识别可可花访客:一个深度学习数据集
Wenxiu Xu1,2, Saba Ghorbani Barzegar2, Dong Sheng1,2
1College of Environmental and Resource Sciences, Zhejiang University, Hangzhou, China.
Scientific data
|July 28, 2025
概括
这项研究引入了可可花访客的新数据集,以提高作物产量. 使用YOLOv8模型进行人工智能驱动的分析,准确识别昆虫,有助于可持续的可可生产.
科学领域:
- 农业科学 农业科学
- 计算机视觉 计算机视觉
- 昆虫学 昆虫学是一门学科.
背景情况:
- 可可生产是一个重要的全球产业,但通过授粉提高产量的研究是有限的.
- 嵌入式硬件和人工智能的进步使可可花访客及其对产量影响的详细分析成为可能.
研究的目的:
- 展示可可花游客的第一个全面数据集,包括各种昆虫家族和背景图像.
- 评估不同YOLOv8深度学习模型在可可种植园中识别昆虫的性能.
- 建立一个深度学习模型在具有挑战性检测目标的低对比度图像上的性能基准.
主要方法:
- 策划了5792张昆虫图像 (Ceratopogonidae,Formicidae,Aphididae,Araneae,Encyrtidae) 和1082张背景图像的数据集,这些图像来自两年内收集的2300万张图像.
- 在中国海南省使用嵌入式摄像头进行图像采集.
- 训练并测试了各种尺寸的YOLOv8模型,在训练集中逐渐增加背景图像比率.
主要成果:
- 中型YOLOv8模型以8%的背景图像比率表现出最佳性能,F1评分为0.71,mAP50为0.70.
- 该数据集被证明是有效的,用于在具有挑战性的图像数据集上比较深度学习模型架构.
- 确定了在复杂的可可种植园环境中精确检测昆虫的最佳模型配置.
结论:
- 这一数据集对于推进可可授粉监测和可持续农业的研究非常有价值.
- 深度学习模型,特别是YOLOv8,可以有效地识别可可花的访客,有助于提高产量战略.
- 这项工作通过人工智能驱动的数据分析支持准确农业和自动化作物管理的未来努力.
