Semantic-Aware IoT Dataset for Smart Agriculture

This dataset contains 60,000 annotated records modeling UAV-based and IoT sensor-driven agriculture environments. Each record includes UAV imaging data (NDVI, NDRE, RGB damage score), IoT sensor values (NPK, pH, moisture, temperature, humidity), semantic labels (NDI, PDI), and metadata for energy consumption, latency, and service migration. It is designed for validating Digital Twin frameworks, semantic communication models, and Federated Deep Reinforcement Learning (FDRL) in precision farming.本数据集包含60000条带标注的样本记录，用于构建基于无人机（UAV）与物联网（IoT）传感器驱动的农业环境仿真模型。每条样本记录涵盖无人机（UAV）成像数据（归一化差异植被指数（NDVI）、归一化差异红边指数（NDRE）、RGB损伤评分）、物联网（IoT）传感器采集值（氮磷钾（NPK）、pH值、土壤含水率、温度、空气湿度）、语义标签（归一化差异指数（NDI）、植株损伤指数（PDI）），以及能耗、传输延迟、服务迁移相关的元数据。本数据集旨在验证精准农业场景下的数字孪生（Digital Twin）框架、语义通信模型与联邦深度强化学习（Federated Deep Reinforcement Learning, FDRL）。

搜集汇总

背景与挑战

背景概述

该数据集是一个包含60,000条记录的大规模智能农业数据集，集成了无人机成像数据和物联网传感器数据，并带有语义标签和元数据。它专为验证数字孪生框架、语义通信模型和联邦深度强化学习在精准农业中的应用而设计，支持作物状态预测、资源优化和实时决策等研究任务。