数据集分享 | 稻田识别分割数据集、水稻虫害数据集

【导读】

在智慧农业全面加速的时代背景下,单一维度的监测手段已无法满足精细化管理的需求。农户不再只关注"有没有虫害",而是更关注"虫在哪、田块处于什么状态、该怎么处理"。因此,一个强大的农业视觉系统,必须同时具备虫害检测与稻田场景识别的能力。

本文将介绍两个面向农业AI实战的高质量数据集:

  • 一个聚焦水稻虫害分割检测,帮助系统精准识别田间微小虫体;
  • 一个面向稻田实例分割,实现农田状态全景理解。

两个数据集均采集自真实田间环境,标注精细,格式通用,已全面集成至 Coovally AI 平台,支持一键训练与部署,助力农业AI项目快速落地。

水稻虫害检测数据集

在我国农业种植体系中,虫害防控始终是粮食安全的核心任务。尤其是在大田种植管理中,高密度、低成本的虫害监测方案成为业界刚需。

  • 图像数量

共计 1997 张高分辨率实拍图像,覆盖水稻多个生长周期。

  • 标签类别

覆盖 4 类常见虫害目标:

  • 稻飞虱(Brown Planthopper)
  • 稻纵卷叶螟(Rice Leaf Folder)
  • 稻螟蛉(Rice Stem Borer)
  • 其他虫害(Others)
  • 场景特点

图像拍摄于真实农田,虫体普遍较小,背景复杂,具备极高检测挑战性。图像涵盖多天气、多光照、多虫龄状态,具备极强泛化性。

  • 标注格式

YOLO / COCO 双格式,支持 YOLOv8、RT-DETR、Faster R-CNN 等模型直接调用。

  • 应用方向
  • 病虫害监测预警
  • 智能农药喷洒系统
  • 无人机植保任务

稻田场景分割数据集

除了虫害检测,农田场景的识别与分类也同样重要。通过识别田块的种植状态,可实现精准施肥、自动播种、农机路径规划等多项智能任务。

  • 图像数量

共计 937 张航拍图像,来源于多个农业基地和种植时段。

  • 标签类别

4类田块类型像素级标注:

  • Rice-field:已种植水稻的田块
  • Empty-field:空闲或已翻耕的田块
  • Flooded-field:已灌水、准备插秧的田块
  • Harvesting-field:已完成收割的田块
  • 场景特点

图像拍摄于农田不同发展阶段,包含顺光/逆光、不同种植模式、不同地块结构等,具备强鲁棒性。

  • 标注格式

采用 COCO Segmentation 标注,可用于训练 DeepLabv3、SegFormer、Mask2Former 等语义分割模型。

  • 应用方向
  • 农田地块识别与分类
  • 播种/收割路径规划
  • 无人农机导航系统
  • 农业遥感图像解译任务

结语:双任务协同,让农业AI真正落地

虫害检测解决的是"哪里出了问题";田块分割解答的是"作物现在什么状态"。这两个任务结合,才能构建一个真正具备感知、分析、决策能力的智慧农业系统。

如果你正在开发农业视觉算法、农业无人机任务系统或农业数据平台,上述两个数据集将是你最值得参考和使用的资源。

立即访问 www.coovally.com,获取数据、模型、训练平台一站式服务,轻松打造你的农业AI解决方案!

相关推荐
自信1504130575913 分钟前
初学者小白复盘15之指针(4)
c语言·数据结构·算法
郝学胜-神的一滴14 分钟前
Cesium绘制线:从基础到高级技巧
前端·javascript·程序人生·线性代数·算法·矩阵·图形渲染
青云交22 分钟前
Java 大视界 -- Java 大数据机器学习模型在智能客服多轮对话系统中的优化策略
深度学习·自然语言处理·智能客服·数据预处理·机器学习模型·java 大数据·多轮对话系统
东皇太星1 小时前
机器学习概念,算法原理及应用
算法·机器学习·梯度下降法
chxin140161 小时前
优化算法——动手学深度学习11
pytorch·python·深度学习
.格子衫.1 小时前
021数据结构之并查集——算法备赛
数据结构·算法
im_AMBER1 小时前
Leetcode 35
笔记·学习·算法·leetcode
码农多耕地呗1 小时前
力扣101.对称二叉树(java)
算法·leetcode
小龙报1 小时前
《算法通关指南之C++编程篇(5)----- 条件判断与循环(下)》
c语言·开发语言·c++·算法·visualstudio·学习方法·visual studio
郝学胜-神的一滴1 小时前
C++ STL(标准模板库)深度解析:从基础到实践
linux·服务器·开发语言·c++·算法