河道漂浮物目标检测数据集

河道漂浮物目标检测数据集

第一部分为数据集详细介绍，第二部分为目标检测论文模板。

第一部分 河道漂浮物目标检测数据集详细介绍

图 1：河道漂浮物目标检测数据集标题背景。

数据集名称：河道漂浮物目标检测数据集。 这是一套用于识别和定位水面及近水区域漂浮物的彩色图像数据集，共包含 2400 张图片、8 类标注对象、3510 个目标框。全部图片均为 416 × 416 像素、RGB 三通道、JPG 格式，配有 YOLO 文本标注和 VOC XML 标注。以下数量按现有图像文件和标注条目统计。

一、数据集文件结构

河道漂浮物目标检测数据集的数据主体共有 3 个一级文件夹、6 个划分子文件夹：一级文件夹为 images、labels、xml；其中 images 与 labels 各自包含 train、val、test 三个子文件夹。

下表中的位置均相对于数据主体文件夹，文件夹名称按实际内容列出。

文件夹名称	层级与组成	存放内容	数量
images	一级文件夹，下含 train、val、test	全部 RGB 图像，格式为 .jpg	2400 张
images/train	images 的子文件夹	训练集图像	1680 张
images/val	images 的子文件夹	验证集图像	239 张
images/test	images 的子文件夹	测试集图像	481 张
labels	一级文件夹，下含 train、val、test	与图像对应的 YOLO .txt 标注，另有缓存文件	2400 个标注文件
labels/train	labels 的子文件夹	训练集 YOLO 标注	1680 个
labels/val	labels 的子文件夹	验证集 YOLO 标注	239 个
labels/test	labels 的子文件夹	测试集 YOLO 标注	481 个
xml	一级文件夹，无划分子文件夹	全部 VOC .xml 标注，集中保存	2400 个

表中 images 与 labels 行是各自三个子文件夹的汇总，不能与子文件夹数量重复相加。同一图像的 JPG、TXT 和 XML 采用相同的文件名主体，便于对应图像及其两种格式的标注。

数据中还包含以下辅助文件。

文件名称	所在位置	主要内容
dataset_local.yaml	数据集主文件夹	数据路径、训练、验证与测试图像位置、类别数量及类别名称配置
train.cache、val.cache	数据主体的 labels 文件夹	训练与验证标签的索引缓存，不是额外图像或标注样本
countTXT.py、countXML.py	数据主体文件夹	两种标注格式的计数辅助脚本
DivAndVerf.py、VOCtoYOLO.py	数据主体文件夹	数据划分与标注转换辅助脚本

二、标注对象及对应数量

数据集共有 8 类标注对象，类别 ID 为 0—7。下表分别列出每类的目标框数量、包含该类目标的图片数量，以及该类框数占全部 3510 个目标框的比例。

类别 ID	中文对应名	英文标签	标注框数量	含该类目标的图片数量	框数占比
0	瓶子	bottle	1691	1039	48.18%
1	草	grass	201	201	5.73%
2	树枝	branch	434	404	12.36%
3	牛奶盒	milk-box	255	233	7.26%
4	塑料袋	plastic-bag	411	393	11.71%
5	塑料垃圾	plastic-garbage	202	192	5.75%
6	球	ball	49	49	1.40%
7	树叶	leaf	267	248	7.61%
合计	8 类	—	3510	全体共 2400 张，含类图片数不可直接相加	100%

“标注框数量”和“图片数量”含义不同：一张图片可以包含多个同类目标，因此该类框数可能大于含类图片数；一张图片也可以出现不同类别，会分别计入多个类别的图片数量。例如，瓶子对应 1691 个框，分布在 1039 张图片中。

中文名称是现有英文标签的对应说明，不额外确认物体的材质或物种。YOLO 和 VOC 是同一组目标的两种标注表达，3510 个目标框不能因存在两套格式而重复累计。

三、画面内容与任务边界

画面以水面、岸边及近水区域为背景，包含瓶状容器、包装盒、袋状物、枝条、草叶、球状物和其他漂浮物。既有目标占据较大画面区域的近景，也有开阔水面中的较小目标；同一画面可能同时出现多个物体和不同类别。

