Dataset de Imagens para Segmentação de 20 Espécies de Ervas Daninhas em Pastagens Amazônicas

Este conjunto de dados (dataset) contém 475 imagens anotadas de 20 espécies de plantas daninhas (ervas invasoras) com relevância econômica e agronômica para pastagens na região do Sul e Sudeste do Pará, Brasil. O material foi desenvolvido para suportar o treinamento de modelos de Visão Computacional e Inteligência Artificial, especificamente arquiteturas YOLO (You Only Look Once), visando aplicações em agricultura de precisão e manejo sustentável na Amazônia. Origem e Metodologia Os dados foram compilados no âmbito da pesquisa "Identificação Automatizada de Espécies Invasoras em Pastagens do Sudeste do Pará com YOLOv8: Uma Abordagem Alinhada à COP30", desenvolvida na Faculdade de Sistemas de Informação da Universidade Federal do Sul e Sudeste do Pará (Unifesspa). Coleta: As imagens provêm de duas fontes principais: coletas em campo realizadas em propriedades rurais e estabelecimentos comerciais na região (capturando variações de solo, luz e estágios de crescimento) e complementação via base de dados GBIF (Global Biodiversity Information Facility). Anotação: Todas as imagens foram processadas e anotadas manualmente utilizando a ferramenta CVAT (Computer Vision Annotation Tool). As anotações incluem máscaras de segmentação precisas para cada espécime. Formato: Os arquivos de anotação foram convertidos e exportados para o formato compatível com a arquitetura YOLOv8 (.txt). Composição do Dataset Total de Imagens: 475 imagens. Divisão Sugerida: O estudo original utilizou uma divisão de 75% para treinamento e 25% para validação. Classes (Espécies): O dataset abrange 20 espécies: Alternanthera tenella Colla, Amaranthus spinosus L, Andropogon bicornis, Cenchrus echinatus L, Commelina benghalensis L, Cyperus rotundus L, Dactyloctenium aegyptium (L.) Willd, Dichorisandra sp, Digitaria sanguinalis (L.) Scop, Echinochloa colona (L.) Link, Eleusine indica (L.) Gaertn, Lindernia crustacea (L.) F.Muell, Mesosphaerum suaveolens (L.) Kuntze, Mollugo verticillata L, Mucuna pruriens, Phyllanthus niruri L, Psychotria carthagenensis, Sida cordifolia L, Solanum sisymbriifolium Lam e Strychnos pseudoquina. Aplicações Potenciais Treinamento e validação de redes neurais para detecção e segmentação de objetos (YOLO, R-CNN, etc.). Desenvolvimento de aplicativos móveis para identificação de plantas daninhas. Estudos sobre automação no manejo de pastagens e agricultura de baixo carbono.本数据集（dataset）包含475张已标注图像，涵盖巴西帕拉州南部与东南部牧场中具备经济与农艺重要性的20种杂草（入侵植物）。本数据集旨在支撑计算机视觉（Visão Computacional）与人工智能（Inteligência Artificial）模型的训练，尤其是YOLO（You Only Look Once）架构模型，服务于亚马逊地区的精准农业与可持续牧场管理应用。 来源与方法学：本数据集基于帕拉州南部与东南部联邦大学（Universidade Federal do Sul e Sudeste do Pará，简称Unifesspa）信息学院开展的研究《基于YOLOv8的帕拉州东南部牧场入侵物种自动化识别：契合COP30的研究方案》编制完成。 数据采集：图像来源主要分为两部分：一是在该区域农场与商业场所开展的野外实地采集，涵盖土壤、光照、生长阶段等环境差异；二是通过全球生物多样性信息设施（Global Biodiversity Information Facility，简称GBIF）数据库补充获取。 标注环节：所有图像均通过计算机视觉标注工具（Computer Vision Annotation Tool，简称CVAT）进行手动处理与标注，标注内容包含每个样本的精确分割掩码。 标注格式：标注文件已转换并导出为适配YOLOv8架构的.txt格式文件。 数据集组成 总图像数：475张 建议划分方式：原研究采用75%用于训练、25%用于验证的划分比例 类别（物种）：本数据集涵盖20个物种，分别为：Alternanthera tenella Colla、Amaranthus spinosus L、Andropogon bicornis、Cenchrus echinatus L、Commelina benghalensis L、Cyperus rotundus L、Dactyloctenium aegyptium (L.) Willd、Dichorisandra sp、Digitaria sanguinalis (L.) Scop、Echinochloa colona (L.) Link、Eleusine indica (L.) Gaertn、Lindernia crustacea (L.) F.Muell、Mesosphaerum suaveolens (L.) Kuntze、Mollugo verticillata L、Mucuna pruriens、Phyllanthus niruri L、Psychotria carthagenensis、Sida cordifolia L、Solanum sisymbriifolium Lam、Strychnos pseudoquina 潜在应用场景 1. 用于目标检测与分割的神经网络训练与验证（如YOLO、R-CNN等） 2. 开发用于杂草识别的移动应用 3. 开展牧场管理自动化与低碳农业相关研究