鱼类及相关疾病检测数据集![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/70325f29d3897a00164b107434519f19.png)

，6785张，yolo，voc，coco三种标注方式
图像尺寸:234*416
类别数量:22类![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/f0e04afbb43d8c4508739c56679c43a1.png)

训练集图像数量:6243; 验证集图像数量:260； 测试集图像数量:282
类别名称: 每一类图像数 ，每一类标注数![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/d6ce185a8df63c40f7f9439fc89621b0.png)

Gamseongdom - 感星鲷：1198, 1537
gamseongdom-bleeding - 感星鲷出血：50, 50
gamseongdom-eyedefect - 感星鲷眼部缺陷：49, 49
gamseongdom-findefect - 感星鲷鳍部缺陷：50, 50
gamseongdom-ulcer - 感星鲷溃疡：48, 48
Chamdom - 参鲷：1192, 1414
chamdom-bleeding - 参鲷出血：49, 49
chamdom-eyedefect - 参鲷眼部缺陷：48, 48
chamdom-findefect - 参鲷鳍部缺陷：49, 49
chamdom-ulcer - 参鲷溃疡：46, 46
Jopi-bollag - 乔皮鲷：1199, 1396
jopi-bleeding - 乔皮鲷出血：45, 45
jopi-eyedefect - 乔皮鲷眼部缺陷：50, 50
jopi-findefect - 乔皮鲷鳍部缺陷：46, 46
jopi-ulcer - 乔皮鲷溃疡：45, 45
Doldom - 石鲷：1196, 2414
doldom-bleeding - 石鲷出血：49, 49
doldom-eyedefect - 石鲷眼部缺陷：100, 100
findefect - 鳍部缺陷：1, 1
doldom-findefect - 石鲷鳍部缺陷：48, 48
doldom-ulcer - 石鲷溃疡：43, 43
Neobchi - 嫩鲷：1184, 1951
image num: 6785
![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/1e07b990c9d07a9b8ed90dcfb74fdaf3.png)
![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/afaed1d53fe90f2e5d4f3800e0863096.png)
![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/e6a7b892d13cd48aaec3e7e3e22fd526.png)
# 鱼类及相关疾病检测数据集
## 数据集总信息表
|项目|详情|
| ---- | ---- |
|数据集名称|鱼类及相关疾病检测数据集|
|图像总数|6785张|
|图像尺寸|234×416|
|标注格式|YOLO、VOC、COCO三种标注|
|数据集划分|训练集：6243张；验证集：260张；测试集：282张|
|类别总数|22类|

## 类别分布表
|类别名称|包含该类图像数量|目标标注总数|
| ---- | ---- | ---- |
|Gamseongdom - 感星鲷|1198|1537|
|gamseongdom-bleeding - 感星鲷出血|50|50|
|gamseongdom-eyedefect - 感星鲷眼部缺陷|49|49|
|gamseongdom-findefect - 感星鲷鳍部缺陷|50|50|
|gamseongdom-ulcer - 感星鲷溃疡|48|48|
|Chamdom - 参鲷|1192|1414|
|chamdom-bleeding - 参鲷出血|49|49|
|chamdom-eyedefect - 参鲷眼部缺陷|48|48|
|chamdom-findefect - 参鲷鳍部缺陷|49|49|
|chamdom-ulcer - 参鲷溃疡|46|46|
|Jopi-bollag - 乔皮鲷|1199|1396|
|jopi-bleeding - 乔皮鲷出血|45|45|
|jopi-eyedefect - 乔皮鲷眼部缺陷|50|50|
|jopi-findefect - 乔皮鲷鳍部缺陷|46|46|
|jopi-ulcer - 乔皮鲷溃疡|45|45|
|Doldom - 石鲷|1196|2414|
|doldom-bleeding - 石鲷出血|49|49|
|doldom-eyedefect - 石鲷眼部缺陷|100|100|
|findefect - 鳍部缺陷|1|1|
|doldom-findefect - 石鲷鳍部缺陷|48|48|
|doldom-ulcer - 石鲷溃疡|43|43|
|Neobchi - 嫩鲷|1184|1951|

## 标签说明
1. 基础鱼类类别：Gamseongdom（感星鲷）、Chamdom（参鲷）、Jopi-bollag（乔皮鲷）、Doldom（石鲷）、Neobchi（嫩鲷），用于识别鱼种类；
2. 病害缺陷标签：bleeding（出血）、eyedefect（眼部缺陷）、findefect（鳍部缺陷）、ulcer（溃疡），针对不同鱼种的体表病症进行目标检测，实现鱼种识别+病害同步检出。

