带标注的瓶盖识别数据集，识别率99.5%,可识别瓶盖，支持yolo，coco json，pascal voc xml格式

模型训练指标参数：

数据集拆分

训练集
1987图片
验证集
568图片
测试集
284图片

预处理

自动定向：应用
调整大小：拉伸至 640x640

增强

未进行任何增强
yolo数据集目录结构：

数据集下载地址：

yolo26:https://download.csdn.net/download/pbymw8iwm/92766279

yolo v12:https://download.csdn.net/download/pbymw8iwm/92766284

yolo v11:https://download.csdn.net/download/pbymw8iwm/92766283

yolo v9: https://download.csdn.net/download/pbymw8iwm/92766286

yolo v8:https://download.csdn.net/download/pbymw8iwm/92766281

yolo v7:https://download.csdn.net/download/pbymw8iwm/92766278

yolo v5:https://download.csdn.net/download/pbymw8iwm/92766280

yolo darknet:https://download.csdn.net/download/pbymw8iwm/92766282

coco json:https://download.csdn.net/download/pbymw8iwm/92766285

pascal voc xml:https://download.csdn.net/download/pbymw8iwm/92766277

模型下载：

模型训练图：

下载数据集之后解压到当前文件夹，然后将我的仓库 https://gitcode.com/pbymw8iwm/YOLOProject里的训练模型脚本复制到文件夹下，假设你使用的是yolov8来训练你就用 python train_yolov8.py

注意，请根据你的GPU能力来适当调整训练参数，比如训练batch，patience，workers，以及模型类型（如果你的GPU硬件条件限制，可以联系作者进行付费模型训练，部分模型只需要一杯奶茶钱）

数据集图片和标注信息：

模型测试验证：

python 复制代码

#需要安装pip install ultralytics
from ultralytics import YOLO
import cv2

# 加载训练好的 YOLO .pt 模型
model = YOLO('best.pt')  # 替换为你实际的 .pt 模型文件路径

# 定义要测试的图片路径
image_path = './test_image.jpg'  # 替换为你实际的图片文件路径

# 使用模型对图片进行预测
results = model(image_path)

# 获取预测结果
for result in results:
    # 获取绘制了检测框的图片
    annotated_image = result.plot()

    # 显示图片
    cv2.imshow("YOLOv8 Inference", annotated_image)

    # 等待按键退出
    cv2.waitKey(0)

    # 关闭所有 OpenCV 窗口
    cv2.destroyAllWindows()

推理结果：

{

"predictions": [

{

"x": 320,

"y": 408,

"width": 210,

"height": 122,

"confidence": 0.886,

"class": "bottle cap",

"class_id": 0,

"detection_id": "2852ef80-ace7-4275-97e9-62ebe6328f59"

},

{

"x": 466.5,

"y": 319.5,

"width": 203,

"height": 133,

"confidence": 0.871,

"class": "bottle cap",

"class_id": 0,

"detection_id": "5c5045ff-3368-4738-afa2-d9e9bc48305d"

},

{

"x": 208,

"y": 279,

"width": 160,

"height": 112,

"confidence": 0.859,

"class": "bottle cap",

"class_id": 0,

"detection_id": "2aeeb7b1-716c-4b52-9c7f-a6de7fd803d5"

}

]

}