松材线虫无人机航拍检测数据集Pine Wilt Disease Aerial Dataset面向无人机低空航拍场景的松材线虫病树按受害程度分级目标检测数据集标准YOLO 格式可直接用于 YOLOv5 / v8 / v10 / v11 等单阶段检测器训练。 数据集概况项目内容数据规模约 2000 张高清无人机航拍图像任务类型目标检测单株松树级病害严重度分类标注格式YOLO txt每图一 txtclass_id x_center y_center w h归一化 0~1配套配置提供data.yamlnc3采集方式低空无人机林区巡检航拍RGB 影像典型分辨率2048×1228 / 2048×1536 等适用模型YOLOv5 / v7 / v8 / v10 / v11️ 标签类别3 类按松树受松材线虫侵害严重程度分级标注class_id标签含义0dead枯死木树冠整体褐枯/灰白、针叶脱落已无恢复价值病害末期1heavy重度受害树冠明显发黄/发红、稀疏中晚期染病传染风险高2light轻度受害早期/轻微异常冠层局部变色或稀疏外观近健康树light类样本是“早发现早处置”的关键也是模型最难学的一类。 推荐目录结构textpine_wilt_uav_dataset/ ├── images/ │ ├── train/ # 训练集 jpg │ ├── val/ # 验证集 jpg │ └── test/ # 测试集 jpg ├── labels/ │ ├── train/ # 对应 YOLO txt │ ├── val/ │ └── test/ └── data.yamldata.yaml示例yaml path: ./pine_wilt_uav_dataset train: images/train val: images/val test: images/test nc: 3 names: [dead, heavy, light] 适用场景林业松材线虫病智能巡检无人机航拍病树自动识别与普查智慧林业 / 森林健康监测系统目标检测课程实训、毕业设计、科研基准数据⚠️ 使用说明原图多为高分辨率航拍训练小目标建议imgsz640或更高或做切片slice增强。light与heavy、heavy与dead之间存在连续过渡边界样本易混淆训练时可适当加聚焦损失或边界样本挖掘。若做病害等级统计可将检测框按类别聚合到小班/图斑级。数据集图片来源于网络/航拍脱敏样本仅限学习与科研使用勿直接商用。 快速训练YOLOv8 示例bashpip install ultralytics yolo detect train \ datadata.yaml \ modelyolov8n.pt \ imgsz640 \ batch16 \ epochs100 \ namepine_wilt_yolov8 许可证CC BY-NC 4.0非商业学习研究用途转载请保留类别定义与来源说明。如果你愿意我可以把这份文档再压缩成一页商品详情版去掉代码块、只留卖点类别表交付清单或者反过来补上 train/val/test 切分脚本和统计标签分布的 Python 小工具。你要哪一种
松材线虫无人机航拍检测数据集 yolo林业害虫数据集
松材线虫无人机航拍检测数据集Pine Wilt Disease Aerial Dataset面向无人机低空航拍场景的松材线虫病树按受害程度分级目标检测数据集标准YOLO 格式可直接用于 YOLOv5 / v8 / v10 / v11 等单阶段检测器训练。 数据集概况项目内容数据规模约 2000 张高清无人机航拍图像任务类型目标检测单株松树级病害严重度分类标注格式YOLO txt每图一 txtclass_id x_center y_center w h归一化 0~1配套配置提供data.yamlnc3采集方式低空无人机林区巡检航拍RGB 影像典型分辨率2048×1228 / 2048×1536 等适用模型YOLOv5 / v7 / v8 / v10 / v11️ 标签类别3 类按松树受松材线虫侵害严重程度分级标注class_id标签含义0dead枯死木树冠整体褐枯/灰白、针叶脱落已无恢复价值病害末期1heavy重度受害树冠明显发黄/发红、稀疏中晚期染病传染风险高2light轻度受害早期/轻微异常冠层局部变色或稀疏外观近健康树light类样本是“早发现早处置”的关键也是模型最难学的一类。 推荐目录结构textpine_wilt_uav_dataset/ ├── images/ │ ├── train/ # 训练集 jpg │ ├── val/ # 验证集 jpg │ └── test/ # 测试集 jpg ├── labels/ │ ├── train/ # 对应 YOLO txt │ ├── val/ │ └── test/ └── data.yamldata.yaml示例yaml path: ./pine_wilt_uav_dataset train: images/train val: images/val test: images/test nc: 3 names: [dead, heavy, light] 适用场景林业松材线虫病智能巡检无人机航拍病树自动识别与普查智慧林业 / 森林健康监测系统目标检测课程实训、毕业设计、科研基准数据⚠️ 使用说明原图多为高分辨率航拍训练小目标建议imgsz640或更高或做切片slice增强。light与heavy、heavy与dead之间存在连续过渡边界样本易混淆训练时可适当加聚焦损失或边界样本挖掘。若做病害等级统计可将检测框按类别聚合到小班/图斑级。数据集图片来源于网络/航拍脱敏样本仅限学习与科研使用勿直接商用。 快速训练YOLOv8 示例bashpip install ultralytics yolo detect train \ datadata.yaml \ modelyolov8n.pt \ imgsz640 \ batch16 \ epochs100 \ namepine_wilt_yolov8 许可证CC BY-NC 4.0非商业学习研究用途转载请保留类别定义与来源说明。如果你愿意我可以把这份文档再压缩成一页商品详情版去掉代码块、只留卖点类别表交付清单或者反过来补上 train/val/test 切分脚本和统计标签分布的 Python 小工具。你要哪一种