带标注的起重机手势信号识别数据集，识别率97.9%，8848张图，支持yolo，coco json，voc xml,文末有模型训练代码

前网易架构师-高司机2026-04-21 10:38

模型训练指标参数：

模型训练图：

数据集拆分

总图数：8848 张图数
训练集

7743 张图

验证集

736 张图

测试集

369 张图

预处理

自动定向：应用

调整大小：拉伸到640x640

增强

每个训练样本输出数量：3

裁剪：最小缩放 0%，最大缩放 20%

饱和度：范围 -20% ～ +20%

亮度：范围 -25% ～ +25%

曝光：范围 -15% ～ +15%

模糊：最大 4 像素

噪声：像素占比最高 1.8%

数据集标签：

'DOG EVERYTHING', 'LOWER BOOM', 'STOP', 'SWING-RIGHT-', 'EMERGENCY STOP', 'EXTEND BOOM', 'MOVE SLOWLY', 'SWING-LEFT-', 'HOIST', 'LOWER', 'RETRACT BOOM', 'RAISE BOOM'

英文术语标准中文翻译说明

DOG EVERYTHING 全机锁定 / 总制动锁住所有机构，禁止动作

LOWER BOOM 起重臂下降 / 落大臂吊臂向下放

STOP 停止通用停止

SWING-RIGHT- 向右回转 / 右转吊机整体向右旋转

EMERGENCY STOP 紧急停止急停

EXTEND BOOM 伸臂 / 起重臂伸出吊臂向外伸长

MOVE SLOWLY 慢速动作 / 缓慢操作降低速度

SWING-LEFT- 向左回转 / 左转吊机整体向左旋转

HOIST 起升 / 吊钩上升吊钩往上提

LOWER 下降 / 吊钩下降吊钩往下降

RETRACT BOOM 缩臂 / 起重臂收回吊臂往回缩

RAISE BOOM 起重臂上升 / 抬大臂吊臂向上抬

数据集图片和标注信息示例：

数据集下载：

yolo26:https://download.csdn.net/download/pbymw8iwm/92813263

yolo v12:https://download.csdn.net/download/pbymw8iwm/92813201

yolo v11:https://download.csdn.net/download/pbymw8iwm/92813211

yolo v9:https://download.csdn.net/download/pbymw8iwm/92813210

yolo v8:https://download.csdn.net/download/pbymw8iwm/92813231

yolo v7:https://download.csdn.net/download/pbymw8iwm/92813249

coco json:https://download.csdn.net/download/pbymw8iwm/92813271

pascal voc xml:https://download.csdn.net/download/pbymw8iwm/92813247

YOLO模型训练

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

模型验证测试情况：

验证测试代码：

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 = './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("YOLOv Inference", annotated_image)
 
    # 等待按键退出
    cv2.waitKey(0)
 
    # 关闭所有 OpenCV 窗口
    cv2.destroyAllWindows()