BuzzSet v1.0：用于野外环境中花粉虫检测的数据集
计算机视觉与模式识别
2025-09-10 v4
摘要
蜜蜂和穆蜂等授粉昆虫对于全球食物生产和生态系统稳定性至关重要，但由于人为和环境压力，其种群正在减少。由于难以检测体型小、运动快且常常伪装在植被中的昆虫，农业环境中可扩展的自动化监测仍是一个开放性挑战。为此，我们提出了BuzzSet v1.0，一个收集自真实野外环境的高分辨率花粉虫图像的大规模数据集。BuzzSet包含7,856张经人工验证的图像，超过8,000个标注实例，涵盖三个类别：蜜蜂、穆蜂和未识别昆虫。初始标注使用在外部数据上训练的YOLOv12模型生成，经人工核查后通过开源工具进行细化。所有图像均预处理为256×256的图像块，以提高对小昆虫的检测能力。我们提供了基于RF-DETR变换器对象检测器的基线模型。该模型在蜜蜂和穆蜂上分别获得F1分数为0.94和0.92的优异分类准确率，两者之间的混淆最小。未识别类别由于标签模糊和样本较少仍较为困难，但仍为鲁棒性评估提供了见解。总体检测性能（mAP 0.50为0.559）说明了数据集的具挑战性及其潜力推动小目标在真实生态条件下检测技术的进步。未来工作将扩展至版本2.0，增加额外标注并评估进一步的检测策略。BuzzSet为生态计算机视觉建立了基准，主要挑战在于可靠检测常被自然植被中伪装的昆虫，为未来研究指明了方向。
引用
@article{arxiv.2508.19762,
title = {BuzzSet v1.0: A Dataset for Pollinator Detection in Field Conditions},
author = {Ahmed Emam and Mohamed Elbassiouny and Julius Miller and Patrick Donworth and Sabine Seidel and Ribana Roscher},
journal= {arXiv preprint arXiv:2508.19762},
year = {2025}
}
备注
We need to make major revisions to the manuscript, which will take longer than we expected