## YOLOv11 训练代码
### 环境安装
```bash
pip install ultralytics opencv-python
```
### 数据集配置文件 `fish_detect.yaml`
```yaml
path: ./fish_detect
train: images/train
val: images/val
test: images/test

names:
  0: Gamseongdom
  1: gamseongdom-bleeding
  2: gamseongdom-eyedefect
  3: gamseongdom-findefect
  4: gamseongdom-ulcer
  5: Chamdom
  6: chamdom-bleeding
  7: chamdom-eyedefect
  8: chamdom-findefect
  9: chamdom-ulcer
  10: Jopi-bollag
  11: jopi-bleeding
  12: jopi-eyedefect
  13: jopi-findefect
  14: jopi-ulcer
  15: Doldom
  16: doldom-bleeding
  17: doldom-eyedefect
  18: findefect
  19: doldom-findefect
  20: doldom-ulcer
  21: Neobchi
```

### train.py 训练脚本
```python
from ultralytics import YOLO

if __name__ == '__main__':
    model = YOLO("yolo11n.pt")
    results = model.train(
        data="fish_detect.yaml",
        epochs=100,
        imgsz=416,
        batch=8,
        device=0,
        workers=0,
        save=True
    )
    model.val()
```

### predict.py 推理脚本
```python
from ultralytics import YOLO

model = YOLO("runs/detect/train/weights/best.pt")
res = model("test_fish.jpg", save=True)
for r in res:
    r.show()
```

## 应用场景
1. 水产养殖智能监测：鱼池水下摄像头实时识别鱼种类，自动检测鱼类体表出血、溃疡、鳍部、眼部病害；
2. 水产病害早期预警，减少养殖损失，辅助水产专家快速诊断；
3. 水下机器视觉、鱼类目标检测算法研究、毕业设计；
4. 养殖工厂智能化分拣、病鱼筛选，统计病鱼数量与病害类型分布。




，6785张，yolo，voc，coco三种标注方式图像尺寸:234*416类别数量:22类

YOLOv11 训练鱼类及相关疾病检测数据集 代码感星鲷）、（参鲷）、乔皮鲷）、石鲷）、嫩鲷），用于识别鱼种类；

人工智能

算法

鱼类疾病检测数据集包含6785张234×416图像，覆盖5种鲷鱼（感星鲷、参鲷、乔皮鲷、石鲷、嫩鲷）及其出血、眼部缺陷、鳍部缺陷、溃疡等22类病害。提供YOLO、VOC、COCO三种标注格式，训练集6243张，验证集260张，测试集282张。适用于水产养殖智能监测、病害预警及水下目标检测算法研究，支持YOLOv11训练。

代码解释

YOLO

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

鱼类疾病检测数据集包含6785张234×416图像，覆盖5种鲷鱼（感星鲷、参鲷、乔皮鲷、石鲷、嫩鲷）及其出血、眼部缺陷、鳍部缺陷、溃疡等22类病害。提供YOLO、VOC、COCO三种标注格式，训练集6243张，验证集260张，测试集282张。适用于水产养殖智能监测、病害预警及水下目标检测算法研究，支持YOLOv11训练...

YOLOv11 训练鱼类及相关疾病检测数据集 代码感星鲷）、（参鲷）、乔皮鲷）、石鲷）、嫩鲷），用于识别鱼种类；-腾讯云开发者社区-腾讯云

YOLOv11 训练鱼类及相关疾病检测数据集代码感星鲷）、（参鲷）、乔皮鲷）、石鲷）、嫩鲷），用于识别鱼种类；

YOLOv11 训练鱼类及相关疾病检测数据集代码感星鲷）、（参鲷）、乔皮鲷）、石鲷）、嫩鲷），用于识别鱼种类；

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

YOLOv11 训练鱼类及相关疾病检测数据集 代码感星鲷）、（参鲷）、乔皮鲷）、石鲷）、嫩鲷），用于识别鱼种类；

YOLOv11 训练鱼类及相关疾病检测数据集 代码感星鲷）、（参鲷）、乔皮鲷）、石鲷）、嫩鲷），用于识别鱼种类；

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

YOLOv11 训练鱼类及相关疾病检测数据集代码感星鲷）、（参鲷）、乔皮鲷）、石鲷）、嫩鲷），用于识别鱼种类；

YOLOv11 训练鱼类及相关疾病检测数据集代码感星鲷）、（参鲷）、乔皮鲷）、石鲷）、嫩鲷），用于识别鱼种类；