FBK-TeV/WildBe

WildBe是首个使用无人机在芬兰森林和泥炭地采集的野生浆果图像数据集。该数据集包含多种浆果类型，如越橘、云莓、越桔和乌鸦莓等，这些图像是在复杂的光照和环境中采集的。数据集旨在通过先进的成像技术优化浆果的收获，并推动可持续的农业实践。数据集中包含图像的元数据，如高度、宽度、拍摄日期、设备信息等，适用于目标检测任务。

WildBe is the first image dataset of wild berries captured in peatlands and under the canopy of Finnish forests using drones. The dataset includes new varieties of berries, such as bilberries, cloudberries, lingonberries, and crowberries, captured under severe light variations and in cluttered environments. It aims to optimize berry harvests and promote sustainable agricultural practices through advanced imaging techniques. The dataset contains metadata for images, such as height, width, capture date, and device information, and is suitable for object detection tasks.

原始信息汇总

Wild Berry 图像数据集

数据集描述

WildBe 是一个在芬兰森林和泥炭地使用无人机收集的野生浆果图像数据集。该数据集包括了多种浆果，如越橘、云莓、越桔和乌饭果，这些图像在光照变化和杂乱环境中拍摄。

数据集信息

• 许可证: cc-by-nc-4.0
• 任务类别: 目标检测
• 大小类别: 1K<n<10K
• 标签:
  • drone imagery
  • agriculture
  • in the wild

特征字段

• index: 整数类型，每个样本的唯一标识符。
• image: 图像类型，PIL 图像。
• width: 整数类型，图像的宽度（像素）。
• height: 整数类型，图像的高度（像素）。
• split: 字符串类型，数据分割标识，如 train, validation, 或 test。
• altitude: 浮点数类型，图像拍摄时的海拔高度（如果可用）。
• aperture: 浮点数类型，相机光圈设置（如果可用）。
• area: 浮点数类型，图像拍摄的地理区域代码（如果可用）。
• date: 字符串类型，图像拍摄日期（如果可用）。
• device: 字符串类型，拍摄图像的设备（如果可用）。
• exposure: 浮点数类型，相机曝光时间（如果可用）。
• focal: 浮点数类型，相机镜头焦距（如果可用）。
• iso: 浮点数类型，相机 ISO 设置（如果可用）。
• latitude_deg: 浮点数类型，图像拍摄地点的纬度（度）（如果可用）。
• latitude_dir: 字符串类型，纬度方向（如果可用）。
• longitude_deg: 浮点数类型，图像拍摄地点的经度（度）（如果可用）。
• longitude_dir: 字符串类型，经度方向（如果可用）。
• source_image_id: 字符串类型，源图像的唯一标识符（如果图像是从源图像裁剪的）。
• time: 字符串类型，图像拍摄时间（如果可用）。
• labels: 字符串类型，包含以下字段的列表：
  • class: 整数类型，类别标识符。
  • label: 字符串类型，类别名称。
  • x: 浮点数类型，边界框中心的归一化 x 坐标。
  • y: 浮点数类型，边界框中心的归一化 y 坐标。
  • width: 浮点数类型，边界框的归一化宽度。
  • height: 浮点数类型，边界框的归一化高度。

搜集汇总

数据集介绍

构建方式

在农业遥感与无人机视觉领域，WildBe数据集的构建体现了严谨的科学采集流程。该数据集通过无人机在芬兰森林与泥炭地等复杂自然环境中，系统性地采集野生浆果图像。采集过程涵盖了多种浆果品种，包括越橘、云莓、越桔和岩高兰，并记录了每张图像对应的丰富元数据，如拍摄时的海拔、光圈、曝光时间、地理坐标及设备信息。图像经过专业标注，以边界框形式精确标识浆果位置，确保了数据在目标检测任务中的直接可用性。

