针对树木害虫与病虫害的无人机目标检测数据集（PDT 数据集）
计算机视觉与模式识别
2024-09-25 v1
摘要
无人机（UAV）成为视觉 weed 识别和作物综合虫害与病害管理的最佳载体。然而，缺乏专业数据集阻碍了该领域模型开发的进展。为此，我们开发了名为 Pests and Diseases Tree 数据集（PDT 数据集）的综合数据集。PDT 数据集代表了第一个高精度基于无人机的数据集，用于针对树木害虫和病害的目标检测，收集于真实的运营环境中，旨在填补该领域可用数据集的空白。此外，我们通过整合公共数据集和网络数据，进一步引入了 Common Weed and Crop 数据集（CWC 数据集），以解决测试模型在该领域数据集中分类能力不足的挑战。最后，我们提出了用于高精度目标检测的 YOLO-Dense Pest（YOLO-DP）模型，用于 weed、虫害和病害作物图像。我们对所提出的 PDT 数据集和 CWC 数据集重新评估了最先进的检测模型，显示该数据集的完整性以及 YOLO-DP 的有效性。所提出的 PDT 数据集、CWC 数据集和 YOLO-DP 模型已发布于 https://github.com/RuiXing123/PDT_CWC_YOLO-DP。
引用
@article{arxiv.2409.15679,
title = {PDT: Uav Target Detection Dataset for Pests and Diseases Tree},
author = {Mingle Zhou and Rui Xing and Delong Han and Zhiyong Qi and Gang Li},
journal= {arXiv preprint arXiv:2409.15679},
year = {2024}
}
备注
23 pages, 11 figures, European Conference on Computer Vision 2024