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

🏷️ 标签类别（3 类）

按松树受松材线虫侵害严重程度分级标注：

💡 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

text

pine_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.yaml

data.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 imgsz=640 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）

bash
p

ip install ultralytics

yolo detect train \
  data=data.yaml \
  model=yolov8n.pt \
  imgsz=640 \
  batch=16 \
  epochs=100 \
  name=pine_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？