农业害虫检测数据集 | 3200张YOLO智慧农业数据集

农业害虫检测数据集 | 3200张YOLO智慧农业数据集适用于田间害虫识别、精准施药与目标检测研究一、数据集概述本数据集收集了12类常见农田与园艺害虫及土壤生物的图像共包含约3200张高质量标注图像用于构建可部署于手机端与田间摄像设备的害虫自动识别系统。农业害虫每年造成大量作物减产及时准确地识别田间害虫种类是精准施药与绿色防控的前提。传统识别依赖植保专家肉眼判断响应慢、覆盖面有限。该数据集可广泛应用于智慧农业、精准施药、病虫害预警、农技服务App、农业物联网监测等场景适用于YOLOv5/v7/v8/v10/v11/v12等主流检测框架。随着智慧农业和绿色植保的快速发展利用计算机视觉技术实现田间害虫的自动识别已成为提升病虫害防控效率、减少农药使用量的重要手段。本数据集针对田间害虫检测场景中虫体与背景颜色相近、姿态多样、类别丰富等问题进行专项构建可为害虫智能识别系统与农技服务设备提供高质量数据支撑。数据集下载通过网盘分享的文件农业害虫检测数据集-12类链接: https://pan.baidu.com/s/1v5DBgwjNJ0FVP0F9NGOXjQ?pwdz3iq 提取码: z3iq二、数据集基本信息项目内容数据集名称农业害虫检测数据集数据规模约3200张高质量标注图像任务类型目标检测Object Detection检测目标12类农田与园艺害虫及土壤生物类别数量nc12类标注方式Bounding Box目标框标注数据格式YOLO标准格式数据来源真实田间与自然环境采集数据划分Train / Valid / Test适配模型YOLOv5、YOLOv7、YOLOv8、YOLOv10、YOLOv11、YOLOv12、Faster R-CNN等三、数据集类别说明本数据集为多类别目标检测数据集共设置12个检测类别涵盖害虫、益虫与土壤生物便于模型在识别有害生物的同时区分蜜蜂、蚯蚓等有益物种避免误伤性施药。类别配置nc:12names:-ant-bee-beetle-caterpillar-earthworm-earwig-grasshopper-moth-slug-snail-wasp-weevil类别详情类别ID类别名称英文名称生态类型类别说明0蚂蚁ant中性/害虫常见田间昆虫部分种类危害作物1蜜蜂bee益虫重要传粉昆虫应避免误伤2甲虫beetle害虫/中性多种农田害虫如叶甲、金龟子等3毛毛虫caterpillar害虫鳞翅目幼虫取食作物叶片造成危害4蚯蚓earthworm益虫土壤有益生物改善土壤结构5蠼螋earwig中性杂食性昆虫部分种类捕食害虫6蝗虫grasshopper害虫重要农业害虫取食作物叶片与茎秆7飞蛾moth害虫鳞翅目成虫部分种类危害作物8蛞蝓slug害虫软体动物取食作物幼苗与叶片9蜗牛snail害虫软体动物取食作物叶片与果实10黄蜂wasp益虫/害虫捕食性昆虫部分种类具有传粉作用11象鼻虫weevil害虫鞘翅目重要害虫危害多种作物12类设计涵盖三大生态类型害虫甲虫、毛毛虫、蝗虫、飞蛾、蛞蝓、蜗牛、象鼻虫、蚂蚁部分益虫蜜蜂、蚯蚓、黄蜂捕食性益虫中性蠼螋包含益虫类别的设计有利于模型在识别有害生物的同时区分有益物种避免误伤性施药推动绿色防控与生态友好型植保。四、数据集结构说明数据集采用标准YOLO目录结构组织已按训练集、验证集、测试集进行科学划分结构清晰便于直接接入主流检测框架。