样例中可见水面波纹、倒影、岸边植被以及物体局部浸水的情况。物体外形、朝向和背景具有一定变化，标签用于描述其所属类别及画面位置。

图 2：八类对象样例。彩色矩形及英文文字为数据已有标注，不是模型预测结果；样例用于展示内容，不代表各类别的完整视觉分布。

本数据的任务是 目标检测：识别图像中已定义类别的物体，并以轴对齐矩形框表示其位置。一张图片能够对应一个或多个框，并非每张图片只对应一个分类标签。

标注提供类别和矩形位置，没有像素级分割轮廓、连续轨迹或真实距离信息。因此，现有内容可以描述画面中的目标类别与位置，不能直接给出漂浮物的精确外形面积、体积、水流速度或连续运动方向。

四、规模、划分与类别分布

1. 整体规模与数据划分

数据集包含 2400 张图像、2400 个 YOLO 标注文件和 2400 个 VOC 标注文件。全部图像宽高一致，为 416 × 416 像素。训练集、验证集、测试集的图像数量分别为 1680、239、481 张，比例接近 70%／10%／20%。

数据划分	图片数量	图片占比	YOLO 标注文件数	对应目标框数量
训练集 train	1680	70.00%	1680	2442
验证集 val	239	9.96%	239	348
测试集 test	481	20.04%	481	720
合计	2400	100%	2400	3510

2. 各类别在不同划分中的分布

三个划分均包含全部八个类别。下表以目标框为单位，展示不同类别在训练、验证和测试集中的数量。

类别	训练集框数	验证集框数	测试集框数	总框数
瓶子 bottle	1174	165	352	1691
草 grass	148	18	35	201
树枝 branch	300	42	92	434
牛奶盒 milk-box	177	27	51	255
塑料袋 plastic-bag	288	37	86	411
塑料垃圾 plastic-garbage	138	18	46	202
球 ball	32	10	7	49
树叶 leaf	185	31	51	267
合计	2442	348	720	3510

图 3：类别框数与数据划分。左侧为八类标注对象的框数，右侧为三个数据划分的图片数量及占比。

类别分布以瓶子为主，占全部框的 48.18%；树枝与塑料袋分别占 12.36% 和 11.71%；牛奶盒、树叶、草及塑料垃圾各占约 5%—8%；球类数量最少，占 1.40%。不同类别的图片数量与目标框数量均有差异，比较类别规模时需要分别使用相应统计口径。

第二部分 目标检测论文模板

基于 YOLO26s 与类别均衡训练的河道漂浮物目标检测研究（模拟数据示例版）

模拟数据声明：本文尚未训练模型。数据集规模与类别统计来自实际文件；三张实验结果表中的数值由人为构造，仅用于演示排版、统计计算和论文分析写法，均为模拟示例，非实测。摘要、分析与结论中涉及这些数值的陈述也只对应模拟情形，不能作为真实实验结果引用。图 3、图 4 仍为独立保存的实验预留版式。

中文摘要

河道漂浮物具有类别分布不均、尺度变化明显及水面背景复杂等特点，给视觉检测带来定位与识别困难。本文以 YOLO26s 为基础，拟构建结合类别均衡分类损失与场景适配增强的八类别检测框架，保留多尺度特征融合和双检测头训练机制。实际研究对象包含 2400 张 RGB 图像和 3510 个矩形标注框，覆盖瓶子、草、树枝等八类对象。实验拟采用内容分组划分，并设置模型对比、两因素消融和效率比较。为演示结果写法，本文构造一组模拟数据：YOLO26s-CB 的示例 mAP50 与 mAP50:95 分别设为 90.0% 和 65.0%，后者较示例基线高 2.9 个百分点。上述数值并非训练或测试所得，不证明改进有效，真实精度、效率及泛化能力仍须通过实验验证。

