地球资源数据云——数据资源详情

BeeImage 数据集：带注释的蜜蜂图像

三分之一的食物都依赖于蜜蜂授粉。与此同时，去年冬季一些州的蜂巢损失已超过 60%。我们该如何解决这个问题呢？我们怎样才能更好地了解我们的蜜蜂？最重要的是，我们怎样才能在为时已晚之前拯救他们？ 虽然蜂巢强度和健康状况的许多迹象可以在蜂巢内部看到，但对蜂巢的频繁检查非常耗时，并且会破坏蜜蜂的工作流程和蜂巢。通过调查离开蜂巢的蜜蜂，我们可以更全面地了解蜂巢本身。例如，感染瓦螨的不健康蜂巢会导致蜜蜂翅膀变形或背上有螨虫。这些特征无需打开蜂箱即可观察到。为了防止盗蜂，我们可以追踪携带花粉的蜜蜂与不携带花粉的蜜蜂的比例。大量没有花粉的蜜蜂涌入可能是强盗蜂的迹象。该数据集旨在提供基本的视觉数据来训练机器学习模型对这些类别的蜜蜂进行分类，为更智能的蜂巢监控或一般养蜂业铺平道路。 内容 该数据集包含 5,100 多张蜜蜂图像，注释有位置、日期、时间、亚种、健康状况、种姓和花粉。 原始批次的图像是从蜜蜂的静态延时视频中提取的。通过对帧进行平均来计算背景图像，视频的每一帧都会从该背景中减去，以显示出最前面的蜜蜂。然后，蜜蜂被从画面中剪掉，这样每张图像就只有一只蜜蜂。由于每个视频都附有一份包含蜜蜂和蜂巢信息的表格，因此标记过程是半自动化的。每个视频都会产生不同的图像裁剪质量级别。随着更多视频和数据可用，该数据集将更新。