摘要：该数据集由无人机航拍的高粱田RGB图像构成，并针对田间作物行线进行人工边界框标注，旨在支持卷积神经网络和目标检测模型开展农业遥感分析。
数据集概述
该数据集由无人机航拍的高粱田RGB图像构成，并针对田间作物行线进行人工边界框标注，旨在支持卷积神经网络和目标检测模型开展农业遥感分析。数据可用于识别复杂田间背景中的高粱种植行，为作物长势监测、田间结构分析和精准农业研究提供视觉数据基础。
数据结构与关键特征
数据集包含6种模型适配版本，分别为Detectron2使用的 416x416_augmented、YOLOv6格式、YOLOv5 PyTorch格式、YOLOv8格式、Darknet格式以及融合合成图像的YOLOv8版本。图像主要调整为416×416像素，使用LabelBox完成人工标注，并划分为训练集、验证集和测试集；同时采用旋转、平移、缩放和翻转等增强方法，部分版本还加入合成图像以提高场景多样性。
应用价值与研究方向
该数据集可用于高粱作物行线检测、无人机农田监测、种植结构分析、农业机械导航及作物表型研究。研究方向包括YOLO系列、Faster R-CNN、RetinaNet和DETR目标检测，多模型性能比较、合成数据有效性评估、小目标检测、航拍视角鲁棒性、模型轻量化和边缘部署，还可结合语义分割、植株中心定位及多时相无人机影像研究作物密度估计、生长监测和缺苗识别。
数据集来源
由张家梁(Bob)整理并于2026年在7zcode平台公开发布。
数据集信息
免责声明与引用
数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。
作者信息
作者：Bob (张家梁)
项目编号：Datasets-580
文件大小：232M
原创声明：本数据集为整理作品
联系方式
开源协议
本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。
评论(0)