数据集概述
本数据集为2020年Wolf等人的论文“Machine learning for aquatic plastic litter detection, classification and quantification (APLASTIC-Q)”开发，包含PLD（塑料垃圾检测器）和PLQ（塑料垃圾量化器）两个子数据集，均分为训练集（80%）和测试集（20%），存储为包含分类标签目录的ZIP文件，用于水生塑料垃圾的机器学习检测与分析。
文件详解
- 文件名称：Marine Litter Dataset developed for APLASTIC-Q publication.zip
- 文件格式：ZIP
- 内容结构：
- 根目录包含PLD和PLQ两个子数据集目录，每个目录下分train（训练集）和test（测试集）子目录
- PLD子目录：含6个分类标签子目录，共6,892张100×100×3的PNG RGB图像，分类为Litter – high（1,905张）、Litter – low（1,146张）、Water（1,042张）、Sand（602张）、Vegetation（1,840张）、Other（357张）
- PLQ子目录：含18个分类标签子目录，共6,026张50×50×3的PNG RGB图像，分类为14类垃圾（如Plastic bottles、Polystyrene packaging等）和4类无垃圾区域（Water、Sand、Vegetation、Other）
数据来源
论文“Machine learning for aquatic plastic litter detection, classification and quantification (APLASTIC-Q)”
适用场景
- 水生塑料垃圾检测模型训练: 利用PLD数据集的垃圾/无垃圾分类图像，训练机器学习模型识别水生环境中的塑料垃圾
- 塑料垃圾类型分类研究: 通过PLQ数据集的14类垃圾标签，开发细分塑料垃圾类型的分类算法
- 水生环境垃圾量化分析: 基于PLQ数据集的样本数量分布，分析不同类型塑料垃圾在水生环境中的占比
- 机器学习模型性能验证: 借助训练集与测试集的划分，评估垃圾检测与分类模型的泛化能力
- 环境监测技术优化: 为水生塑料垃圾自动化监测系统提供标注图像数据支持
