无人机遥感摄像头多传感火焰和烟雾检测数据集2数据集总规模30GB数据集包含在不同距离近和远、不同场景室内和室外、不同光照强度白天和夜晚以及从各种视觉传感器监控摄像普通拍照、无人机和卫星获取的火灾、烟雾和令人困惑的非火灾/非烟雾图像数据集包含超过12w 个样本其中 7w 个被注释为正样本5w 个被标记为负样本。按照拍照或摄像头、无人机和卫星传感器类型分为三个文件夹 卫星2千样本无人机2.5w样本14GB数据量摄像头数据7w样本12GB数据量整个数据集中有 11w 个火焰物体实例和 7w 个烟雾物体实例提供三种类型的标注格式YOLO、VOC、COCO一、数据集信息表项目详情数据集名称无人机遥感摄像头多传感火焰烟雾检测数据集总数据大小30GB总样本数量12w正样本7w负样本5w标注实例火焰实例11w烟雾实例7w标注格式YOLO、VOC、COCO类别标签0: fire 火焰1: smoke 烟雾数据划分卫星2000样本无人机25000样本14GB摄像头70000样本12GB采集条件远近不同距离、室内外场景、白天/夜晚不同光照传感器监控摄像头、普通相机、无人机、卫星遥感二、标签yaml配置fire_smoke.yamlnc:2names:0:fire1:smoke三、关键词火焰烟雾检测、多传感器火灾识别、遥感火情监测、无人机森林防火、监控烟火识别、卫星火情遥感、YOLO目标检测、多模态火灾数据集、应急救援、森林防火四、简易YOLOv11训练代码fromultralyticsimportYOLOif__name____main__:modelYOLO(yolo11n.pt)resultmodel.train(datafire_smoke.yaml,epochs50,imgsz640,batch12,device0,workers4,saveTrue)# 模型评估model.val()# 单图推理model.predict(test.jpg,saveTrue,conf0.35)五、推理代码fromultralyticsimportYOLO modelYOLO(runs/detect/train/weights/best.pt)deffire_smoke_detect(img_path):resmodel.predict(img_path,conf0.35)box_info[]forrinres:forboxinr.boxes:clsint(box.cls)conffloat(box.conf)xyxybox.xyxy.cpu().numpy().tolist()[0]box_info.append({class:model.names[cls],conf:conf,box:xyxy})returnbox_info六、补充应用场景卫星大范围遥感火情普查森林、草原火点早期预警无人机林区、野外河道巡检识别明火与烟团城市园区、工地监控摄像头烟火自动告警消防应急救援多源视频联动火情识别夜间低光照、远距离小烟小火目标识别算法研究