企业官网建设流程全解析

陷阱相机昆虫细粒度识别数据集

数据集概述

陷阱相机昆虫细粒度识别数据集，面向野外昆虫自动监测与细粒度识别任务，通过陷阱相机（trap camera）实地拍摄采集昆虫图像，覆盖多类昆虫目标，共 2893 张图像、52948 个标注目标，采用 YOLO txt 格式标注，适用于昆虫物种识别、生物多样性监测、生态巡检等视觉任务，可直接用于目标检测模型训练。

数据集属细粒度识别场景，昆虫形态相似度高、背景复杂、存在遮挡与运动模糊，对模型泛化能力要求较高，适合作为长尾多类别检测与分类研究的基础数据。3,9

核心参数

标注类别说明

数据集为细粒度昆虫识别，有效类别 722 类，具体类别清单以数据集classes.txt或标注文件为准。

YOLO 标签每行格式为：类别序号 中心点_x 中心点_y 框宽 框高，坐标均已归一化。4

格式支持

默认YOLO格式数据集

适用场景

• 野外昆虫自动识别与统计
• 生物多样性长期监测
• 陷阱相机图像智能分析
• 细粒度多类别目标检测研究

使用建议

• 类别数极高：722 类属于极端细粒度任务，建议先按大类（目/科）做一级检测，再接分类头做种级识别；
• 长尾分布：少数昆虫类别样本极少，训练时建议加类别权重或过采样；9
• 小目标与遮挡：昆虫体积小、易被枝叶遮挡，建议提高输入分辨率或做图像切块；
• 负样本补充：若推理误报多，可补充空背景图（无昆虫）参与训练。2

训练配置示例（YOLO 格式）

数据集配置（YAML）

yaml path: ./昆虫陷阱数据集 train: images/train val: images/val test: images/test names:0: 昆虫类别_01: 昆虫类别_12: 昆虫类别_2...721: 昆虫类别_721

训练代码

python from ultralyticsimportYOLO model=YOLO("yolo11s.yaml")model.train(data="昆虫陷阱数据集.yaml",epochs=200,imgsz=640,batch=16,device=0)

话题关键词

#昆虫识别 #陷阱相机 #细粒度识别 #目标检测 #生物多样性 #生态监测 #YOLO #深度学习 #yolo数据集