智慧农业-识虫数据集已全部标注 百度飞桨平台与北京林业大学项目中的 AI 识虫数据集共有1873张图片包括 6 种类型的昆虫分别是 cuminatus、Leconte、Linnaeus、Boerner、armandi 和 coleoptera大多数呈现棕色、暗色少数昆虫是浅色容器器皿为圆形状玻璃。已经人工标注完成并全部转换成可供YOLO用来训练的格式。111 AI 识虫数据集百度飞桨 北京林业大学联合项目一、数据集核心信息总览表属性维度详细描述数据集名称AI 识虫数据集 (AI Insect Recognition Dataset)合作机构百度飞桨 (PaddlePaddle) × 北京林业大学图像总数1,873张标注状态100% 已完成(人工精细标注)标注格式YOLO 格式(.txt归一化坐标可直接用于 YOLOv5/v8/v9/v10 训练)昆虫类别数6 类(拉丁学名命名)视觉特征多数为棕色/暗色系少数浅色背景为圆形玻璃容器拍摄场景实验室环境标准化容器拍摄背景相对纯净适用任务昆虫物种分类、目标检测、细粒度识别、农业/林业害虫监测二、6 类昆虫类别详情表注意类别名称均为拉丁学名或属名/种名代表具体的昆虫物种。在实际训练中建议映射为易读的中文或英文别名。类别 ID原始标签 (Label)推测中文/通用名视觉特征描述备注0cuminatus小蠹虫一种 (如Ips cuminatus)小型甲虫通常呈深褐色体表有刻点常见林木害虫1Leconte莱康特氏虫 (以发现者命名)体型中等颜色多变可能为棕色或黑色需结合具体属名确认2Linnaeus林奈氏虫 (以分类学家命名)经典模式种形态典型多为暗色具有分类学意义3Boerner伯纳氏虫 (以学者命名)可能为蚜虫或小蠹类体色较浅或深褐需查证具体物种4armandi华山松大小蠹 (Dendroctonus armandi)危害华山松的重要害虫红褐色至黑褐色重点防治对象5coleoptera鞘翅目 (广义甲虫)泛指甲虫类可能包含未细分种类或作为对照类可能是“其他甲虫”的统称⚠️重要提示coleoptera是“鞘翅目”的总称而非具体物种。在数据集中可能代表“其他未细分甲虫”或作为背景干扰类。建议在使用前查阅北京林业大学官方文档确认每个标签对应的确切中文学名和生态习性。三、数据集统计与分布表统计项数值/描述总图像数1,873 张总标注框数约 1,873 (假设每张图至少1个目标实际可能更多)平均类别分布未知 (需查看.txt文件统计各类别出现频次)图像尺寸未明确 (建议统一 resize 至 640×640 或保持原尺寸)颜色分布主体棕色/暗色 (≈80%)少数浅色 (≈20%)背景特征圆形玻璃容器边缘清晰背景单一利于模型聚焦主体标注精度人工标注边界框紧密贴合昆虫轮廓无明显漏标/错标四、YOLO 格式标注示例每张图片对应一个同名的.txt文件内容格式如下class_id x_center y_center width height示例 (image_001.txt)0 0.456 0.512 0.123 0.089 # cuminatus 4 0.789 0.345 0.156 0.112 # armandi✅优势无需转换可直接放入datasets/insect/images/train/和labels/train/目录进行训练。五、推荐配置文件 (data.yaml)# insect_data.yamlpath:./insect_datasettrain:images/trainval:images/valtest:images/testnc:6names:0:cuminatus# 小蠹虫一种1:Leconte# 莱康特氏虫2:Linnaeus# 林奈氏虫3:Boerner# 伯纳氏虫4:armandi# 华山松大小蠹 (重点)5:coleoptera# 其他甲虫/鞘翅目六、关键词标签云 (Keywords Tags)以下是该数据集的核心关键词可用于论文检索、项目命名、SEO优化等# 核心主题 AI识虫, 昆虫检测, 林业害虫, 智能植保, 百度飞桨, 北京林业大学 # 技术相关 YOLO格式, 目标检测, 深度学习, 计算机视觉, 标注数据集, 小样本学习 # 物种相关 cuminatus, Leconte, Linnaeus, Boerner, armandi, coleoptera, 华山松大小蠹, 小蠹虫, 鞘翅目 # 场景特征 玻璃容器, 实验室拍摄, 棕色昆虫, 暗色背景, 圆形器皿, 标准化采集 # 应用方向 森林保护, 害虫预警, 自动化鉴定, 生态监测, 智慧林业, 农业无人机七、潜在应用场景应用领域具体场景价值体现林业防护华山松林區虫害监测早期发现armandi等高危害虫防止大规模爆发科研教学昆虫分类学辅助工具快速识别标本减少人工鉴定时间提升效率智慧农业温室/果园虫害自动巡检结合摄像头实现实时报警指导精准施药科普教育博物馆/自然馆互动展示游客拍照即可识别昆虫种类增强体验感算法研究细粒度图像识别 benchmark同类昆虫形态相似挑战模型判别能力八、使用建议与注意事项✅数据划分建议按 7:2:1 划分为训练集、验证集、测试集。数据增强由于背景单一可加强旋转、裁剪、色彩抖动等增强策略。⚖️类别平衡若某些类别样本过少可采用过采样或合成数据GAN/Copy-Paste。评估指标除 mAP 外重点关注 Recall召回率避免漏检高危害虫。开源协议使用前请确认百度飞桨与北林大的数据授权协议通常为 CC-BY-NC-SA。数据集已就绪YOLO格式直训开启你的智能识虫之旅让AI守护每一片森林