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：
标签：
bottle cap
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
#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"
}
]
}