特点

WildBe数据集的核心特点在于其高度的生态真实性与技术多样性。作为首个专注于野外自然环境浆果检测的无人机图像数据集，它捕捉了严重光照变化与杂乱背景下的目标，极大提升了模型的鲁棒性挑战。数据集不仅提供了标准的图像与标注，还附带了详尽的摄影参数与地理信息，为多模态分析与环境因素建模提供了可能。其规模适中，包含数千张图像，并明确划分了训练、验证与测试集，便于进行可靠的算法评估与比较。

使用方法

该数据集主要服务于计算机视觉领域的目标检测研究，尤其适用于农业自动化与生态监测场景。使用者可通过Hugging Face平台便捷加载数据集，利用提供的Python代码示例进行数据可视化与模型训练。典型流程包括解析‘labels’字段中的归一化边界框坐标，并将其映射回原始图像空间。研究人员可基于此数据集开发与评估无人机视觉算法，探索元数据（如光照、地理位置）与检测性能的关联，推动精准农业与可持续资源管理领域的应用进展。

背景与挑战

背景概述

在计算机视觉与精准农业交叉领域，无人机遥感技术为自然资源监测与管理提供了革命性工具。由FBK-TeV团队联合多所欧洲研究机构于2024年发布的WildBe数据集，标志着野生浆果自动识别研究的重要进展。该数据集旨在解决芬兰森林与泥炭地环境中多种野生浆果（如越橘、云莓、越桔和岩高兰）的检测难题，其核心研究问题聚焦于复杂自然场景下的细粒度目标识别，为可持续农业实践和生态学研究提供了首个公开的无人机视角浆果图像基准。

当前挑战

WildBe数据集所应对的领域挑战在于，自然环境中野生浆果的检测受限于严重的类内差异、光照剧烈变化以及密集植被遮挡，这对现有目标检测模型的鲁棒性与泛化能力提出了极高要求。在构建过程中，研究团队面临数据采集的严峻挑战，包括在茂密林冠下维持无人机稳定飞行、应对多变天气条件确保图像质量，以及为形态相似、尺寸微小的浆果类别进行精确的人工标注，这些因素共同构成了数据集构建的技术壁垒。

常用场景

经典使用场景

在精准农业与生态监测领域，无人机航拍技术正逐步革新传统数据采集方式。WildBe数据集作为首个聚焦芬兰森林与泥炭地野生浆果的无人机图像集合，其经典应用场景在于为计算机视觉模型提供复杂自然环境下的小目标检测基准。该数据集涵盖了越橘、云莓、越桔和岩高兰等多种浆果类别，图像采集过程涉及剧烈光照变化与密集植被遮挡，能够有效评估目标检测算法在真实野外场景中的鲁棒性与泛化能力。

衍生相关工作

围绕WildBe数据集，已衍生出一系列聚焦于农业视觉与无人机感知的经典研究工作。这些研究主要探索了针对小尺寸与高相似性浆果目标的改进型检测架构，例如引入注意力机制与特征金字塔网络以增强模型辨别力。同时，部分工作利用其丰富的时空与传感器元数据，开展了多任务学习与域泛化研究，旨在提升模型在不同季节、光照及地理条件下的稳定性，为后续构建鲁棒的野外自主监测系统奠定了算法基础。

数据集最近研究

最新研究方向

在精准农业与无人机遥感领域，WildBe数据集凭借其独特的野外浆果图像资源，正推动计算机视觉技术在非结构化自然环境中的前沿探索。该数据集聚焦于芬兰森林与泥炭地中多种野生浆果的检测，其最新研究方向集中于开发鲁棒性强的轻量级目标检测模型，以适应复杂光照变化与密集植被遮挡的挑战。伴随WildBe-v2版本的扩展，研究热点进一步向多模态数据融合倾斜，结合无人机采集的元数据如海拔、地理位置及相机参数，以提升小目标检测的精度与泛化能力。这一进展不仅为可持续农业采摘提供了自动化解决方案，亦对生态监测与生物多样性保护具有深远意义，标志着无人机视觉在野外场景应用的重要突破。