关键词：河道漂浮物；目标检测；YOLO26s；类别均衡；多尺度特征；模型评估

1 引言

水面漂浮物识别是河道视觉巡查中的基础任务。利用图像定位瓶子、包装物与自然漂浮物，可为后续人工复核和清理决策提供目标位置。然而，水面倒影与波纹会形成复杂纹理，岸边植被与目标颜色可能接近，物体浸水、形变和遮挡又改变其可见外观。因此，检测器需要联合利用局部轮廓与上下文信息，避免将背景边缘误判为目标。

研究中的另一问题是样本分布差异。本数据集中瓶子有 1691 个标注框，球类仅有 49 个框。若仅报告总体平均结果，可能忽略少数类别识别不足。与此同时，训练与评估图像的内容独立性会影响结果解释；不同文件名并不能保证图像互不重复，未经核验的划分可能使测试指标偏离对新场景的真实表现。

本文拟从三个方面开展研究：以近期正式发布的 YOLO26s 建立可复现检测基线；在固定网络主体的前提下考察类别均衡损失与场景适配增强；结合内容分组划分、消融实验和效率测试，分析精度变化的来源。上述改动属于待实现、待验证的研究方案，不将模块数量或模型发布时间视为有效性的证据。

2 相关工作

图像目标检测主要包括候选区域驱动的两阶段方法、直接预测类别与位置的单阶段方法，以及利用目标查询与集合匹配的端到端方法。不同路线在特征表达、候选分配和后处理方式上存在差别，应在相同任务和测量条件下比较，而不能直接将公开通用数据集上的排名转用于河道场景。

YOLO 系列通过多尺度特征融合和密集预测兼顾不同大小的目标。本文核查时间为 2026 年 10 月 27 日，选用 Ultralytics 最新正式发布系列 YOLO26 中的 s 规格；尚未公开可用的预告模型不列入已实现方案。YOLO26 支持双头训练，取消分布焦点损失，并提供一对一检测分支的免 NMS 推理路径。

类别均衡训练尝试调整不同类别的优化贡献，数据增强则改变训练图像的外观与布局。二者均可能改善特定类别，也可能增加误检或改变训练分布。因此，本文不将这些策略的作用视为既定事实，而通过独立因素消融检查其边际效果及交互作用。

3 方法

3.1 检测框架

拟议框架记为 YOLO26s-CB。输入图像统一处理为 640×640 像素，经骨干网络提取特征，再通过双向融合形成步长为 8、16 和 32 的三个尺度表示。网络输出八个类别分数及边界框，类别顺序与现有标注保持一致。类别均衡策略 A 作用于分类监督，增强策略 B 作用于训练图像及其同步变换的标注；二者均不增加新的推理特征分支。

图 1 网络架构示意图。 对应图片文件：论文配图/图1_网络架构示意图.png。实线表示特征与推理路径，虚线表示训练监督及拟加入的策略 A、B。该图是概念框架，不代表已完成模型实现。

训练保留一对多与一对一分支。本文拟明确设置 nms=False 使用一对一分支推理；该设置不能与默认一对多分支配合 NMS 的路径混写。比较模型采用各自正常预测流程，并在效率测试中记录后处理是否计时。

3.2 类别均衡损失

类别权重仅由清洗后训练集的标注框数计算，验证集和测试集不参与估计。设第 c 类目标数为 n_c，有效样本数权重及其截断形式定义为

$$w_c=\frac{1-\beta }{1-{\beta }^{n_c}},{\tilde{w}}_c=\mathrm{clip}\left(\frac{8w_c}{{\sum }_{j=1}^8{w}_j},0.5,3\right).$$

预设 β=0.999。对任务分配得到的软目标 q_ic 与预测概率 p_ic，拟采用正项加权的分类损失

$$L_{\mathrm{CB}}=-\frac{1}{S}\sum _{i,c}\left[{\tilde{w}}_c{q}_{ic}\log p_{ic}+(1-q_{ic})\log (1-p_{ic})\right],S=\max \left(1,\sum _{i,c}{q}_{ic}\right).$$

