WalnutData

WalnutData是一个基于无人机遥感的绿色核桃数据集，包含30,240张图像和7,062,080个实例，分为4个目标类别：正面光照无遮挡（A1）、背面光照无遮挡（A2）、正面光照遮挡（B1）和背面光照遮挡（B2）。该数据集是为了推动农业计算机视觉领域的算法设计而创建的，提供了VOC、COCO和YOLO三种标注格式，适用于当前许多主流的目标检测模型。README中还详细介绍了数据集的构成过程、规模、实例分布、灰度值分析以及在不同光照和遮挡条件下的类别实例分布。

搜集汇总

数据集介绍

构建方式

本研究采用无人机对8个核桃样本地进行远程感知数据采集，拍摄时间跨越9:00至19:00，以捕捉不同光照条件下的核桃图像。数据采集设备为DJIMatrice 300 RTK和Zenmuse P1 (35mm F2.8)。图像经切割处理后，形成了包含30,240图像的数据集，其中每个图像经过精细标注，包含4个目标类别，分别为正面光照无遮挡(A1)、背面光照无遮挡(A2)、正面光照有遮挡(B1)和背面光照有遮挡(B2)。

特点

WalnutData数据集具有以下特点：包含30,240张图像和7,062,080个实例，分为训练集、验证集和测试集，比例约为7:2:1；提供了VOC、COCO和YOLO三种格式的标签，适用于当前主流的目标检测模型；数据集在光照和遮挡条件下具有丰富的变化，有助于模型的泛化能力。

使用方法

使用WalnutData数据集时，用户可以从IEEEDataPort、Hugging Face或百度网盘等途径下载。下载后，用户可以根据自己的需求选择不同的标签格式进行模型训练和评估。数据集提供了详尽的实验结果，包括不同算法和参数设置下的mAP等指标，为研究人员提供了基准参考。

背景与挑战

背景概述

WalnutData数据集是针对农业计算机视觉领域的一个无人机遥感数据集，由我国研究人员于2025年创建。该数据集通过无人机收集了8个核桃样地的遥感数据，并构建了一个大规模的高细粒度目标特征数据集，以促进农业计算机视觉领域算法设计。该数据集包含30,240张图像和7,062,080个实例，分为4个目标类别，分别为正面照明无遮挡(A1)、背光无遮挡(A2)、正面照明遮挡(B1)和背光遮挡(B2)。数据集提供了VOC、COCO和YOLO三种标签格式，适用于当前许多主流的对象检测模型。

当前挑战

在构建过程中，数据集面临了多个挑战：首先，由于无人机 aerial 图像分辨率过高，对模型训练不利，因此需要对原始图像进行裁剪处理；其次，绿色核桃受光照条件影响较大，且常被叶子遮挡，这为数据集的构建带来了困难；最后，为了模拟不同的光照条件，数据收集在一天中的不同时间进行，这要求数据集在构建时考虑到时间变化的因素。

常用场景

经典使用场景

WalnutData 数据集是针对绿色核桃进行的一项研究，它收集了8个核桃样本地块的无人机遥感数据。该数据集包含30,240张图像和7,062,080个实例，分为4个目标类别，分别是正面照明且未被遮挡(A1)、背面照明且未被遮挡(A2)、正面照明且被遮挡(B1)以及背面照明且被遮挡(B2)。数据集适用于主流的对象检测模型，如YOLO、DETR等。其经典使用场景在于利用这些图像对核桃进行精准监测和计数，以辅助农业生产智能化。

衍生相关工作

基于WalnutData数据集，研究者们已经进行了一系列相关的工作，包括但不限于对主流对象检测模型在该数据集上的性能评估、算法改进以及新的应用场景探索。这些工作进一步推动了无人机遥感技术在农业领域的应用，为智能农业的发展提供了技术支持。

数据集最近研究

最新研究方向

WalnutData数据集是针对农业计算机视觉领域的一个无人机远程感知数据集，其最新研究方向主要集中在利用该数据集对主流目标检测模型进行评估和优化。研究者们通过在WalnutData上运行一阶段和两阶段的目标检测算法，如YOLO系列、DETR及其变体，以及Fast R-CNN、Faster R-CNN等，来探索模型在不同光照条件和遮挡情况下的性能表现。此外，研究还关注了如何提高模型在小目标检测、中等目标检测以及大目标检测中的准确率。这些研究对于推动智能农业和精确监测技术的发展具有重要意义。