AI虫子种类识别数据集(近3000张图片已划分、已标注)|适用于YOLO系列深度学习分类检测任务【数据集分享】

举报
柠檬味拥抱 发表于 2025/07/20 11:28:11 2025/07/20
【摘要】 数据集已划分为 train、test、val 三个子集,共计近 3000张高清图像,每张图像都包含清晰的目标注释文件(YOLO格式),非常适合用于深度学习模型中的目标检测与分类任务,特别是YOLOv5、YOLOv8、YOLOv11等模型的训练与测试。

AI虫子种类识别数据集(近3000张图片已划分、已标注)|适用于YOLO系列深度学习分类检测任务【数据集分享】

数据集已划分为 traintestval 三个子集,共计近 3000张高清图像,每张图像都包含清晰的目标注释文件(YOLO格式),非常适合用于深度学习模型中的目标检测与分类任务,特别是YOLOv5、YOLOv8、YOLOv11等模型的训练与测试。

背景

在农业智能化与生态研究中,虫害识别一直是计算机视觉中的重要应用方向。不同种类的昆虫对作物、林木等有着截然不同的影响,及时准确识别虫子种类对于灾害预警、防治投放具有实际意义。

然而,公开可用的虫子图像数据集较为稀缺,尤其是面向小样本、边缘设备部署场景下的高质量虫子目标检测数据集更是凤毛麟角。因此,我们整理并清洗了一个近3000张图片的虫子识别数据集,涵盖多种常见虫子种类,标注标准规范,便于训练YOLO类目标检测算法。

数据集概述

数据集中每张图像都配有YOLO格式标注文件,标注内容包括虫子在图像中的类别编号和边界框(bounding box)坐标信息,适合用于目标检测训练任务。

dataset/
├── images/
│   ├── train/
│   ├── val/
│   └── test/
├── labels/
│   ├── train/
│   ├── val/
│   └── test/

该结构简单明晰,开箱即用,便于接入各种深度学习训练流程。

image-20250719152154716

image-20250719152213319

数据集详情

  • 图像总数:近3000张
  • 图像格式:JPG(部分为PNG)
  • 分辨率:大多在720p以上
  • 注释格式:YOLO格式 .txt,与图像同名
  • 类别数量:共计 7类常见虫子
  • 数据划分
    • train: 2089张
    • val: 447张
    • test: 448张

数据来源包括实地拍摄图像、公开虫子图像资源、手工清洗处理后的标注数据。所有标注均由专业人员完成,确保了高准确性和实用性。

所有类别均有丰富的样本图像,部分小样本类别适合用于数据增强、Few-shot等研究场景。

每个样本图像均包含虫体在图像中的 边界框(bounding box)坐标,并指明具体类别编号,完全遵循YOLO格式。例如某张图像的标注文件内容为:

3 0.512 0.439 0.187 0.274

表示第4类虫子在图像中的相对位置与大小。

train_batch2

train_batch0

适用场景

本数据集适用于多种计算机视觉研究与实际应用场景:

  • ✅ YOLOv5 / YOLOv8 / YOLOv11等目标检测模型训练
  • ✅ 多类虫子识别分类研究
  • ✅ 数据增强/迁移学习实验
  • ✅ 小样本学习 / 农业害虫识别模型开发
  • ✅ AIoT边缘设备部署测试

同时该数据集也适合用作学生科研课题、AI竞赛、学术研究中的标准基准测试集。

image-20250719153144863

结语

本数据集的发布旨在推动AI在生态虫害识别领域的落地应用,为模型提供高质量、结构清晰的数据资源。我们鼓励大家在遵守开源协议的前提下进行使用、训练与改进,也欢迎反馈优化建议。

后续我们也将提供基于该数据集的YOLO训练脚本PyTorch使用示例轻量化部署方案等配套资源,助力各类AI虫害识别项目高效落地。

昆虫是地球上最多样化的生物类群之一,其种类繁多,分布广泛,对生态系统的稳定性和农业生产具有重要影响。然而,由于昆虫种类众多且形态多样,传统的昆虫分类方法通常需要专家的知识和经验,费时费力。随着深度学习技术的迅速发展,基于图像的自动化昆虫分类方法逐渐成为研究热点。这不仅可以提高分类的效率和准确性,还能为昆虫学研究和生态监测提供有力支持。

数据集分享

通过网盘分享的文件:AI虫子种类识别数据集

链接: https://pan.baidu.com/s/1pKwBxIptk3PE6OUk5HxzCw?pwd=4ih3

总结

本次发布的《AI虫子种类识别数据集》为农业智能化、生态环境监测、AI视觉模型研究等领域提供了一个高质量、结构规范的图像识别基准数据集。数据集共包含近3000张已标注图像,覆盖7类常见虫子,采用标准YOLO格式,已按训练、验证、测试集划分完毕,可直接应用于YOLOv5、YOLOv8、YOLOv11等主流目标检测框架。

该数据集不仅适合用于常规的目标检测任务,也适合开展迁移学习、小样本学习、轻量化部署等前沿研究,特别契合农业害虫识别、生态虫类分类等实际应用需求。我们将持续更新并配套提供训练脚本与部署方案,欢迎研究者和开发者在合法合规范围内广泛使用与改进本数据集。

AI虫害识别,从此高效精准。

【声明】本内容来自华为云开发者社区博主,不代表华为云及华为云开发者社区的观点和立场。转载时必须标注文章的来源(华为云社区)、文章链接、文章作者等基本信息,否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。