农田杂草检测-目标检测数据集

最新推荐文章于 2025-06-07 17:09:12 发布
最新推荐文章于 2025-06-07 17:09:12 发布
阅读量1.2k 收藏 26
点赞数 15
CC 4.0 BY-SA版权
文章标签： 目标检测 人工智能 计算机视觉
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/DL_data_set/article/details/145141439

农田杂草检测-目标检测数据集（包括VOC格式、YOLO格式）

数据集：
链接: https://pan.baidu.com/s/1Ehz7obvW-_XHCJT5M0OlrQ?pwd=y3av 
提取码: y3av

数据集信息介绍：
共有 2484 张图像和一一对应的标注文件

标注文件格式提供了两种，包括VOC格式的xml文件和YOLO格式的txt文件。

标注的对象共有以下几种：

[‘weeds’]

标注框的数量信息如下：（标注时一般是用英文标的，括号里提供标注对象的中文作为参考）

weed: 6814 (野草）

注：一张图里可能标注了多个对象，所以标注框总数可能会大于图片的总数。

完整的数据集，包括3个文件夹和一个txt文件：
在这里插入图片描述
all_images文件：存储数据集的图片，截图如下：
在这里插入图片描述
图片大小信息：

最低0.47元/天 解锁文章
＜数据集＞玉米地杂草识别数据集＜目标检测＞
qq_53332949的博客
07-24 1017
YOLO与VOC格式的玉米地杂草识别数据集，适用于YOLO系列、Faster Rcnn、SSD等模型训练，类别：Maize、Weed
农业杂草检测——杂草分割数据集
zzjlhlcd的博客
03-05 960
此外，像华工科技与哈工大机器人实验室合作研发的“全天候智能激光除草机器人”，通过高速摄影和人工智能技术精确识别杂草和作物，发射激光除草，杂草识别率≥95%，杂草去除率≥90%，除草时被伤到的作物不足1%，颠覆了传统除草作业方式，大大提高了农业生产效率，减少了对人力的依赖。不同的光照条件会改变作物与杂草的颜色和纹理特征，不同的拍摄角度可能会导致物体的形状和大小发生变化，而遮挡则会使得部分物体的信息被遮挡，从而影响分割算法的准确性。作物与杂草在颜色和纹理上的相似性也是植物杂草语义分割的一个难点。
目标检测15种田间杂草数据集6700张VOC+YOLO.zip
09-24
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：6719 标注数量(xml文件个数)：6719 标注数量(txt文件个数)：6719 标注类别数：15 标注类别名称:["carpetweeds","crabgrass","eclipta","goosegrass","morningglory","nutsedge","palmeramaranth","pricklysida","purslane","ragweed","sicklepod","spottedspurge","spurredanoda","swinecress","waterhemp"] 每个类别标注的框数： carpetweeds 框数 = 486 crabgrass 框数 = 457 eclipta 框数 = 471 goosegrass 框数 = 454 morningglory 框数 = 868 nutsedge 框数 = 446 palmeramaranth 框数 = 446
数据集训练专栏：如何用YOLOv8进行杂草识别
最新发布
cver123的博客
06-07 406
杂草数据集：一步一步利用YOLO识别杂草
目标检测算法——农业作物开源数据集汇总（收藏）
热门推荐
加勒比海带66——【YOLO魔法搭配&论文投稿咨询】
04-01 1万+
🎄🎄近期，小海带在空闲之余收集整理了一批农业作物开源数据集资源供大家参考。整理不易，小伙伴们记得一键三连喔！！！🎈🎈
草地杂草数据集野外草地数据集田间野草数据集YOLO格式VOC格式目标检测计算机视觉数据集
weixin_55149953的博客
10-24 1258
杂草识别数据集涵盖了各种常见的杂草种类，为农业领域提供了重要的识别资源。数据集包含了多种杂草类型，可用于训练模型实现准确的杂草分类和识别。这些数据对于开展农田杂草管理和精准喷药等农业实践具有重要意义。
