无人机海上石油泄露分割数据集![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/09cdb12aec11907d588bdbfe463e6874.png)

数据集包含1268张RGB图像（1920*1080像素），分为油、水和其他（包括船只、码头、建筑物等）三个类别，采用mask分割方式标注。![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/4e49a88e6b04cade8afb8c4e9c2ef68f.png)

数据采集：使用无人机（Dronematrix YACOB和DJI Mavic2）配备高分辨率相机，在2021年9月至2023年9月期间拍摄，涵盖了不同的环境条件、光照和天气情况
![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-12490569/91b107f7805c02c924a0b5591772ea74.png)


核对完：1268 张 RGB 图，1920×1080，3 类掩膜标注。原始说明未给各类别图像数和训练划分，表里如实留空未填。

### 表 1 数据集概览

| 项目 | 内容 |
| --- | --- |
| 数据集名称 | 无人机海上石油泄漏分割数据集（UAV Offshore Oil Spill Segmentation） |
| 图像数量 | 1268 张 RGB |
| 图像尺寸 | 1920 × 1080（16:9 横向高清） |
| 任务类型 | 语义分割 / 实例分割（像素级 mask 标注） |
| 类别数 | 3 类 |
| 标注方式 | mask 掩膜标注（油膜、水体、其他目标各一套掩膜） |
| 采集设备 | Dronematrix YACOB、DJI Mavic 2 + 高分辨率相机 |
| 采集时间 | 2021 年 9 月 – 2023 年 9 月（跨两年） |
| 采集条件 | 覆盖不同环境条件、光照与天气（晴天、阴天、逆光、海面反光等） |
| 数据划分 | 原始说明未提供 train/val/test 比例 → 需自行划分 |
| 各类图像数 | 原始说明未提供 → 需统计掩膜得出 |

### 表 2 类别清单

| 序号 | 类名 | 中文 | 掩膜内容 | 判读要点 |
| --- | --- | --- | --- | --- |
| 0 | oil | 油膜 / 溢油 | 海面浮油区域 | 呈虹彩或深褐色片状、带状纹理，边界不规则 |
| 1 | water | 水体（洁净海面） | 未受污染的海面 | 蓝色、灰蓝或强反光区域，需与油膜的暗色区分 |
| 2 | other | 其他 | 船只、码头、建筑物等干扰目标 | 硬质人造物，需排除对油膜判读的干扰 |

### 表 3 标注规格与文件组织

| 项目 | 说明 |
| --- | --- |
| 标注类型 | 像素级 mask（非检测框），每类一张掩膜 |
| 常见落地格式 | PNG 索引掩膜（0=背景/1=oil/2=water/3=other）、COCO polygon JSON、YOLO-seg 的多边形 txt 三者任选其一 |
| 与图像对应 | 掩膜文件名与图像同名，尺寸严格 1920×1080 |
| 训练注意 | 分割模型输入需按 32 倍对齐；1920×1080 直接下采样到 640 会丢油膜细边 |
| 空图情况 | 疑似有纯水体的负样本存在，训练前需确认是否保留 |
| 数据划分 | 建议 7:2:1 或按拍摄日期切分（同一天同一海况的图不能同时进训练和测试） |

### 表 4 数据集标签（data.yaml）

```yaml
path: ./datasets/oil_spill
train: images/train
val: images/val
test: images/test

nc: 3
names:
  0: oil      # 油膜 / 溢油
  1: water    # 水体（洁净海面）
  2: other    # 船只、码头、建筑物等其他目标
```

> 若使用 PNG 索引掩膜，标签约定为：`0 = 背景`，`1 = oil`，`2 = water`，`3 = other`；换成 YOLO-seg 或 COCO 时类名与编号必须逐一对应，避免编号漂移。

### 表 5 应用价值

| 方向 | 具体价值 |
| --- | --- |
| 海上溢油应急监测 | 无人机巡检影像自动分割油膜范围，第一时间测算污染面积，支撑应急响应决策 |
| 溢油面积与扩散测算 | 掩膜像元数 × 单像元实际面积 = 污染面积，可跟踪不同时相扩散趋势 |
| 替代人工判读 | 海面反光、油膜虹彩肉眼易误判，模型可稳定区分 oil / water，降低漏判 |
| 执法与取证 | 分割结果可叠加经纬度形成污染证据图，用于事故溯源与责任认定 |
| 港口与海上平台日常巡检 | 与无人机航线结合，实现常态化油污排查，降低船舶与运维成本 |
| 算法研究 | 1920×1080 高分辨率 + 跨季节跨天气采集，适合分割模型的泛化性、域适应研究 |

### 表 6 使用前必看四点

| 关注点 | 说明 |
| --- | --- |
| 无公开划分 | 必须自己切分；按拍摄日期/架次切分，避免同场景帧泄漏到验证集造成指标虚高 |
| 类别极不平衡 | 油膜在多数画面中只占很小面积，建议对 oil 类用加权损失或 focal loss |
| 高分辨率 | 训练用 512 或 640 切片（tiling）保留油膜细边，不要整图缩放 |
| water 与 other 的作用 | water 是背景主体类，other 是干扰抑制类；若只关心溢油范围，可退化为二分类 oil/非油 |


数据集包含1268张RGB图像（1920*1080像素），分为油、水和其他（包括船只、码头、建筑物等）三个类别，采用mask分割方式标注。

无人机海上石油泄露分割数据集

人工智能

大数据

安全

无人机海上石油泄漏分割数据集含1268张1920×1080高清RGB图像，基于无人机航拍，覆盖油膜、水体、其他目标三类像素级mask标注。数据跨两年采集，包含不同光照、天气与海面状况，适用于语义分割、YOLO-seg等模型训练，支持溢油监测、污染面积测算及海域巡检等场景研究。

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

无人机海上石油泄露分割数据集-腾讯云开发者社区-腾讯云

无人机海上石油泄露分割数据集

无人机海上石油泄露分割数据集

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