农业害虫检测数据集-12类/ ├── train │ ├── images │ └── labels ├── valid │ ├── images │ └── labels ├── test │ ├── images │ └── labels └── data.yaml各数据集作用如下train/images labels训练集图像与标签用于模型参数学习与特征提取valid/images labels验证集图像与标签用于超参数调优、早停监控及防止过拟合test/images labels测试集图像与标签用于最终模型性能评估与泛化能力测试。标注文件为同名.txt格式每行格式为类别索引 x_center y_center width height坐标均为归一化值配套data.yaml已配置好类别名称与数量可直接适配YOLO系列等目标检测框架。五、数据集核心优势1. 全面的害虫与益虫覆盖本数据集包含12类常见的农田与园艺害虫及土壤生物从生态维度涵盖害虫、益虫与中性生物危害作物类毛毛虫、蝗虫、甲虫、象鼻虫、飞蛾等软体动物类蛞蝓、蜗牛有益生物类蜜蜂传粉、蚯蚓土壤改良、黄蜂捕食性天敌类别设计独特之处在于同时包含害虫与益虫使模型能够区分有害与有益物种避免误伤性施药对绿色防控具有重要意义。2. 贴近真实田间环境图像多为田间与自然环境下的近距离拍摄具有以下特点背景复杂叶片、土壤、花朵等自然背景元素虫体伪装虫体常与背景颜色相近增加检测难度姿态多样不同角度、不同活动状态下的虫体形态尺度变化从小型昆虫到较大软体动物与田间虫情调查实际场景高度一致。3. 细粒度昆虫识别挑战12类目标在视觉上存在不同程度的相似性属于细粒度识别任务近缘种区分蜜蜂 vs 黄蜂、甲虫 vs 象鼻虫相似形态蛞蝓 vs 蜗牛、飞蛾 vs 蝴蝶不同发育阶段毛毛虫与飞蛾属于同种不同阶段颜色相近虫体与背景颜色接近时的区分对模型的特征提取与细粒度判别能力要求较高。4. 人工精准标注所有图像均经过人工精准标注边界框贴合虫体轮廓12类目标类别界定明确区分害虫、益虫与中性生物标注标准统一规范有效保证模型训练质量。5. 小样本多类别适配约3200张图像覆盖12个类别适合小样本多类别检测与迁移学习实验支持在有限样本条件下进行算法研究与模型优化。6. 即用型数据组织标准目录结构精简data.yaml配置无需复杂预处理可直接用于模型训练降低使用门槛。六、适用场景田间害虫种类自动识别与计数在田间设置智能监测设备自动识别害虫种类并统计数量为虫情研判提供数据支撑。精准施药决策与农药减量根据害虫种类识别结果指导针对性施药方案制定避免广谱性施药实现农药减量增效。病虫害发生趋势预警基于害虫识别与计数结果分析害虫发生趋势提前预警暴发性虫害风险。农技服务与农户拍照识虫应用为农技服务App、小程序等提供拍照识虫能力帮助农户快速了解田间虫害情况。生态友好型植保识别益虫与害虫的比例评估田间生态系统健康状况指导生态友好型植保措施。教学科研用于细粒度昆虫识别与小样本目标检测研究等科研场景。七、适用研究方向本数据集可广泛应用于以下研究领域农业害虫检测与识别研究12类细粒度昆虫识别研究小样本多类别目标检测研究复杂背景目标检测研究虫体与背景相近益虫/害虫分类识别研究绿色防控与生态植保研究YOLO系列模型优化研究轻量化检测模型与边缘部署研究手机端部署域适应与跨地区泛化研究迁移学习与数据增强研究八、总结农业害虫检测数据集包含约3200张高质量标注图像采用标准YOLO格式构建专注于农田与园艺害虫的检测与识别任务。数据集覆盖蚂蚁、蜜蜂、甲虫、毛毛虫、蚯蚓、蠼螋、蝗虫、飞蛾、蛞蝓、蜗牛、黄蜂、象鼻虫12类核心目标具有害虫/益虫双覆盖、田间真实场景、细粒度识别挑战等特点可广泛应用于田间害虫识别、精准施药决策、虫情预警、农技服务等领域是开展农业害虫视觉检测算法研发与智慧植保系统建设的优质数据资源。