YOLO目标检测草坪杂草识别数据集+4000多张高质量标注图片
06-20
该数据集由3664张训练集、359张验证集和180张测试集组成，旨在为研究人员和开发者提供高质量的数据资源，以便进行草坪杂草检测和分类的相关研究和应用。 数据集构成 训练集：训练集包含3664张高分辨率的草坪图像。...
农业杂草与作物目标检测数据集.zip
05-11
农业杂草与作物目标检测数据集 一、基础信息 数据集名称：农业杂草与作物目标检测数据集 图片数量： - 训练集：4,812张图片 - 验证集：217张图片 - 测试集：235张图片 - 总计：5,264张农业场景图片 分类类别： 1. ...
农业杂草检测——作物杂草目标检测数据集
qq_38220914的博客
03-05 1012
通过清晰标注的农作物和杂草图像，如标注为“crop”（农作物）或“weed”（杂草），可以让模型学习到不同植物的特征，从而实现准确的目标检测。例如，自动机器学习在作物杂草检测中的应用研究中，提出了一种基于自动机器学习的自动化作物杂草检测方法，通过集成若干模型在预测时兼顾高精度和低误苗率，降低错误分类造成的危害，为智能农机的引导提供了有力支持。例如，基于 YOLOv8深度学习的农作物幼苗与杂草检测系统，可以在作物生长初期，准确识别杂草位置，指导机械或无人机进行精准施药，减少除草剂的使用，降低对环境的影响。
草杂草检测19-YOLO9数据集.rar
12-18
本篇文章将详细介绍一个特定的数据集——草杂草检测19-YOLO9数据集，它专门为使用YOLOv9格式进行目标检测而设计。 首先，草杂草检测19-YOLO9数据集是一个专门为检测农田中杂草而构建的数据集。它被设计用来支持...
农业杂草检测——小麦中萝卜杂草目标检测数据集
qq_38220914的博客
03-05 810
在实际应用中，能够适应不同地区、不同生长阶段的小麦田杂草检测任务，为精准农业中的智能除草、精准施肥、资源优化配置等提供了关键的技术支持，有助于提高农业生产效率、降低生产成本、减少环境污染，是推动农业现代化、智能化发展的重要技术手段之一，必将在未来的农业生产实践中发挥越来越重要的作用，开启精准农业的新篇章。与传统检测方法相比，它不再过度依赖于特定的图像采集环境和复杂的预处理操作，通过深度学习模型强大的自动特征提取能力，能够有效地学习到小麦与萝卜杂草在图像中的内在特征差异，从而实现快速、准确的目标检测。
YOLO 目标检测数据集：农作物害虫检测（4类别）【包含划分好的数据集、类别class文件、数据可视化脚本】
05-13
项目包含：农作物害虫检测（4类别）【包含划分好的数据集、类别class文件、数据可视化脚本】，数据保存按照YOLOV5文件夹保存，可直接用作目标检测数据集，无需额外处理。 图像分辨率为640*640的大分辨率RGB图片，数据集为农作物常见的害虫检测，检测目标前景为害虫。标注的边界框完整，每张图像均有多个目标。 标注格式为：classes，x_centre、y_centre、w、h （yolo的相对坐标标注） 【数据集类别】4类别：蝗虫、苍蝇、水果蛾等等 【数据】数据分为分为训练集和验证集 训练集datasets-images-train：2859张图片和2859个标签txt文件组成 验证集datasets-images-val：266张图片和266个标签txt文件组成 【txt类别文本文件】4 类别txt文本信息 为了方便查看数据，提供了可视化py文件，随机传入一张图片即可绘制边界框，并且保存在当前目录。脚本无需更改，可以直接运行可视化图像！！
玉米地杂草检测数据集VOC+YOLO格式7436张2类别.7z
09-02
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：7436 标注数量(xml文件个数)：7436 标注数量(txt文件个数)：7436 标注类别数：2 标注类别名称:["Maize","Weed"] 每个类别标注的框数： Maize 框数 = 9426 Weed 框数 = 232793 总框数：242219 使用标注工具：labelImg 标注规则：对类别进行画矩形框 重要说明：暂无 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注 更多信息：https://blog.csdn.net/FL1768317420/article/details/141822854