截断用于限制少数类的单项权重，但不保证其检测性能必然提高。该式是本文拟替换的分类项，不应表述为 YOLO26 的原始默认损失。框回归拟沿用 CIoU 与按图像尺寸归一化的 LTRB 距离 L1 项。单分支与双分支目标分别写为

$$L_h={\lambda }_b{L}_{\mathrm{CIoU}}+{\lambda }_c{L}_{\mathrm{CB}}+{\lambda }_1{L}_{L1},L=\alpha (t)L_{o2m}+[1-\alpha (t)]L_{o2o}.$$

其中 α(t) 随训练推进从 0.8 线性降至 0.1，逐步提高一对一监督比重。λ_b、λ_c、λ_1 预设为 7.5、0.5、1.5，最终值须与实际训练配置一致。YOLO26 不使用 DFL，亦不在本方法中额外添加独立目标存在性损失。CIoU 的几何项为

$$L_{\mathrm{CIoU}}=1-\mathrm{IoU}+\frac{{\rho }^2(\mathbf{c},{\mathbf{c}}^{\ast })}{d^2}+\eta v,v=\frac{4}{{\pi }^2}{\left(\arctan \frac{w^{\ast }}{h^{\ast }}-\arctan \frac{w}{h}\right)}^2,\eta =\frac{v}{1-\mathrm{IoU}+v+\epsilon }.$$

ρ 表示框中心距离，d 为最小包围矩形的对角线长度，v 衡量宽高比差异。

3.3 评价指标

类别正确且交并比达到阈值的匹配计为 TP，其余预测与未匹配真值分别计为 FP 和 FN。精确率、召回率及交并比定义为

$$P=\frac{TP}{TP+FP},R=\frac{TP}{TP+FN},\mathrm{IoU}=\frac{|B\cap G|}{|B\cup G|}.$$

拟将不同框架的预测统一交由同一评估器，以 101 个召回率采样点计算插值 AP，并报告八类平均结果。令插值精确率为相应召回率之后的最大精确率，定义为

APc,τ=1101∑k=0100Pc,τinterp(k100),mAP⁡50:95=180∑c=18∑τ∈{0.50,0.55,…,0.95}APc,τ. AP_{c,\tau}=\frac{1}{101}\sum_{k=0}^{100}P^{\mathrm{interp}}_{c,\tau}\left(\frac{k}{100}\right),\qquad \operatorname{mAP}_{50:95}=\frac{1}{80}\sum_{c=1}^{8}\sum_{\tau\in\{0.50,0.55,\ldots,0.95\}}AP_{c,\tau}. APc,τ​=1011​k=0∑100​Pc,τinterp​(100k​),mAP50:95​=801​c=1∑8​τ∈{0.50,0.55,…,0.95}∑​APc,τ​.

mAP50 仅使用阈值 0.50。应冻结评估器版本，不混用各框架的积分近似或默认汇总结果。图像级内容组作为评估独立性检查单位，不以多个重复文件增加有效样本量。

4 数据集与实验设置

4.1 数据内容与划分

本文使用河道漂浮物目标检测数据集，实际包含 2400 张 416×416 像素 RGB 图像，具有 YOLO 与 VOC 两种矩形框标注，共计 3510 个目标。瓶子、草、树枝、牛奶盒、塑料袋、塑料垃圾、球和树叶的框数依次为 1691、201、434、255、411、202、49、267。自然枝叶也是独立类别，不能将所有目标都解释为人工垃圾。

图 2 数据集样本标签示例图。 对应图片文件：论文配图/图2_数据集样本标签示例图.png。展示本数据的真实图像及原有瓶子标注框，不是检测预测。配图显示采用缩略和统一颜色量化，具体显示参数见图内说明；原图及标注未改变，该图不用于细节或定量判断。

原训练、验证、测试集为 1680、239、481 张，约占 70.00%、9.96%、20.04%。文件检查发现 89 组完全重复图像，其中 49 组跨越原划分。正式实验拟先按文件与像素哈希归组，汇集同图标注后人工核验，再按内容组以约 7∶1∶2 划分并兼顾类别覆盖。清洗后图像数、框数和三部分实际数量均为【待统计】，不能直接沿用原始分母。此处理尚未执行，也不能据此声称已排除近重复或同场景关联。

