基于无人机影像的水稻田块识别数据

水稻种植分布与田块边界信息是农业生产管理、产量预测、农业保险及政策制定的重要基础信息。传统人工踏查等方法效率低、成本高且易受主观因素影响，难以满足现代智慧农业对精确、实时数据的需求。本数据知识产权通过无人机高分辨率可见光影像采集水稻田信息，并结合人工标注数据，利用人工智能图像分割模型（如DINOv2）实现水稻田块的自动识别与精准分割。一、加工前的数据说明 利用搭载高清可见光相机的无人机对水稻种植区域进行高分辨率影像采集。 二、处理规则 （一）图像预处理 对无人机影像进行去噪、颜色校正和影像拼接，确保影像空间分辨率和颜色一致性，为后续分割建模提供高质量输入。 （二）模型训练 将无人机影像与人工标注的水稻田块数据（水稻田块像素级分割掩码数据）进行融合，形成训练数据集，训练DINOv2模型学习影像特征与实际种植区域的映射关系，优化模型精度。模型训练及测试参数如下： 标签种类：水稻田块；识别结果数：田块总数3；边界偏差数0、田块分割准确率100%；识别用时：2.0s；模型名称：dinov2_vitb14_segmentor；学习率：0.00004；权重衰减：0.06；优化器：AdamW；学习率调度策略：Cosine with Warmup；批量大小：8；输入分辨率：518x518；DropPath率：0.15；定位损失：0.022；分类损失：0.012；训练精度：0.990；召回率：0.982；F1值：0.986。 （三）模型应用 将新采集的无人机影像输入DINOv2图像分割模型进行水稻田块识别，模型能够自动分割水稻田块，识别水稻种植区域边界、空白地块及不同密度区域，生成水稻田块像素级掩码，为农田管理和决策提供数据支持。 三、数据内容描述 最终生成的数据集合包括：无人机采集的水稻田高清影像数据、人工标注的水稻田块数据（水稻田块像素级分割掩码数据）以及水稻田块识别结果数据。本数据集可用于农业生产管理、产量预测、农业保险及政策制定等场景。

搜集汇总

背景与挑战

背景概述

本数据集通过无人机采集水稻田高分辨率可见光影像，结合人工标注的水稻田块像素级分割掩码数据，训练DINOv2图像分割模型，实现水稻田块的自动识别与精准分割。数据集包含高清影像、标注掩码和识别结果数据，数据规模353.39MB，模型训练精度0.990、召回率0.982、F1值0.986，田块分割准确率100%。该数据集适用于农业生产管理、产量预测、农业保险及政策制定等场景。