大规模矿山与手工采矿环境分割数据集
计算机视觉与模式识别
2026-05-11 v1
摘要
矿山运营对于某些国家的经济至关重要。然而，这些运营导致土地利用变化、极高的能源消耗以及对环境的负面影响，包括土壤侵蚀和森林砍伐。矿山过程可能影响的范围远大于矿山本身。除政府批准的合法矿业运营外，非法矿业在全球范围内广泛存在，尤其在非洲各国。在远程矿山活动监控具有检测非法手工小规模矿业活动及其环境影响等实际意义。这种监控的一个重要结果可能包括更好地理解矿场属性（如矿业类型、加工方法、商品等）与自然环境之间关系的机制。在本工作中，我们提出了一个包含150个大规模矿山（LSM）站点和870平方公里被注释的手工小规模矿业（ASM）站点的 数据集。数据集的元数据包括每个LSM站点的九个主要区域段和27个矿场属性。我们还讨论了该数据集对研究社区的可能贡献，以及从伦理角度看研究人员的社会和环境责任。
引用
@article{arxiv.2605.07740,
title = {LAMES: A Large-Scale and Artisanal Mining Environmental Segmentation Dataset},
author = {Matthias Kahl and Zhaiyu Chen and Sudipan Saha and Mrinalini Kochupillai and Lukas Kondmann and Xiao Xiang Zhu},
journal= {arXiv preprint arXiv:2605.07740},
year = {2026}
}