水域治理与河道巡检检测数据

1.算法训练：作为目标检测模型（YOLOv8/YOLOv11等）的训练数据集，除基础检测训练外，算法衍生字段可用于训练场景分析模型（污染程度预测、扩散趋势评估等）。 2.模型验证与测试：通过验证集和测试集评估模型检测精度（mAP、Precision、Recall），同时验证场景分析算法的准确性和业务价值。 3.场景算法优化：利用算法衍生字段的数据分布特征，持续优化场景分析算法的参数阈值（覆盖率饱和阈值、聚集度判定阈值等）。 4.标注质量评估：利用标注坐标的几何一致性（凸四边形有效性验证、面积合理性检查、越界检查）评估标注质量，建立标注质量反馈与返修机制。 5.水源地保护：游泳等人为活动的空间分布数据，可供饮用水水源保护管理机构用于划定警示区与开展违规行为劝阻。1. 数据采集：采集无人机航拍视角下的河道、湖泊水域图像标注数据，标注对象覆盖漂浮物、游泳、浮萍、凋落物共4类水域异常目标，标注格式采用OBB旋转标注框格式（4顶点坐标：x1,y1,x2,y2,x3,y3,x4,y4），坐标归一化至[0,1]区间。提取字段包括序号（从1开始连续编号）、图片名称、类型编号、类型名称及OBB标注框坐标。 2. 数据处理：坐标归一化验证：确保所有坐标值均在[0,1]有效范围内；标注框几何有效性检查：验证OBB标注框四点构成有效凸四边形且面积为正；类别信息校验：确保类型编号与类型名称一一对应；同帧归属校验：确保每条标注归属正确的图片；异常值处理：剔除坐标越界、面积为0或面积超过画面50%的异常标注。 3. 算法加工 （一）基础几何计算 标注框中心X = (x1+x2+x3+x4)/4，标注框中心Y = (y1+y2+y3+y4)/4，保留6位小数。 标注框面积 = |x1×y2+x2×y3+x3×y4+x4×y1−x2×y1−x3×y2−x4×y3−x1×y4|/2（Shoelace公式），保留6位小数。 （二）场景分析算法 （1）水域分区：按标注框中心Y坐标划分，中心Y<0.33为上游水域，0.33≤中心Y<0.67为中游水域，中心Y≥0.67为下游水域，用于定位污染物所处的河段位置。 （2）污染物覆盖率=同帧所有标注框面积之和；污染面积指数 = MIN(1, 污染物覆盖率/0.025)，对其作归一化处理。 （3）同帧污染物数：统计同一图片名称下的标注框条数；污染聚集指数=MIN(1, 同帧污染物数/8)，同帧目标越多说明污染已成片聚集，打捞难度越大。 （4）水域扩散指数=MAX(0, 1−|标注框中心X−0.5|×2)。 （5）治理紧迫度评分=(0.40×污染面积指数+0.30×污染聚集指数+0.30×水域扩散指数)×10，保留2位小数。 （6）水质异常等级：治理紧迫度评分<2.5为良好，2.5≤治理紧迫度评分<4.5为轻度污染，4.5≤治理紧迫度评分<6.5为中度污染，治理紧迫度评分≥6.5为严重污染。

搜集汇总

背景与挑战

背景概述

该数据集为杭州团簇科技有限公司登记的水域治理与河道巡检检测数据，采集无人机航拍河道、湖泊水域图像，采用OBB旋转标注框标注漂浮物、游泳、浮萍、凋落物4类异常目标，坐标归一化至[0,1]，数据规模2000条，格式为xlsx并按需更新。数据集经过坐标验证、几何有效性检查、类别与同帧归属校验及异常剔除，并计算水域分区、污染物覆盖率、污染面积指数、污染聚集指数、水域扩散指数、治理紧迫度评分和水质异常等级等衍生字段，可用于目标检测模型训练与验证、场景分析算法优化、标注质量评估及水源地保护。