摘要多类别无人机检测数据集YOLOv是一个专为反无人机探测系统设计的目标检测数据集包含 5 类无人机在白天、夜晚和雾霾条件下的图像。数据集简介数据集概述多类别无人机检测数据集YOLOv是一个专为反无人机探测系统设计的目标检测数据集包含 5 类无人机在白天、夜晚和雾霾条件下的图像。无人机已成为现代战争的标志性特征——从俄乌冲突到美伊对抗廉价的大规模生产无人机正在重塑战场格局。构建有效的反无人机探测系统是目前国防技术领域最紧迫的人工智能应用挑战之一。该数据集包含 10,000 张带 YOLO 格式边界框标签的图像分为训练集、验证集和测试集专为 YOLO 模型即插即用而设计。数据集包含在美伊战争中常见的五种无人机类型为增强模型鲁棒性包含三种不同视觉条件白天/夜晚/雾霾。数据集包含 10,000 张图像分为 3 个子集(1) 训练集Train7,003 张图像70.0%(2) 验证集Validation2,001 张图像20.0%(3) 测试集Test996 张图像10.0%。5 个无人机类别(1) dji_mavic大疆御商用无人机(2) mohajer_6穆哈杰-6伊朗无人机(3) mq9_reaper死神无人机美国无人机(4) shahed_136沙赫德-136伊朗无人机(5) shahed_238沙赫德-238伊朗无人机。视觉条件白天Daytime、夜晚Night、雾霾Haze三种不同条件以增强模型鲁棒性。标注格式YOLO 格式边界框标签预配置可与 YOLO 模型即插即用。无人机尺寸图像中无人机尺寸有意控制在较小范围内适合测试小目标检测技术如 SAHI。数据集格式已预先配置好 dataset.yaml 文件可直接用于 YOLOv8 训练。支持反无人机系统C-UAS开发、YOLOv8 模型训练、小目标检测优化SAHI、实时无人机检测、迁移学习研究预训练 vs 从头训练、国防技术、军事 AI、目标检测基准测试、多条件鲁棒性研究和边缘设备部署。数据集来源无人机尺寸小目标专为反无人机系统C-UAS、国防技术和实时检测设计。由张家梁(Bob)整理并于2026年在7zcode平台公开发布。数据集信息免责声明与引用数据仅用于科研与教学用途。若用于商业场景请自行核验数据许可。如需引用请在论文或报告中注明数据集名称与版本号。作者信息作者Bob (张家梁)项目编号Datasets-167文件大小2.3G原创声明本数据集为整理作品