大豆害虫目标检测数据集 | 大豆害虫 农业AI 虫情监测 小目标检测 细粒度识别9121期数据集概述本数据集专注于大豆田间害虫的视觉检测与分类服务于智慧农业、虫情监测及害虫预警。数据涵盖12类常见大豆害虫适配田间虫口密度统计、发生期预测及精准施药决策等应用。数据集核心信息数据要素详细说明类别共12类详见下方列表数量1200张图像格式图像为 JPG/PNG标签为 YOLO 格式的 txt 文件水平边界框支持按需转 VOC / COCO数据划分训练集 / 验证集 / 测试集可按需划分应用价值1.智慧农业支撑田间虫情自动监测无人机或定点相机巡检。2.害虫预警为虫口密度统计与发生期预测模型提供视觉输入。3.小目标检测昆虫体积小、背景复杂适合做小目标算法验证。4.细粒度识别同物种成/若虫区分考验模型判别力适合毕设与研究课题。完整类别列表共12类编号拉丁学名中文俗称备注0Anticarsia gemmatalis大豆尺夜蛾大豆主要食叶害虫1Coccinellidae瓢虫科天敌昆虫有益2Diabrotica speciosa南美叶甲 / 斑潜叶甲啃食叶片根部3Edessa meditabunda埃德萨蝽刺吸式口器4Euschistus heros adulto褐臭蝽 成虫蝽象科荚果危害5Euschistus heros ninfa褐臭蝽 若虫幼龄阶段6Gastropoda腹足纲 / 蜗牛类软体动物7Lagria villosa毛拟步甲土栖叶面8Nezara viridula adulto南方绿臭蝽 成虫广泛分布种9Nezara viridula ninfa南方绿臭蝽 若虫幼龄阶段10Rhammatocerus schistocercoides南美草原蝗迁飞性害虫11Spodoptera albula白斑夜蛾斜纹夜蛾近缘夜蛾科幼虫危害重数据三要素解析类别与害虫覆盖数据集定义12类常见大豆害虫覆盖食叶害虫大豆尺夜蛾、南美草原蝗、白斑夜蛾、刺吸式害虫埃德萨蝽、褐臭蝽、绿臭蝽、地下害虫南美叶甲、毛拟步甲及软体动物蜗牛类并包含天敌昆虫瓢虫科。类别设计覆盖了成虫/若虫分阶段标注褐臭蝽、绿臭蝽对生命周期监测任务友好。部分类别如瓢虫科为有益昆虫可用于天敌/害虫二分类研究。数据规模与特点图像总量约1200张规模适中适合作为农业害虫检测任务的基准数据集或快速验证。图像为农田实拍背景包含叶片遮挡、光影变化、多尺度昆虫比通用场景更具挑战性。类别不平衡真实场景天敌vs害虫数量差异大适合做长尾学习研究。双语标注拉丁学名规范便于对接国际农业数据集做跨域研究。格式与配套资源采用通用YOLO 格式txt每张图像对应一个标签文件包含类别 ID 与归一化边界框坐标可直接接入 YOLOv5、YOLOv8 等主流检测框架。提供data.yaml配置文件nc12names[…拉丁名列表]与class_names.txt拉丁名中文对照。提供附加服务格式转换VOC / COCO / DOTA 等、数据集重新划分、数据增强方案、代训模型 虫口计数后处理脚本、按需抽取子集。知识普及农业害虫视觉检测的技术要点小目标检测挑战昆虫在图像中体积小、像素占比低常规检测模型易漏检。建议采用高分辨率输入imgsz≥640、多尺度特征融合或专门的小目标检测头。成/若虫细粒度区分同种害虫的成虫与若虫在形态上差异明显模型需学习不同生命阶段的形态特征适用于生命周期监测。复杂背景干扰农田场景中叶片、茎秆、土壤等背景与昆虫颜色相近模型需依赖形状与纹理特征进行区分。类别不平衡天敌瓢虫与害虫数量差异大训练时可采用类别加权损失或过采样策略提升对稀有类别的检测灵敏度。应用闭环检测结果可统计虫口密度、生成虫情分布图结合气象数据构建害虫发生期预测模型指导精准施药。快速开始代码示例1. 准备配置文件 (data.yaml)train:./dataset/images/trainval:./dataset/images/valnc:12names:[Anticarsia gemmatalis,Coccinellidae,Diabrotica speciosa,Edessa meditabunda,Euschistus heros adulto,Euschistus heros ninfa,Gastropoda,Lagria villosa,Nezara viridula adulto,Nezara viridula ninfa,Rhammatocerus schistocercoides,Spodoptera albula]2. 启动 YOLOv8 训练fromultralyticsimportYOLO modelYOLO(yolov8n.pt)model.train(datadata.yaml,epochs100,imgsz640,batch16,device0)3. 单张图像推理fromultralyticsimportYOLO modelYOLO(runs/detect/train/weights/best.pt)resultsmodel.predict(sourcetest_img.jpg,saveTrue)标签大豆害虫农业AI虫情监测小目标检测细粒度识别目标检测YOLO格式深度学习数据集计算机视觉 大豆害虫目标检测数据集 | 大豆害虫 农业AI 虫情监测 小目标检测 细粒度识别9121期
