农业数字化｜玉米地田间作物识别数据集｜幼苗出苗率｜杂草识别｜YOLO格式｜AI智能农田应用

农业数字化玉米地田间作物识别数据集幼苗出苗率杂草识别YOLO格式AI智能农田应用在智慧农业加速落地的今天田间作物精准识别、出苗率智能统计、杂草自动化防控已成为提升种植效率与产量的核心环节。传统人工巡检效率低、误差大而高质量标注数据集与轻量化深度学习模型正成为破解农田视觉感知“最后一公里”的关键抓手。 项目概述本数据集为农业场景专用目标检测数据集聚焦玉米田间真实环境面向玉米幼苗识别、出苗率统计、杂草智能检测等核心任务原生支持YOLO系列模型快速训练与部署助力农业AI工程化落地。 数据集核心信息信息项详情任务方向目标检测Object Detection目标类别玉米(corn)、杂草(weeds)数据规模908张高分辨率田间实拍图像数据集结构11个细分子集覆盖不同光照、长势、杂草类型数据格式标准YOLO标注格式图像为JPG/PNG通用格式核心价值支撑出苗率统计、精准除草、智能巡检模型训练✅ 数据集优势场景纯净无冗余背景全为玉米田间真实环境降低模型干扰标注规范严格遵循YOLO标注规范开箱即用减少数据预处理成本细分充分11个子集覆盖苗期、成株期、稀疏/稠密杂草等多样工况工程友好适配YOLOv5/v8/v10/v12等主流框架支持端侧与云端部署 深度学习实战代码玉米-杂草YOLO训练# -*- coding: utf-8 -*- 玉米地杂草识别训练脚本 · 农业场景专用 适配本数据集玉米(corn) 杂草(weeds)二分类检测 场景经验农田低对比度、叶片重叠、光照多变 训练策略小批次、高增强、早停适配农田小目标特性 fromultralyticsimportYOLOimporttorch# 核心配置 # 数据集配置对应本数据集目录结构DATA_YAMLmaize_weeds.yaml# 选用轻量模型适配无人机/边缘设备部署MODELyolov8s.ptEPOCHS150BATCH_SIZE16IMAGE_SIZE640# 农田场景建议低置信度适中IOU减少漏检CONF_THRESH0.25IOU_THRESH0.45# 训练启动 deftrain_maize_weeds():# 优先使用GPUdevice0iftorch.cuda.is_available()elsecpumodelYOLO(MODEL)# 训练参数农田数据增强经验值model.train(dataDATA_YAML,epochsEPOCHS,batchBATCH_SIZE,imgszIMAGE_SIZE,devicedevice,patience20,# 早停防止过拟合cacheTrue,# 加速读取augmentTrue,# 开启增强hsv_h0.015,# 色调农田光照鲁棒hsv_s0.3,# 饱和度hsv_v0.4,# 明度degrees10,# 旋转限制perspective0.001,# 轻微透视flipud0.1,# 上下翻转fliplr0.5,# 左右翻转confCONF_THRESH,iouIOU_THRESH,projectruns/maize_weeds,nameyolov8s_maize,exist_okTrue)# 推理验证 defdetect_field_image(model_path,img_path): 单张田间图像推理输出玉米/杂草位置与置信度 modelYOLO(model_path)resultsmodel.predict(sourceimg_path,confCONF_THRESH,iouIOU_THRESH,imgszIMAGE_SIZE,saveTrue,showFalse)# 打印出苗/杂草统计信息forresultinresults:boxesresult.boxes corn_numsum(1fordinboxes.clsifint(d)0)weed_numsum(1fordinboxes.clsifint(d)1)print(f 玉米株数:{corn_num}| 杂草株数:{weed_num})if__name____main__:train_maize_weeds()# 训练完成后推理# detect_field_image(runs/maize_weeds/yolov8s_maize/weights/best.pt, test.jpg) 配套YAML配置maize_weeds.yaml# 玉米-杂草检测数据集配置 · 对齐本数据集结构path:./datasets/adventices-mais# 数据集根目录train:images/train# 训练集路径val:images/val# 验证集路径test:images/test# 测试集可选# 类别定义与数据集标注完全一致nc:2names:0:corn1:weeds 典型应用场景出苗率智能统计无人机巡田→图像识别→自动计算出苗率→生成田间报表精准除草机器人实时检测杂草→定位喷药/机械除草→省药减损、保护幼苗农田监测系统边缘端轻量化部署7×24小时监测长势与杂草入侵育种辅助评估批量分析苗期长势为品种筛选提供客观数据 环境依赖# 一键安装依赖pipinstallultralytics opencv-python torch torchvision pillow 使用流程下载数据集并解压至datasets/adventices-mais配置maize_weeds.yaml路径运行训练脚本自动完成训练与验证导出best.pt用于推理、部署、二次开发 标签#农业数字化 #玉米出苗率 #杂草识别 #YOLO数据集 #目标检测 #智慧农业 #AI农田 #农业智能化 #计算机视觉 #深度学习数据集