Awesome YOLO Datasets

精选 YOLO 目标检测数据集合集，涵盖工业检测、医疗AI、农业识别、交通安全等领域，所有数据集均提供百度网盘下载链接，共101+个数据集。This curated collection of YOLO-based object detection datasets spans diverse application domains including industrial inspection, medical AI, agricultural recognition, and traffic safety. All datasets are accompanied by Baidu Wangpan download links, with a total of over 101 datasets.

原始信息汇总

🚀 Awesome YOLO Datasets 数据集详情总结

项目概述

这是一个精选的 YOLO 目标检测数据集合集，共包含 101+ 个数据集，覆盖工业检测、医疗AI、农业识别、交通安全、自然环境及其他领域。所有数据集均提供百度网盘下载链接，提取码统一为 yolo，均带有 YOLO 标签格式，下载即可用于训练。

数据集分布

领域	数量
🏭 工业检测	49
🏥 医疗AI	6
🌾 农业识别	19
🚗 交通车辆	8
🌿 自然环境	10
📦 其他	9
合计	101

领域详情

🏭 工业检测（49个）

涵盖电路缺陷检测、铁路轨道缺陷、路面病害检测、传送皮带异物检测、珠宝首饰分拣、家用电器识别、地面裂缝识别、元器件焊接检测、滴水检测、汽车零部件瑕疵检测、布料痕迹检测、木材表面缺陷检测、集装箱货物检测、汽车刹车片瑕疵检测、工厂指示牌识别、螺栓检测、火车车轮缺陷检测、仪表识别、施工现场检测、塑料瓶检测、钢筋网分割、硬币面值识别、机床加工车间、隧道管片识别、屋顶病害检测、工地模板缝隙检测、配电柜检测、传送带托辗识别、金属表面凹坑、管道振动测试、露天矿区检测、焊接机器人故障识别、矿带边缘检测、厨房卫生安全检测、安全帽与反光衣检测、数码管数字识别、图书馆书籍检测、工业包装缺陷检测、印章划分检测、小丑鱼金鱼识别、水位监测水尺识别、钢材表面缺陷检测等。

🏥 医疗AI（6个）

血细胞图像数据集、食用菌病害识别实例分割数据集、乳腺癌检测数据集、肌肉纤维识别数据集、鱼卵检测数据集、鱼类目标与鱼病识别数据集。

🌾 农业识别（19个）

草莓成熟度检测、番茄识别、茶叶病虫害检测、荔枝成熟度检测、苹果成熟度检测、蓝靛果识别、山竹果实检测、芒果成熟度识别、水果识别、植物叶片病害识别、桑蚕病害识别（多个版本）、辣椒检测、CNC检测、Japanese Honeysuckle数据集等。

🚗 交通车辆（8个）

驾驶员分心检测、无人机检测、驾驶员戴墨镜识别、海面舰船目标检测、道路标志识别、车牌检测、车牌数字识别、车牌识别数据集。

🌿 自然环境（10个）

建筑物实例分割、单木分割、海洋生物实例分割、海星实例分割、河流与水体分割、风机叶片裂缝检测、伪装效果评估识别、火焰烟雾检测、野生动物巡查、岩石识别。

📦 其他（9个）

国际象棋目标检测、视频坏点彩带黑边识别、跑步运动检测、游泳运动检测、垃圾分类、手势识别、教室学生抬头低头检测、足球识别、足球人物分析。

项目特点

• 开箱即用：所有数据集均采用 YOLO 标签格式，下载即可直接用于训练。
• 网盘直达：统一提供百度网盘下载链接，提取码统一为 yolo。
• 分类清晰：按应用领域分类整理，便于快速查找。
• 持续更新：定期补充新的高质量数据集。

搜集汇总

数据集介绍

构建方式

该数据集汇集了101个面向YOLO目标检测任务的精选数据集，覆盖工业检测、医疗AI、农业识别、交通车辆、自然环境及其他领域。所有数据集均按照YOLO标签格式进行统一整理，并通过百度网盘提供下载，提取码统一为yolo。根据应用领域进行分类，便于研究者按需检索。

