PDT 数据集:首个基于无人机的高精密度树木病虫害目标检测数据集

发布于:2024-10-17 ⋅ 阅读:(9) ⋅ 点赞:(0)

2024-09-24,由中国山东计算机科学中心、北京大学等机构联合创建了Pests and Diseases Tree(PDT)数据集,目的解决农业领域中病虫害检测模型开发中专业数据集缺失的问题。通过集成公共数据和网络数据,进一步推出了Common Weed and Crop数据集,目的增强模型的分类能力。另外还提出YOLO-Dense Pest模型,用于提高杂草、病虫害作物图像的高精度目标检测。

一、研究背景:

研究背景 随着无人机(UAV)技术的发展,其在农作物病虫害检测中的应用越来越广泛。然而,由于缺乏专门的数据集,限制了这一领域研究的深入和模型性能的提升。

目前遇到困难和挑战:

1、缺乏专门针对树木病虫害的高精密度无人机数据集。

2、现有的检测模型在实际应用中存在精度不足的问题。

3、需要更丰富的数据集来训练模型,以提高其在多类别检测中的分类能力。

数据集地址:PDT Dataset|无人机技术数据集|农业应用数据集

二、让我们一起来看一下:PDT 和CWC 数据集

Pests and Diseases Tree(PDT)数据集:首个基于无人机的高精密度树木病虫害目标检测数据集。 PDT数据集包含了在真实操作环境中收集的树木病虫害图像,具有高分辨率和低分辨率两个版本。PDT数据集具有高密度、小目标和丰富的真实环境细节特点,适合用于训练特殊的无人机检测模型。

Common Weed and Crop(CWC)数据集:包含了11种不同但外观相似的植物类别,用于提高模型的分类能力。通过整合了多个公共数据源,包含了多种作物和杂草的图像,以增强模型对不同类别的识别能力。CWC数据集则以其类别多样性、详细的纹理信息和数据的真实性而著称。

数据集构建 :

PDT数据集的构建包括了数据收集、预处理、标注和验证等多个步骤。研究者们使用无人机在150米的高度进行等距拍摄,采集了大量原始图像数据和3D点云数据。通过滑动窗口方法和“人在回路”的标注方法,提高了数据标注的效率和准确性。

PDT数据集和CWC数据集均可用于训练和测试目标检测模型。研究者们还提出了YOLO-DP模型,并在多个数据集上进行了性能评估,证明了其在高精度检测任务中的有效性。

基准测试 :

研究者们使用PDT和CWC数据集对现有的一些最先进的检测模型进行了重新评估,并分析了这些模型的性能,为该领域建立了基准。

数据集比较。(a) 显示了 PDT 数据集(低分辨率 (LL) 和高分辨率 (LH)):640×640、5472×3648。(b) 显示了 CWC 数据集的特征:它包含 11 种不同的相似植物。(c)、(d) 和 (e) 是公共数据集。

数据示例。(a) 是一个健康的目标,(b) 是一个不健康的目标。PDT 数据集将 (b) 作为类别。

PDT 数据集生成和检测过程。(a) 表示滑动窗口方法,(b) 表示“人在环”数据注释方法。(c) 表示将 LL 图像发送到神经网络进行训练,同时检测到 LL 和 LH 双分辨率图像。

YOLO-DP基线模型架构。FPN[21]+PAN[23]模块由GhostConv[12]、上采样(Upsample)、拼接(Concat)和C3组成。C代表拼接(Concat),S代表sigmoid激活函数,P代表通道数扩张,×代表矩阵乘法,+代表矩阵加法。

         PDT数据集检测的可视化。

混淆矩阵。行代表真实类别,列代表预测类别,置信度的数值范围是[0,1]

三、让我们一起展望数据集应用:

1、PDT数据集应用:

比如,我是一个果农。

我大部分时间都在打理果园,最怕的就是那些害虫和病害。我得一棵棵树去检查,看有没有虫子咬,有没有病斑。这活儿累人不说,还经常漏掉一些受害的树。有时候,病害扩散开了,损失就大了去了。

现在,我有了PDT数据集和YOLO-DP模型这个好帮手,那可就不一样了。

现在呢,我只需要放飞无人机,让它在果园上空转几圈。无人机上的高清摄像头,能把每棵树的情况拍得一清二楚。然后,YOLO-DP模型就上场了,它比最细心的果农还要厉害,能识别出哪些树有病虫害,连那些小小的异常点都逃不过它的“法眼”。

这样一来,我就能直接定位到有问题的树,针对性地喷洒农药。既保护了果树,又减少了农药的使用量。这不仅减少了成本,还对环境更友好。我的果园变得更健康了,果子的质量也上去了,顾客们也更愿意买我的果子了。我这个果农,现在也能享受到科技带来的便利了。这变化,真是让我这个老果农倍感欣喜!

2、CWC数据集应用:

比如,我是一个农场主。

我在农场种了一大堆不同的作物,但是那些杂草啊,真是让我头疼。有的杂草和作物长得太像了,我有时候都分不清,更别说那些新手工人了。我们以前就是靠人力,一个个地去拔草,或者用机器大面积地除草,但是这样不仅效率低,而且经常误伤到作物,损失不少。

现在好了,有了CWC数据集和训练过的无人机,大不一样

这无人机啊,就像齐天大圣孙悟空的一双火眼金睛,能够清楚地分辨出哪些是作物,哪些是杂草,哪怕是那些长得很像的杂草,它也能轻松识别。

我以前除草,就是一视同仁,不管是不是杂草,先除了再说。现在呢,无人机可以精确地找到那些杂草,然后精准地喷洒除草剂,或者是用机械臂把它们拔掉。这样,我的作物就能少受伤害,长得更好,产量自然就上去了。

我这个农场主,现在也能享受到科技带来的便利了。真的是科技改变生活啊。

来吧,让我们走进:PDT Dataset|无人机技术数据集|农业应用数据集