无人机红外图像下极小目标检测数据集，8302张，yolo和voc两种标注方式
4类，标注数量：
Plane:飞机 2163
Drone:无人机 3120
Heli:直升机 2217
Bird:鸟类 1958
image num: 8302
1
1
以下是无人机红外图像下极小目标检测数据集的完整统计表格：
📊 无人机红外极小目标检测数据集统计表
| 序号 | 英文类别名称 | 中文类别名称 | 标注框数量 |
|---|---|---|---|
| 1 | Plane | 飞机 | 2,163 |
| 2 | Drone | 无人机 | 3,120 |
| 3 | Heli | 直升机 | 2,217 |
| 4 | Bird | 鸟类 | 1,958 |
| 总计 | — | — | 9,458 |
- 图像总数：8,302 张
- 图像模态：红外（IR）图像
- 目标特点：极小目标（通常 < 32×32 像素）
- 标注格式：同时提供YOLO (.txt)和PASCAL VOC (.xml)两种格式
- 应用场景：低空安防、机场净空监测、反无人机系统、鸟类迁徙监控等
数据集适用于红外小目标检测、弱信号识别、多类空中目标分类与跟踪等前沿研究与工程应用。
基于YOLOv8构建的无人机红外图像下极小目标检测系统的详细代码实现。该系统支持：
- 加载红外图像
- 使用 YOLOv8 模型进行推理
- 提供 Web 界面上传与可视化（Flask）
- 支持 YOLO 和 VOC 格式数据训练（本例使用 YOLO 格式）
📁 一、项目结构
infrared_small_target_detection_yolov8/ ├── data/ │ └── dataset.yaml# 数据集配置（4类）├── models/ │ └── best.pt# 训练好的 YOLOv8 模型├── static/ │ ├── uploads/# 用户上传图像│ └── results/# 检测结果图├── templates/ │ ├── index.html# 主页（上传界面）│ └── result.html# 结果展示├── app.py# Flask Web 应用├── detect.py# 核心检测模块├── requirements.txt └── README.md📦 二、环境依赖（requirements.txt）
ultralytics==8.2.0 flask==2.3.3 opencv-python==4.8.0 numpy==1.24.3 Pillow==9.5.0 matplotlib安装：
pipinstall-r requirements.txt📄 三、数据集配置data/dataset.yaml
train:../data/images/trainval:../data/images/valtest:../data/images/testnc:4names:['Plane','Drone','Heli','Bird']🔍 四、核心检测模块detect.py
# detect.pyimportcv2importosfromultralyticsimportYOLO# 中英文类别名称映射CLASS_NAMES={0:"飞机",# Plane1:"无人机",# Drone2:"直升机",# Heli3:"鸟类"# Bird}defrun_detection(input_path,output_dir="static/results",model_path="models/best.pt"):""" 对单张红外图像进行极小目标检测 :param input_path: 输入图像路径 :param output_dir: 输出目录 :param model_path: 模型路径 :return: (输出图像路径, 检测统计) """model=YOLO(model_path)img=cv2.imread(input_path)ifimgisNone:raiseValueError("无法读取图像，请检查路径")results=model(img,conf=0.4)# 设置置信度阈值为0.4annotated_img=img.copy()boxes=results[0].boxes class_counts={name:0fornameinCLASS_NAMES.values()}forboxinboxes:x1,y1,x2,y2=map(int,box.xyxy[0])conf=float(box.conf[0])cls_id=int(box.cls[0])ifcls_idnotinCLASS_NAMES:continueclass_name=CLASS_NAMES[cls_id]class_counts[class_name]+=1# 绘制边界框和标签color=(0,255,0)# 默认绿色，可根据需要调整颜色cv2.rectangle(annotated_img,(x1,y1),(x2,y2),color,2)label=f"{class_name}{conf:.2f}"cv2.putText(annotated_img,label,(x1,y1-10),cv2.FONT_HERSHEY_SIMPLEX,0.5,color,1)# 保存标注后的图像os.makedirs(output_dir,exist_ok=True)filename=os.path.basename(input_path)output_path=os.path.join(output_dir,f"det_{filename}")cv2.imwrite(output_path,annotated_img)returnoutput_path,class_counts🌐 五、Web 应用app.py
# app.pyfromflaskimportFlask,render_template,request,redirect,url_for,send_from_directoryimportosfromdetectimportrun_detection