目标检测数据集(YOLOV5目录格式)：柑橘害虫检测（2类别，包含训练集、验证集）
04-10
项目包含：柑橘害虫检测（2类别，包含训练集、验证集），数据保存按照YOLOV5文件夹保存，可直接用作目标检测数据集，无需额外处理。 图像分辨率为1000-4000的大尺度RGB图片，数据集为柑橘的害虫检测 【数据集介绍】柑橘害虫图像数据，2类别：苍蝇、木虱 【数据总大小】260MB（数据分为分为训练集和验证集） 训练集datasets-images-train：240张图片和240个标签txt文件组成 验证集datasets-images-val：60张图片和60个标签txt文件组成 【txt类别文本文件】2类别txt文本信息 为了方便查看数据，提供了可视化py文件，随机传入一张图片即可绘制边界框，并且保存在当前目录。脚本无需更改，可以直接运行
基于航拍图像的甘蔗-杂草目标检测数据集
06-26
该数据集为自建的甘蔗-杂草图像数据集，标注形式为VOC 格式，其中包含甘蔗、作物两个类别目标，共包含1583张图像，每幅图像由原始航拍图像裁剪出，尺寸为512*512像素，可用于目标检测算法的设计、评估和部署。
【目标检测数据集】棉花叶子病虫害数据集14373张8类别VOC+YOLO格式（已增强）
09-10
数据集格式：VOC格式+YOLO格式 压缩包内含：3个文件夹，分别存储图片、xml、txt文件 JPEGImages文件夹中jpg图片总计：14373 Annotations文件夹中xml文件总计：14373 labels文件夹中txt文件总计：14373 标签种类数：8 标签名称:["Alternaria leaf spot","Aphids","Armyworm","Bacterial Blight","Fusarium Wilt","Grey milddew","Healthy","Leaf Curl"] 每个标签的框数： Alternaria leaf spot 框数 = 5452 Aphids 框数 = 1978 Armyworm 框数 = 2072 Bacterial Blight 框数 = 3071 Fusarium Wilt 框数 = 2749 Grey milddew 框数 = 552 Healthy 框数 = 12099 Leaf Curl 框数 = 1248 总框数：29221 图片清晰度（分辨率：像素）：清晰 图片是否增强：否 标签形状：矩形框，用于目标检测识别
[数据集][目标检测]纸箱子检测数据集VOC+YOLO格式8375张1类别
FL1623863129的博客
05-11 1191
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注。图片数量(jpg文件个数)：8375。标注数量(xml文件个数)：8375。标注数量(txt文件个数)：8375。标注类别名称:["Carton"]使用标注工具：labelImg。标注规则：对类别进行画矩形框。总框数：168758。
田地杂草检测数据集VOC+YOLO格式4040张12类别
2403_88102872的博客
01-26 251
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)amaranthus tuberculatus 框数 = 845。amaranthus palmeri 框数 = 286。sida rhombifolia 框数 = 420。eleusine indica 框数 = 148。ipomoea indica 框数 = 1140。标注数量(txt文件个数)：4040。eclipta 框数 = 261。
使用YOLOv8进行目标检测和分类任务，农业害虫检测数据集，农业害虫分类数据集， 包含102种害虫，yolo格式标注，划分7万5分类图像-多并提供一些常用的脚本来帮助你更高效地处理数据和训练模型 虫害
2401_88441190的博客
01-03 620
使用YOLOv8进行目标检测和分类任务，农业害虫检测数据集，农业害虫分类数据集， 包含102种害虫，yolo格式标注，划分7万5分类图像-多并提供一些常用的脚本来帮助你更高效地处理数据和训练模型 虫害
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值