白蚁入侵监测建模训练数据

本数据采集白蚁监控及定时抓拍图像，形成图像+时序的多源数据。通过融合YOLOv11高精度目标检测算法与时间序列岭回归机器学习模型，对图像进行特征提取、目标识别与时序趋势拟合，精准输出白蚁精准定位位置、白蚁侵扰二分类异常预警状态及未来时段白蚁爆发数量推演，整体识别准确率达 98.15%。可应用于古建筑、园林林木、市政堤坝、居民区公共区域的白蚁智能监测、虫害隐患排查与早期爆发预警，可实现全天候无人值守自动识别、精准告警与趋势预判，解决传统人工巡查效率低、漏检率高、无法提前预判虫害爆发的行业痛点，助力行业建立标准化虫害识别、数量研判、爆发预警体系，为城市公共安全、文物建筑防腐保护、生态虫害治理提供数字化、智能化技术支撑。

搜集汇总

背景与挑战

背景概述

该数据集融合白蚁监控定时抓拍图像与时序数据，采用YOLOv11目标检测与时间序列岭回归模型，实现白蚁定位、侵扰二分类预警及爆发数量推演，识别准确率达98.15%。可应用于古建筑、园林、堤坝及居民区等场景，支撑全天候无人值守监测与早期预警，解决人工巡查效率低、漏检率高等问题，为智能虫害治理提供数字化支撑。