mpg-ranch/leafy_spurge

叶状大戟数据集包含了美国蒙大拿州西部草地的1.3厘米分辨率航空影像，用于识别入侵物种叶状大戟。数据集由无人机捕获的影像和相应的地理信息组成，旨在开发早期预警系统以监测叶状大戟的入侵。

The Leafy Spurge Dataset comprises 1.3 cm resolution aerial images of grasslands in western Montana, USA, for the identification of the invasive species Leafy Spurge. The dataset consists of drone-captured images and associated geospatial information, aiming to develop early warning systems to monitor the invasion of Leafy Spurge.

原始信息汇总

数据集概述

数据集信息

• 特征列表：
  • image: 图像数据，数据类型为 image。
  • idx: 索引，数据类型为 int64。
  • label: 标签，数据类型为 string。
  • longitude: 经度，数据类型为 float64。
  • latitude: 纬度，数据类型为 float64。
  • easting: 东向坐标，数据类型为 float64。
  • northing: 北向坐标，数据类型为 float64。
  • elevation: 海拔高度，数据类型为 float64。
  • time: 时间，数据类型为 int64。
  • cluster: 聚类，数据类型为 int64。

配置信息

• context 配置：

  • 是否丢弃标签：否
  • 数据文件路径：
    • 训练集：data/context/train/**/*.tif, data/context/train/metadata.csv
    • 测试集：data/context/test/**/*.tif, data/context/test/metadata.csv

• crop 配置：

  • 是否丢弃标签：否
  • 数据文件路径：
    • 训练集：data/crop/train/**/*.tif, data/crop/train/metadata.csv
    • 测试集：data/crop/test/**/*.tif, data/crop/test/metadata.csv

• unlabelled 配置：

  • 数据文件路径：
    • 训练集：data/orthomosaic/*.tif

许可证

• 许可证类型：cc-by-4.0

引用信息

• BibTeX 引用： bibtex @misc{doherty2024leafy, title={Leafy Spurge Dataset: Real-world Weed Classification Within Aerial Drone Imagery}, author={ Kyle Doherty and Max Gurinas and Erik Samsoe and Charles Casper and Beau Larkin and Philip Ramsey and Brandon Trabucco and Ruslan Salakhutdinov }, year={2024}, eprint={2405.03702}, archivePrefix={arXiv}, primaryClass={cs.CV} }

发布日期

• 发布日期：2024-05-02

语言

• 语言：英语

数据集名称

• 名称：Leafy Spurge Dataset

数据集大小

• 大小类别：n<1K

搜集汇总

数据集介绍

构建方式

在生态遥感领域，精准监测入侵植物对维护生物多样性至关重要。Leafy Spurge数据集的构建依托于严谨的实地勘测流程：研究团队在美国蒙大拿州西部草原，利用商用无人机采集了分辨率高达1.3厘米的航空影像。技术人员通过精密全球导航卫星系统，对区域内一千个采样点进行了实地调查，逐一记录了乳浆大戟的存在与否，并标注了精确的地理坐标。随后，基于这些坐标点从正射影像中裁剪出对应的图像区域，最终整合图像与丰富的元数据，形成了结构化的数据集。

特点

该数据集在入侵植物识别研究中展现出鲜明的技术特色。其核心在于提供了两种不同尺度的图像配置：裁剪图像聚焦于局部细节，而上下文图像则保留了更广阔的空间信息，这种多尺度设计有助于模型捕捉不同层次的形态特征。每张图像均附有详尽的地理与时间元数据，包括经纬度、高程及采集时间戳，为空间分析与时序研究提供了坚实基础。数据集规模虽未逾千，但凭借高分辨率与精准的地面真值，为开发早期预警系统提供了高质量的基准资源。

使用方法

对于旨在应用该数据集的研究者，其访问流程设计得极为便捷。通过安装Hugging Face的datasets库并配合Pillow图像处理依赖，用户可一键加载不同配置的数据。具体而言，可分别载入‘crop’与‘context’配置下的训练集与测试集，以适配模型训练与评估需求；‘unlabeled’配置则提供了完整的正射影像，适用于半监督或自监督学习探索。加载后，图像与元数据以字典形式呈现，研究者可便捷地提取像素数据及对应的标签、坐标等信息，从而快速投入分类模型的构建与验证工作。

背景与挑战

背景概述

在生态保护与精准农业领域，入侵植物监测是维护生物多样性与农业生产力的关键课题。Leafy Spurge数据集由MPG Ranch等机构的研究团队于2024年公开，聚焦于北美草原生态系统中极具破坏性的入侵物种——乳浆大戟（Euphorbia esula）。该数据集通过商用无人机采集了美国蒙大拿州西部高分辨率（1.3厘米）航拍图像，并结合实地勘测的千余个精确位点记录，构建了包含图像、地理坐标、高程及时间序列等多维度信息的标注数据。其核心研究目标在于推动基于计算机视觉的早期入侵预警系统开发，为生态学与遥感交叉领域提供了珍贵的基准数据，促进了自动化物种识别技术的发展。

当前挑战

该数据集致力于解决入侵植物自动检测这一领域难题，其挑战主要体现在自然场景中乳浆大戟与背景植被的视觉相似性较高，且植株形态受光照、季节及地形因素影响显著，导致分类模型易受干扰。在数据构建过程中，研究团队面临实地标注成本高昂、高分辨率航拍图像的数据处理与对齐复杂度大，以及小样本条件下模型泛化能力不足等困难。尽管当前先进视觉模型已取得0.85的测试准确率，但如何提升在多变环境下的鲁棒性，并有效利用未标注的正射影像进行半监督学习，仍是亟待突破的技术瓶颈。

常用场景

经典使用场景

在生态监测与入侵物种识别领域，Leafy Spurge数据集为计算机视觉模型提供了高分辨率无人机影像与精准地面验证数据。该数据集最经典的使用场景是训练和评估深度学习分类器，以自动检测北美草原生态系统中入侵植物乳浆大戟的存在。研究人员利用数据集中的39x39像素裁剪图像和1024x1024像素上下文图像，构建能够区分乳浆大戟与其他植被的模型，为早期预警系统奠定基础。

实际应用

在实际应用中，Leafy Spurge数据集支撑了乳浆大戟入侵的动态监测与管理决策。土地管理者和农业部门可利用基于该数据集训练的模型，通过无人机巡检快速定位入侵热点，评估扩散趋势。这种技术能够替代传统人力实地勘察，显著提升监测效率与覆盖范围，为制定针对性的化学或生物防治措施提供数据支持，从而保护牧场生产力与本地生物多样性。

衍生相关工作

围绕该数据集，已衍生出多项经典的计算机视觉与生态信息学交叉研究。研究团队利用数据集建立了先进的视觉模型基线，测试了包括卷积神经网络和视觉Transformer在内的多种架构性能。相关工作进一步探索了半监督学习在未标注正射影像上的应用，以及多尺度特征融合对于提升分类精度的作用。这些研究为后续的细粒度植被分类、小样本学习及领域自适应方法提供了重要的实验平台与性能参照。