深度学习基于YOLOv11 变电柜开关指示灯检测系统 变电柜开关及亮灯状态检测数据集

高分辨率变电柜开关及亮灯状态检测数据集860张yolovoccoco三种标注方式图像尺寸:2160*3840类别数量:13类训练集图像数量:698; 验证集图像数量:103 测试集图像数量:59类别名称: 每一类图像数 每一类标注数switch1-on - 开关1-开560, 1775switch1-off - 开关1-关471, 1007greenlight-on - 绿灯-亮573, 1401greenlight-off - 绿灯-灭822, 3101redlight-off - 红灯-灭775, 3150yellowlight-off - 黄灯-灭683, 3273redlight-on - 红灯-亮622, 1417switch2 - 开关2583, 2912switch3-off - 开关3-关137, 416switch3-on - 开关3-开67, 153yellowlight-on - 黄灯-亮2, 2whitelight-off - 白灯-灭65, 72whitelight-on - 白灯-亮87, 110image num: 860模型代码提供全部训练及测试源代码模型训练使用yolov11n训练50个epoch训练结果map如描述图所示。qt界面运行界面采用pyqt5编写 提供全部源代码支持图片、视频及摄像头进行检测: 界面可实时显示目标位置、目标总数、置信度等信息: 支持检测结果保存;本项目已经训练好模型配置好环境后可直接使用运行效果见描述图像YOLOv11 变电柜开关指示灯检测系统 以下作为参考学习使用。一、数据集配置文件 config.yamlpath:./datasets/electric_cabinettrain:images/trainval:images/valtest:images/testnames:0:switch1‑on1:switch1‑off2:greenlight‑on3:greenlight‑off4:redlight‑off5:yellowlight‑off6:redlight‑on7:switch28:switch3‑off9:switch3‑on10:whitelight‑off11:whitelight‑on二、训练代码 train.pyfromultralyticsimportYOLO# 加载yolov11n权重modelYOLO(yolo11n.pt)# 开始训练resultsmodel.train(dataconfig.yaml,epochs80,imgsz640,batch8,device0)三、单张图片推理 predict.pyfromultralyticsimportYOLO modelYOLO(./runs/detect/train/weights/best.pt)#图片检测resmodel.predict(sourcetest.jpg,saveTrue,conf0.5)forboxinres[0].boxes:cls_idint(box.cls)conffloat(box.conf)xyxybox.xyxy.tolist()[0]print(f类别:{model.names[cls_id]},置信度:{conf:.2f},坐标:{xyxy})四、PyQt5可视化简易GUI检测界面 main_ui.pyimportsysimportcv2fromPyQt5.QtWidgetsimportQApplication,QMainWindow,QPushButton,QLabel,QFileDialogfromPyQt5.QtGuiimportQImage,QPixmapfromultralyticsimportYOLOclassDetectWindow(QMainWindow):def__init__(self):super().__init__()self.setWindowTitle(变电柜开关指示灯检测系统)self.resize(1000,700)self.modelYOLO(./runs/detect/train/weights/best.pt)self.btn_imgQPushButton(导入图片检测,self)self.btn_img.move(30,30)self.btn_img.clicked.connect(self.detect_image)self.label_showQLabel(self)self.label_show.setGeometry(30,80,700,550)defdetect_image(self):path,_QFileDialog.getOpenFileName()ifnotpath:returnresself.model.predict(sourcepath,saveFalse)imgres[0].plot()imgcv2.cvtColor(img,cv2.COLOR_BGR2RGB)h,w,chimg.shape qimgQImage(img.data,w,h,ch*w,QImage.Format_RGB888)self.label_show.setPixmap(QPixmap.fromImage(qimg))if__name____main__:appQApplication(sys.argv)winDetectWindow()win.show()sys.exit(app.exec_())运行环境依赖安装pipinstallultralytics pyqt5 opencv‑python