大豆害虫目标检测数据集 | 大豆害虫 农业AI 虫情监测 小目标检测 细粒度识别9121期数据集概述本数据集专注于大豆田间害虫的视觉检测与分类服务于智慧农业、虫情监测及害虫预警。数据涵盖12类常见大豆害虫适配田间虫口密度统计、发生期预测及精准施药决策等应用。数据集核心信息数据要素详细说明类别共12类详见下方列表数量1200张图像格式图像为 JPG/PNG标签为 YOLO 格式的 txt 文件水平边界框支持按需转 VOC / COCO数据划分训练集 / 验证集 / 测试集可按需划分应用价值1.智慧农业支撑田间虫情自动监测无人机或定点相机巡检。2.害虫预警为虫口密度统计与发生期预测模型提供视觉输入。3.小目标检测昆虫体积小、背景复杂适合做小目标算法验证。4.细粒度识别同物种成/若虫区分考验模型判别力适合毕设与研究课题。完整类别列表共12类编号拉丁学名中文俗称备注0Anticarsia gemmatalis大豆尺夜蛾大豆主要食叶害虫1Coccinellidae瓢虫科天敌昆虫有益2Diabrotica speciosa南美叶甲 / 斑潜叶甲啃食叶片根部3Edessa meditabunda埃德萨蝽刺吸式口器4Euschistus heros adulto褐臭蝽 成虫蝽象科荚果危害5Euschistus heros ninfa褐臭蝽 若虫幼龄阶段6Gastropoda腹足纲 / 蜗牛类软体动物7Lagria villosa毛拟步甲土栖叶面8Nezara viridula adulto南方绿臭蝽 成虫广泛分布种9Nezara viridula ninfa南方绿臭蝽 若虫幼龄阶段10Rhammatocerus schistocercoides南美草原蝗迁飞性害虫11Spodoptera albula白斑夜蛾斜纹夜蛾近缘夜蛾科幼虫危害重数据三要素解析类别与害虫覆盖数据集定义12类常见大豆害虫覆盖食叶害虫大豆尺夜蛾、南美草原蝗、白斑夜蛾、刺吸式害虫埃德萨蝽、褐臭蝽、绿臭蝽、地下害虫南美叶甲、毛拟步甲及软体动物蜗牛类并包含天敌昆虫瓢虫科。类别设计覆盖了成虫/若虫分阶段标注褐臭蝽、绿臭蝽对生命周期监测任务友好。部分类别如瓢虫科为有益昆虫可用于天敌/害虫二分类研究。数据规模与特点图像总量约1200张规模适中适合作为农业害虫检测任务的基准数据集或快速验证。图像为农田实拍背景包含叶片遮挡、光影变化、多尺度昆虫比通用场景更具挑战性。类别不平衡真实场景天敌vs害虫数量差异大适合做长尾学习研究。双语标注拉丁学名规范便于对接国际农业数据集做跨域研究。格式与配套资源采用通用YOLO 格式txt每张图像对应一个标签文件包含类别 ID 与归一化边界框坐标可直接接入 YOLOv5、YOLOv8 等主流检测框架。提供data.yaml配置文件nc12names[…拉丁名列表]与class_names.txt拉丁名中文对照。提供附加服务格式转换VOC / COCO / DOTA 等、数据集重新划分、数据增强方案、代训模型 虫口计数后处理脚本、按需抽取子集。知识普及农业害虫视觉检测的技术要点小目标检测挑战昆虫在图像中体积小、像素占比低常规检测模型易漏检。建议采用高分辨率输入imgsz≥640、多尺度特征融合或专门的小目标检测头。成/若虫细粒度区分同种害虫的成虫与若虫在形态上差异明显模型需学习不同生命阶段的形态特征适用于生命周期监测。复杂背景干扰农田场景中叶片、茎秆、土壤等背景与昆虫颜色相近模型需依赖形状与纹理特征进行区分。类别不平衡天敌瓢虫与害虫数量差异大训练时可采用类别加权损失或过采样策略提升对稀有类别的检测灵敏度。应用闭环检测结果可统计虫口密度、生成虫情分布图结合气象数据构建害虫发生期预测模型指导精准施药。快速开始代码示例1. 准备配置文件 (data.yaml)train:./dataset/images/trainval:./dataset/images/valnc:12names:[Anticarsia gemmatalis,Coccinellidae,Diabrotica speciosa,Edessa meditabunda,Euschistus heros adulto,Euschistus heros ninfa,Gastropoda,Lagria villosa,Nezara viridula adulto,Nezara viridula ninfa,Rhammatocerus schistocercoides,Spodoptera albula]2. 启动 YOLOv8 训练fromultralyticsimportYOLO modelYOLO(yolov8n.pt)model.train(datadata.yaml,epochs100,imgsz640,batch16,device0)3. 单张图像推理fromultralyticsimportYOLO modelYOLO(runs/detect/train/weights/best.pt)resultsmodel.predict(sourcetest_img.jpg,saveTrue)标签大豆害虫农业AI虫情监测小目标检测细粒度识别目标检测YOLO格式深度学习数据集计算机视觉