementTree as ET
import os
from os import getcwd
sets = ['train', 'val', 'test']
classes = ['drone'] # 根据标签名称填写类别
abs_path = os.getcwd()
print(abs_path)
def convert(size, box):
dw = 1. / (size[0])
dh = 1. / (size[1])
x = (box[0] + box[1]) / 2.0 - 1
y = (box[2] + box[3]) / 2.0 - 1
w = box[1] - box[0]
h = box[3] - box[2]
x = x * dw
w = w * dw
y = y * dh
h = h * dh
return x, y, w, h
def convert_annotation(image_id):
in_file = open('data/Annotations/%s.xml' % (image_id), encoding='UTF-8')
out_file = open('data/labels/%s.txt' % (image_id), 'w')
tree = ET.parse(in_file)
root = tree.getroot()
size = root.find('size')
w = int(size.find('width').text)
h = int(size.find('height').text)
for obj in root.iter('object'):
difficult = obj.find().text
cls = obj.find().text
cls classes (difficult) == :
cls_id = classes.index(cls)
xmlbox = obj.find()
b = ((xmlbox.find().text), (xmlbox.find().text), (xmlbox.find().text), (xmlbox.find().text))
b1, b2, b3, b4 = b
b2 > w: b2 = w
b4 > h: b4 = h
b = (b1, b2, b3, b4)
bb = convert((w, h), b)
out_file.write((cls_id) + + .join([(a) a bb]) + )
wd = getcwd()
image_set sets:
os.path.exists():
os.makedirs()
image_ids = ( % (image_set)).read().strip().split()
list_file = ( % (image_set), )
image_id image_ids:
list_file.write(abs_path + % (image_id))
convert_annotation(image_id)
list_file.close()
5.4. 修改数据集配置文件
在 ultralytics-main 目录下创建一个 drone.yaml 文件
train: data/train.txt
val: data/val.txt
test: data/test.txt
nc: 1
names: ['drone']
5.5. 执行命令
执行 train.py
model = YOLO('yolov8s.pt')
results = model.train(data='drone.yaml', epochs=200, imgsz=640, batch=16, workers=0, device=0)
也可以在终端执行下述命令:
yolo train data=drone.yaml model=yolov8s.pt epochs=200 imgsz=640 batch=16 workers=0 device=0
5.6. 模型预测
你可以选择新建 predict.py 预测脚本文件,输入视频流或者图像进行预测。
代码如下:
import cv2
from ultralytics import YOLO
# Load the YOLOv8 model
model = YOLO("./best.pt") # 自定义预测模型加载路径
# Open the video file
video_path = "./demo.mp4" # 自定义预测视频路径
cap = cv2.VideoCapture(video_path)
# Get the video properties
frame_width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
frame_height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))
fps = cap.get(cv2.CAP_PROP_FPS)
# Define the codec and create VideoWriter object
fourcc = cv2.VideoWriter_fourcc(*'mp4v') # Be sure to use lower case
out = cv2.VideoWriter('./outputs.mp4', fourcc, fps, (frame_width, frame_height)) # 自定义输出视频路径
# Loop through the video frames
while cap.isOpened():
# Read a frame from the video
success, frame = cap.read()
if success:
# Run YOLOv8 inference on the frame
results = model.predict(source=frame, save=True, imgsz=640, conf=0.5)
results[0].names[0] = "drone" # Visualize the results on the frame annotated_frame = results[0].plot()
# Write the annotated frame to the output file
out.write(annotated_frame)
# Display the annotated frame (optional)
cv2.imshow("YOLOv8 Inference", annotated_frame)
# Break the loop if 'q' is pressed
if cv2.waitKey(1) & 0xFF == ord("q"):
break
else:
cap.release()
out.release()
cv2.destroyAllWindows()
也可以直接在命令行窗口或者 Anaconda 终端输入以下命令进行模型预测:
yolo predict model="best.pt" source='demo.jpg'
二、基于 QT 的目标检测可视化界面
1. 环境配置
# 安装 torch 环境
pip install torch -i https://pypi.tuna.tsinghua.edu.cn/simple
# 安装 PySide6 依赖项
pip install PySide6 -i https://pypi.tuna.tsinghua.edu.cn/simple
# 安装 opencv-python 依赖项
pip install opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple
2. 使用说明

界面功能介绍:
- 原视频/图片区:上半部分左边区域为原视频/图片展示区;
- 检测区:上半部分右边区域为检测结果输出展示区;
- 文本框:打印输出操作日志,其中告警以 json 格式输出,包含标签框的坐标,标签名称等;
- 加载模型:下拉框绑定本地文件路径,按钮加载路径下的模型文件;
- 置信度阈值:自定义检测区的置信度阈值,可以通过滑动条的方式设置;
- 文件上传:选择目标文件,包含JPG 格式和 MP4 格式;
- 开始检测:执行检测程序;
- 停止:终止检测程序;
3. 预测效果展示
3.1. 图片检测

切换置信度再次执行:

上图左下区域可以看到json 格式的告警信息,用于反馈实际作业中的管理系统,为管理员提供决策支持。
3.2. 视频检测

3.3. 日志文本框

4. 前端代码
class MyWindow(QtWidgets.QMainWindow):
def __init__(self):
super().__init__()
self.init_gui()
self.model = None
self.timer = QtCore.QTimer()
self.timer1 = QtCore.QTimer()
self.cap = None
self.video = None
self.file_path = None
self.base_name = None
self.timer1.timeout.connect(self.video_show)
def init_gui(self):
self.folder_path = "model_file" # 自定义修改:设置文件夹路径
self.setFixedSize(1300, 650)
self.setWindowTitle('目标检测') # 自定义修改:设置窗口名称
self.setWindowIcon(QIcon("111.jpg")) # 自定义修改:设置窗口图标
central_widget = QtWidgets.QWidget(self)
self.setCentralWidget(central_widget)
main_layout = QtWidgets.QVBoxLayout(central_widget)
# 界面上半部分:视频框
topLayout = QtWidgets.QHBoxLayout()
self.oriVideoLabel = QtWidgets.QLabel(self)
# 界面下半部分:输出框 和 按钮
groupBox = QtWidgets.QGroupBox(self)
groupBox.setStyleSheet('QGroupBox {border: 0px solid #D7E2F9;}')
bottomLayout = QtWidgets.QHBoxLayout(groupBox)
main_layout.addWidget(groupBox)
btnLayout = QtWidgets.QHBoxLayout()
btn1Layout = QtWidgets.QVBoxLayout()
btn2Layout = QtWidgets.QVBoxLayout()
btn3Layout = QtWidgets.QVBoxLayout()
.outputField = QtWidgets.QTextBrowser()
.outputField.setFixedSize(, )
.outputField.setStyleSheet()
.detectlabel = QtWidgets.QLabel()
.oriVideoLabel.setFixedSize(, )
.detectlabel.setFixedSize(, )
.oriVideoLabel.setStyleSheet()
.detectlabel.setStyleSheet()
topLayout.addWidget(.oriVideoLabel)
topLayout.addWidget(.detectlabel)
main_layout.addLayout(topLayout)