4.2 数据增强与训练参数

基准设置拟采用等比例缩放、填充及概率 0.5 的水平翻转。策略 B 在此基础上加入 HSV 扰动，h、s、v 幅度分别为 0.015、0.4、0.2，旋转范围 ±5°，平移比例 0.1，缩放幅度 0.3，Mosaic 概率 0.5，并在最后 10 轮关闭 Mosaic。变换后的框同步更新，无有效目标的裁剪需明确处理规则。验证和测试只进行确定性尺寸处理，不施加随机增强。

计划训练 200 轮，批量大小 16，输入尺寸 640，采用 AdamW，初始学习率 0.001、末端学习率 0.00001，权重衰减 0.0005，预热 3 轮并使用余弦退火。启用混合精度，固定随机种子 0、1、2 分别运行三次，以验证集 mAP50:95 选择检查点。类别权重按各次共用训练划分计算，不在测试集上调参。放大至 640 的输入不意味着原图获得额外细节。

4.3 环境与比较协议

参考硬件预设为单张 NVIDIA RTX 4090 24 GB、至少 16 核 CPU 和 64 GB 内存；软件预设为 Ubuntu 22.04、Python 3.11、PyTorch 2.6 与 CUDA 12.4，YOLO 实现拟固定为 ultralytics==8.4.190。这些是待执行实验的目标环境，不代表已检测到的本机配置，实际设备、驱动及依赖版本须据运行记录替换。

比较 YOLOv8s、YOLO11s、RT-DETR-R18、YOLO26s 与拟议 YOLO26s-CB，记录各自权重来源、实现版本及预训练差异。各组共享内容划分、训练轮数和输入尺寸；除预定义策略 A、B 外保持共同设置，并分别报告预训练与优化器适配带来的限制。

5 实验结果与分析

5.1 模型比较

表 1 填入人为构造的三组示例数值，并以其算术均值±样本标准差显示，所有检测指标以百分比报告。这些不是三次真实训练结果，也不提供统计推断依据。正式实验中，P、R 拟统一在置信度 0.25、匹配 IoU 0.50 下计算，AP 使用完整置信度排序；完成训练后须整体替换本表。

表 1 模型对比表（模拟示例，非实测）

模型	P/%	R/%	mAP50/%	mAP50:95/%
YOLOv8s	86.2±0.3	80.9±0.4	85.8±0.3	58.4±0.3
YOLO11s	87.4±0.2	82.1±0.4	87.0±0.3	60.0±0.3
RT-DETR-R18	86.8±0.4	83.0±0.3	86.6±0.2	60.7±0.4
YOLO26s	88.5±0.3	84.0±0.3	88.2±0.2	62.1±0.3
YOLO26s-CB（A+B）	90.1±0.2	86.1±0.3	90.0±0.2	65.0±0.3

在所设模拟数值中，联合方案的 mAP50:95 较 YOLO26s 高 2.9 个百分点，较 YOLOv8s、YOLO11s 与 RT-DETR-R18 分别高 6.6、5.0、4.3 个百分点；P 与 R 较基线分别高 1.6、2.1 个百分点。这一段仅示范模型差异的描述方式。人为排列的均值与标准差不能证明真实性、显著性或稳定性，也不能据此认定模型优劣。

5.2 消融与训练过程

在相同 YOLO26s 主体上采用两因素四组设计。A 表示类别均衡分类损失，B 表示场景适配增强；各组使用一致内容划分、种子和训练预算，并共享框回归项、损失系数、目标分配与双头权重调度。关闭 A 时只还原未加权分类项，关闭 B 时只移除额外增强。表 2 中球类 AP 用于观察少数类表现，其余逐类结果应随实验记录保存。

表 2 消融实验表（模拟示例，非实测）

组别	策略 A	策略 B	mAP50:95/%	球类 AP50/%
基线	否	否	62.1±0.3	49.8±0.8
仅类别均衡	是	否	63.5±0.2	55.4±0.7
仅场景增强	否	是	64.0±0.3	53.0±0.8
联合方案	是	是	65.0±0.3	58.2±0.6