使用方法

使用者可通过GitHub页面中的分类索引快速定位所需数据集，点击对应的百度网盘链接并输入提取码yolo即可下载。下载后，数据集的标注文件与图片均可直接应用于YOLO系列模型的训练与评估流程。该资源适用于学术研究、工业项目开发及教学实践，为计算机视觉领域的相关工作者提供了一站式的数据获取方案。

背景与挑战

背景概述

自YOLO（You Only Look Once）系列算法问世以来，目标检测技术凭借其卓越的实时性与精度，在工业质检、智慧农业、智能交通及医疗影像等众多领域展现出蓬勃的应用潜力。然而，领域内长期面临数据孤岛与标注格式碎片化的桎梏，优质数据集的稀缺与分散严重制约了模型效能的发挥与跨场景泛化能力的提升。在此背景下，由开源社区研究者于2026年精心构建的“Awesome YOLO Datasets”项目应运而生，该系统性地汇集了101个覆盖工业缺陷检测、农作物病虫害识别、道路车辆监控等多元场景的数据集，并统一转换为YOLO标签格式，旨在为研究者提供一站式、开箱即用的数据基石，对推动YOLO生态的繁荣与落地应用具有里程碑式的支撑作用。

当前挑战

该数据集资源库直面目标检测领域中的两大核心挑战。其一，所涉领域覆盖广泛且场景极端，例如工业检测中的微小缺陷（如电路板焊接瑕疵）与复杂背景下的目标（如恶劣天气中的车辆），要求模型具备极高的特征提取与抗干扰能力；农业识别中作物成熟度与病虫害的细微差异，以及医疗影像中细胞与组织的精细结构，均对检测精度提出严苛标准。其二，数据集的构建过程本身充满艰辛，需从分散的科研项目与工业实践中搜集原始图像，逐一进行精确的类别标注与边界框划定，并克服不同来源数据在分辨率、光照条件及标注风格上的显著差异，最终统一转化为YOLO格式，确保数据质量的一致性，这一繁琐流程对组织者与贡献者的专业素养及协作效率构成了巨大考验。

常用场景

经典使用场景

该数据集集合专为YOLO系列目标检测算法量身打造，涵盖了工业检测、医疗AI、农业识别、交通车辆、自然环境及日常场景等多元领域，提供了开箱即用的YOLO标注格式数据。其经典使用场景在于直接用于YOLOv5、YOLOv8等模型的训练与验证，适用于从电路缺陷检测、农作物成熟度识别到驾驶员分心监测等具体任务，支持模型在特定垂直领域的快速微调与性能评估。

解决学术问题

该资源有效解决了目标检测研究中高质量、领域专属数据匮乏的难题，通过汇聚101个标注数据集，降低了研究者收集与预处理数据的成本，促进了跨领域检测算法的实证研究。它为工业缺陷、农业病虫害、交通监控等领域的算法优化提供了基准，推动了YOLO架构在复杂环境下的鲁棒性与泛化能力研究，对细粒度识别、小目标检测等学术议题的探索具有重要支撑意义。

实际应用

在实际应用中，该数据集集合支撑了智能制造中的产品质量控制、智慧农业的作物监测与病虫害预警、智能交通中的车辆与车牌识别、以及公共安全领域的火焰烟雾检测等。其统一的YOLO格式便于工业界直接集成至实时检测系统，助力提升生产线自动化水平、农业生产效率与交通安全监管能力，展现了从实验室研究到产业落地的广阔应用前景。

数据集最近研究

最新研究方向

随着YOLO系列模型在实时目标检测领域占据举足轻重的地位，其数据集的丰富性与针对性成为推动算法落地的关键。Awesome YOLO Datasets汇聚了101个涵盖工业质检、精准农业、智慧医疗、智能交通等前沿场景的数据集，不仅为缺陷检测、成熟度识别、病理分析等垂直应用提供了标准化训练资源，更映射出当前目标检测技术向小样本学习、少样本泛化及多模态融合方向演进的趋势。尤其在工业4.0与农业智能化浪潮下，这些数据集的开放共享有效降低了研究门槛，加速了从实验室到产业应用的转化，为构建更鲁棒、更泛化的视觉感知系统奠定了坚实基础。