app=Flask(__name__)UPLOAD_FOLDER='static/uploads'RESULT_FOLDER='static/results'ALLOWED_EXTENSIONS={'png','jpg','jpeg'}app.config['UPLOAD_FOLDER']=UPLOAD_FOLDER app.config['RESULT_FOLDER']=RESULT_FOLDERdefallowed_file(filename):return'.'infilenameandfilename.rsplit('.',1)[1].lower()inALLOWED_EXTENSIONS@app.route('/')defindex():returnrender_template('index.html')@app.route('/upload',methods=['POST'])defupload_file():if'file'notinrequest.files:returnredirect(request.url)file=request.files['file']iffile.filename==''ornotallowed_file(file.filename):returnredirect(request.url)# 保存上传文件filename=file.filename filepath=os.path.join(app.config['UPLOAD_FOLDER'],filename)os.makedirs(app.config['UPLOAD_FOLDER'],exist_ok=True)file.save(filepath)try:# 执行检测output_path,counts=run_detection(filepath,output_dir=app.config['RESULT_FOLDER'],model_path="models/best.pt")result_filename=os.path.basename(output_path)exceptExceptionase:returnf"<h2>检测失败：{str(e)}</h2>"# 过滤掉数量为0的类别non_zero_counts={k:vfork,vincounts.items()ifv>0}returnrender_template('result.html',original=filename,detected=result_filename,counts=non_zero_counts)if__name__=='__main__':app.run(debug=True,host='0.0.0.0',port=5000)🖼️ 六、前端模板
templates/index.html
<!DOCTYPEhtml><html><head><title>红外极小目标检测系统</title><style>body{font-family:Arial;text-align:center;margin-top:40px;}.btn{padding:8px 16px;margin:5px;background:#007bff;color:white;border:none;cursor:pointer;}.btn:hover{background:#0069d9;}</style></head><body><h2>🔍 无人机红外极小目标检测系统</h2><formmethod="post"enctype="multipart/form-data"action="/upload"><inputtype="file"name="file"accept="image/*"required><br><br><buttontype="submit"class="btn">上传并检测</button></form></body></html>templates/result.html
<!DOCTYPEhtml><html><head><title>检测结果</title><style>body{font-family:Arial;margin:20px;}img{max-width:95%;margin:10px;border:1px solid #ddd;}.stats{background:#f8f9fa;padding:15px;border-radius:5px;margin:20px 0;}.item{display:inline-block;margin-right:15px;}</style></head><body><h2>📊 检测结果</h2><imgsrc="{{ url_for('static', filename='uploads/'+ original) }}"alt="原始图"><imgsrc="{{ url_for('static', filename='results/'+ detected) }}"alt="检测结果"><divclass="stats"><strong>检测到的目标：</strong>{% for name, count in counts.items() %}<spanclass="item">{{ name }}: {{ count }} 处</span>{% endfor %}</div><ahref="/">← 返回上传</a></body></html>▶️ 七、运行系统
python app.py访问：http://localhost:5000
🎯 八、系统特点
| 特性 | 说明 |
|---|---|
| 🔥红外图像处理 | 针对极小目标设计，适用于低空安防等场景 |
| 🚁多类空中目标 | 包含飞机、无人机、直升机、鸟类四类目标 |
| 🖼️中文标签显示 | 前端直接显示中文设备名 |
| 📊统计计数 | 显示每类目标检测数量 |
| 🚀轻量部署 | Flask + YOLOv8，适合边缘服务器 |
💡 扩展建议
- 视频流检测：接入 RTSP 视频流实现实时监控
- 模型优化：针对极小目标，考虑增加数据增强策略或采用更高级的网络架构
- API 接口：提供
/api/detect供其他系统调用 - 移动端适配：响应式设计以适应不同设备
