带标注的肾结石识别数据集，识别率88.8%，9708张图，支持yolo，coco json，voc xml,文末有模型训练代码

模型训练指标参数：

模型训练图：

数据集拆分

总图数：9708 张图数
训练集

8955 张图

验证集

375 张图

测试集

378 张图

预处理

自动定向：应用

调整大小：拉伸到640x640

增强

每个训练样本生成 3 组扩增样本

翻转方式：水平翻转、垂直翻转

90° 旋转：顺时针、逆时针、上下倒置

裁剪缩放：最小缩放 12%，最大缩放 12%

随机旋转角度：±15°

错切变换：水平 ±15°、垂直 ±15°

灰度化处理：对 65% 的图片生效

色相调整范围：-116°~+116°

亮度调整范围：0%~+48%

曝光度调整范围：-3%~+3%

标注框同步变换：水平翻转、垂直翻转

标注框同步 90° 旋转：顺时针、逆时针、上下倒置

标注框区域亮度调整：-38%~+38%

标注框区域曝光度调整：-42%~+42%

标注框区域添加噪点：最高占比 11% 像素

数据集标签：

'normal kidney', 'kidney-stone'

标签解释

normal kidney：正常肾脏

kidney-stone：肾结石

数据集图片和标注信息示例：

数据集下载：

yolo26:https://download.csdn.net/download/pbymw8iwm/92882080

yolo v12:https://download.csdn.net/download/pbymw8iwm/92882077

yolo v11:https://download.csdn.net/download/pbymw8iwm/92882079

yolo v9:https://download.csdn.net/download/pbymw8iwm/92882074

yolo v8:https://download.csdn.net/download/pbymw8iwm/92882076

yolo v7:https://download.csdn.net/download/pbymw8iwm/92882075

pascal voc xml:https://download.csdn.net/download/pbymw8iwm/92882078

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()