图 3 训练损失与验证指标曲线图。 对应图片文件：论文配图/图3_训练损失与验证指标曲线图.png。当前仅为空白实验版式，无模拟曲线或实测数值。训练后填入分类、CIoU、L1 损失及验证集 mAP50:95，并标出选中轮次与三次运行的离散程度。

模拟设定中，A、B 和联合方案相对基线的 mAP50:95 差值为 1.4、1.9、2.9 个百分点，交互项为 65.0−63.5−64.0+62.1=−0.4 个百分点。因此，即使联合数值最高，也不能写成超加性协同。球类 AP50 的示例差值分别为 5.6、3.2、8.4 个百分点。这些计算仅说明如何分析消融表，尚无真实损失日志、逐类预测或收敛证据。

5.3 效率与可视化

效率拟在同一设备、640×640 输入和 batch=1 下测量，固定 FP16，预热 100 次后重复 1000 次，并执行 GPU 同步。单图延迟拟包含预处理、前向和后处理，排除磁盘读取。表 3 的参数量、GFLOPs 和各项延迟均为人为设定，不是代码统计或任何设备的计时结果；FPS 仅由示例平均延迟按 1000/平均毫秒数计算。

表 3 推理效率对比表（模拟示例，非实测）

模型	参数量/M	GFLOPs	平均延迟/ms	中位延迟/ms	P95/ms	FPS
YOLOv8s	11.14	28.40	6.80	6.60	8.30	147.06
YOLO11s	9.41	21.50	6.15	6.00	7.50	162.60
RT-DETR-R18	20.10	60.00	9.50	9.25	11.80	105.26
YOLO26s	9.50	20.90	5.60	5.45	6.90	178.57
YOLO26s-CB	9.50	20.90	5.64	5.48	6.95	177.30

由于 A、B 仅作用于训练，示例中 YOLO26s 与联合方案的参数量和 GFLOPs 保持相同。两者示例平均延迟相差 0.04 ms，不能解释为新增推理结构的开销，更不能视为实测速度差异。中位数及 P95 是独立指定的示例值，不能由平均数推导；正式实验必须从实际延迟序列计算。

图 4 不同模型检测可视化对比图。 对应图片文件：论文配图/图4_不同模型检测可视化对比图.png。首列为真实样本及原标注，其他列保留相同画面并明确等待推理，不是模型预测或漏检结果。实验后应按预先固定的样本规则展示正确检出、漏检与误检，统一显示阈值、颜色及图像处理，不只挑选有利案例。

6 讨论

本研究的解释边界首先来自数据内容和监督质量。现有类别覆盖自然漂浮物与人工物品，标注名不能直接证明材料属性；同图不同标注需要人工核验，格式可读也不能代替语义检查。按相同内容分组只能处理精确重复，仍需检查近重复及相同拍摄场景，防止残余关联影响评估。

其次，类别均衡可能提高少数类贡献，也可能增加背景误报；场景增强可能扩展训练变化，也可能产生与真实水面不一致的组合。这些机制应通过消融和错误类型统计检验。三次种子运行只能反映部分优化波动，不能代表跨河道泛化的不确定性。

最后，有限分辨率静态图像不足以支持水流跟踪、物体体积估计或持续巡查效果判断。GPU 上的吞吐也不能直接证明岸端设备的实时表现。后续应使用独立水域、不同光照与成像距离的样本验证，并分别评估数据治理、网络选择和训练策略的贡献。

7 结论

本文给出了以 YOLO26s 为基础的八类别河道漂浮物检测方案，并补充了模型对比、消融和效率表的模拟示例。在人为设定的数值中，联合方案 mAP50:95 为 65.0%，较基线高 2.9 个百分点，但这只是分析写法的演示，不是实验发现。真实数据仍需处理重复内容、核验标注并完成独立训练和测试。正式结论须依据实际预测与计时记录重写，本文模拟数值不能用于证明方法有效或部署可行。
续巡查效果判断。GPU 上的吞吐也不能直接证明岸端设备的实时表现。后续应使用独立水域、不同光照与成像距离的样本验证，并分别评估数据治理、网络选择和训练策略的贡献。