松材线虫病模型训练样本数据

构建高质量的松材线虫病模型训练样本数据集，可用于训练并提升松材线虫病人工智能图像识别模型的识别能力及其准确度。样本来源主要通过无人机低空航拍获取厘米级精度的广域多期影像，覆盖丘陵、平原等多种地形区域，保障了样本地理来源与场景的多样性。在样本处理环节，利用SAM大模型实现半自动化标注，并严格结合人工复核方式进行精细化校正，确保标注样本的高质量与可靠性。这些经过严格质控的标注样本，是用于训练各类AI识别模型（基于TransCNN-Vision模型）的基础，可以满足对于精准提取松材线虫病边界轮廓的需求。

搜集汇总

背景与挑战

背景概述

该数据集通过无人机低空航拍获取厘米级分辨率的多期影像，覆盖丘陵、平原等多种地形，并利用SAM大模型半自动标注结合人工复核，构建高质量标注样本。数据集可用于训练基于TransCNN-Vision的松材线虫病AI识别模型，提升对其边界轮廓的精准提取能力。