伊蚊检测数据集 | 伊蚊检测 病媒生物 公共卫生 目标检测9304期

伊蚊检测数据集 | 伊蚊检测 病媒生物 公共卫生 目标检测9304期

一、数据集概述

• 本数据集专注于显微或近景视角下伊蚊及其他蚊虫的视觉检测与分类。
• 主要服务于公共卫生监测、病媒生物防控及虫媒传染病预警。
• 数据涵盖伊蚊与非伊蚊两类目标，适合训练高精度的目标检测模型，用于自动识别和区分传播疾病的特定蚊种。
  

二、数据集核心信息

• 类别数量 ：共 2 类（伊蚊 aedes、非伊蚊 non_aedes）。
• 数据规模 ：共计 10000 张图像。
• 图像格式：显微或微距拍摄图像。
• 标注格式：YOLO 格式标签。
• 应用价值 ：支撑疾控部门、卫生防疫机构对伊蚊（登革热、寨卡病毒等主要传播媒介）的自动识别与密度监测，辅助精准消杀与防疫决策。
  

三、数据要素详细解析

1. 类别与目标特征

• 伊蚊（aedes）：目标为伊蚊属蚊虫，通常具有黑白相间的条纹特征。
• 非伊蚊（non_aedes）：目标为其他种类的蚊虫（如库蚊、按蚊），作为负样本或区分目标，帮助模型学习伊蚊的独有特征，减少误报。
• 图像背景多为白色或浅色附着面（如墙壁、蚊帐、诱蚊纸），有利于突出蚊虫轮廓和纹理。

2. 规模与性能

• 图像总量达 10000 张，规模庞大，能充分满足深度学习模型（尤其是细粒度分类检测）的训练需求。
• 图像清晰度较高，能够看清蚊虫的腿部、触角等细节，这对于区分形态相似的蚊种至关重要。

3. 格式与结构

• 采用标准 YOLO 格式标注，图像与 txt 标签文件一一对应，可直接接入 YOLOv5、YOLOv8 等主流检测框架。
  

四、知识普及：病媒蚊虫视觉检测技术要点

• 形态相似性：伊蚊与其他蚊虫（非伊蚊）在远距离或低分辨率下形态差异很小，主要区别在于胸部/腿部的黑白斑纹。模型必须依赖极细粒度的纹理特征才能准确区分。
• 背景与姿态干扰：蚊虫可能停在各种表面上，姿态各异（展翅、收翅、侧面、俯视），且可能被遮挡或残缺。
• 极小目标：蚊虫本身在监控画面中极小，在显微画面中虽然放大，但仍需高分辨率网络来提取有效特征。
• 应用闭环 ：结合智能诱蚊灯或显微成像设备，实现病媒蚊虫的 24 小时自动监测与计数，实时反映区域内伊蚊密度，为登革热等疾病的早期预警提供数据支撑。
  

五、快速开始（代码示例）

1. 准备配置文件 (data.yaml)

train: ./dataset/images/train
val: ./dataset/images/val
nc: 2
names: ['伊蚊', '非伊蚊']

2. 启动 YOLOv8 训练

from ultralytics import YOLO

model = YOLO('yolov8m.pt')
model.train(
    data='data.yaml',
    epochs=100,
    imgsz=640,
    batch=16,
    device=0
)

标签

伊蚊检测、病媒生物、公共卫生、目标检测、YOLO格式、深度学习数据集、计算机视觉