2022年内蒙古无人机马铃薯图像数据集_胡天赐.pdf

农业大数据学报 2023,5(1):40-45 Journal of Agricultural Big Data DOI:10.19788/j.issn.2096-6369.230112 收稿日期：2023-03-06 基金项目：内蒙古自治区科技计划项目(2021GG0341)，国家科技创新 2030 重大项目(2021ZD0110901)，国家重点研发计划(2022YFF0712100)，中国农业科学院院级基本科研业务费(Y2022LM20)作者简介：第一作者胡天赐，男，在读硕士，研究方向：农业信息化方向；E-mail：。通信作者王晓丽，女，博士，研究方向：科学数据管理与农业信息化，E-mail：。通信作者郭雷风，男，博士，研究方向：信息技术农业应用相关研究；E-mail：。2022 年内蒙古无人机马铃薯图像数据集 胡天赐1，王瑞利3，蒋呈祥1，白涛1，胡林2,4，王晓丽2,4*，郭雷风1,2*1.新疆农业大学计算机与信息工程学院，乌鲁木齐 830052；2.中国农业科学院农业信息研究所，北京 100081；3.内蒙古科学技术研究院，呼和浩特 010010；4.国家农业科学数据中心，北京 100081 摘要：马铃薯是世界第四大粮食作物，规模化种植是其高产量的基础性保障。随着数字农业的发展，马铃薯的规模化种植方式也日益趋向自动化与智能化。无人机是作物植保和生长监测的重要工具，无人机光谱数据在作物识别、作物生长状况分析等方面发挥重要的作用。为探究光谱数据及图像数据在马铃薯生长中所发挥的作用，文章利用无人机遥感获取不同高度的多光谱影像，并对地面的马铃薯叶片数据进行采集，经过人工检查和整理构建了论文数据集。数据采集地点位于内蒙古呼伦贝尔两块成熟期种薯试验田，采集时间为 2022 年 8 月 13 日、16 日和 18 日，期间共完成了 3 次不同空间分辨率的光谱数据及图像数据采集。本文数据集的光谱数据完整，叶片数据清晰，可为马铃薯作物识别、种植面积估测以及成熟期期间不同日期的马铃薯相关植被指数变化等研究提供数据支撑。关键词：无人机；马铃薯；多光谱；可见光图像；内蒙古 引用格式：胡天赐,王瑞利,蒋呈祥,等.2022 年内蒙古无人机马铃薯图像数据集J.农业大数据学报,2023,5(1):40-45.HU Tianci,WANG Ruili,JIANG Chengxiang,et al.2022 Inner Mongolia UAV potato image datasetJ.Journal of Agricultural Big Data,2023,5(1):40-45.2022 Inner Mongolia UAV Potato Image Dataset HU Tianci1,WANG Ruili3,JIANG Chengxiang1,BAI Tao1,HU Lin2,4,WANG Xiaoli2,4*,GUO Leifeng1,2*1.College of Computer and Information Engineering,Xinjiang Agricultural University,Urumqi 830052,China;2.Agricultural Information Institute of Chinese Academy of Agricultural Sciences,Beijing 100081,China;3.Inner Mongolia Academy of Science and Technology,Hohhot 010010,China;4.National Agriculture Science Data Center,Beijing 100081,China Abstract:Potatoes are the fourth largest food crop in the world,and large-scale planting of potatoes is an important basis for ensuring high yields of potatoes.With the development of digital agriculture,the large-scale planting of potatoes also tends to be automated and intelligent.UAVs are an important tool in crop plant protection and growth monitoring.UAV spectral data play an important role in crop identification and crop growth status analysis.important.In order to explore the role of spectral data and image data in potato growth,this study conducted three different spatial resolution images on two mature seed potato experimental fields in Hulunbeier,Inner Mongolia,on August 13,16 and 18,2022.Spectral data and image data are collected.UAV remote sensing was 第 1 期 胡天赐等：2022 年内蒙古无人机马铃薯图像数据集 41 spection and sorting,this dataset was constructed.The spectral data of this dataset is complete and the leaf data is clear,which can provide data support for research on potato crop identification,planting area estimation,and potato-related vegetation index changes on different dates during the maturity period.Key words:drone;potatoes;multispectral;visible light images;Inner Mongolia 数据库(集)基本信息汇总表 数据库(集)名称 数据库(集)名称 2022 年内蒙古无人机马铃薯多光谱与可见光图像数据集 年内蒙古无人机马铃薯多光谱与可见光图像数据集 数据作者及分工 数据作者及分工 胡天赐，数据的整理汇总与论文撰写；王瑞利，数据的整理；蒋呈祥，数据采集；白涛，数据核准；胡林，总体方案设计与组织实施；王晓丽，数据整理和论文撰写指导；郭雷风，论文架构设计与论文撰写指导，提供论文项目基金支持 通信作者及邮箱 通信作者及邮箱 郭雷风，E-mail: 数据时间范围 数据时间范围 2022 年 8 月 数据量 数据量 39G 数据格式 数据格式*.jpg、*.tif 数据服务系统网址 数据服务系统网址 DOI:10.12205/A0007.20220923.12.is.2483 CSTR:17058.11.A0007.20220923.12.is.2483 基金项目 基金项目 内蒙古自治区科技计划项目(2021GG0341)，国家科技创新 2030 重大项目(2021ZD0110901)数据库(集)组成 数据库(集)组成 数据集由两部分组成，第一部分主要由无人机图像数据组成，第二部分主要由手持设备拍摄地面叶片数据组成。数据集内数据采集区域均位于内蒙古自治区呼伦贝尔市海拉尔区哈克镇谢尔塔拉小镇的马铃薯种薯试验田。试验田分为 1 号试验田和 2号试验田，其中 1 号试验田大小为 40 m*40 m，2 号试验田大小为 50 m*50 m，分别于 8 月 13 日、8 月 16 日和 8 月 18 日拍摄，拍摄高度为 10 m、5 m 和 1 m 左右，获得多光谱(红、绿、蓝、红边、近红外、RGB)图像数据集 38.5G，其中 RGB 图像 1889张，多光谱图像 9445 张。手持设备叶片数据分别于 8 月 13、8 月 18 进行拍摄，图像数据集 104 张，大小为 438MB 1 引言 马铃薯作为世界第四大粮食作物，在粮食安全和社会发展中具有不可替代的作用1。中国是世界上马铃薯产量最高的地区，随着国内大型农机的普及，以及近年来计算机技术的快速发展和智慧农业等新型农业生产模式的发展，包括使用机器学习和深度学习实现马铃薯叶片病害识别、利用遥感技术进行马铃薯病害及养分分析等技术手段，马铃薯产业得到了快速发展。刘鑫2等使用马铃薯多光谱数据对叶片晚疫病进行分类识别，对多光谱成像技术在马铃薯病害检测方向进行研究说明。党满意3等使用机器学习方法对马铃薯的晚疫病叶片进行了快速检测，根据马铃薯叶片上晚疫病斑的颜色、纹理和形状特征参数的不同，提取叶片表面的特征参数，建立相关模型对叶片进行识别评价。陈鹏4等利用无人机多光谱影像估算作物叶绿素含量。杨海波5等采用马铃薯光谱指数对马铃薯植株氮含量进行估测。王来刚6等使用多光谱数据探究无人机多光谱遥感影像估算作物光合有效辐射吸收比例，使用玉米作为实验对象，使用无人机多光谱数据对玉米的光合有效辐射吸收比例进行估算预测。刘杨7-8采用高光谱及不同分辨率下的无人机数码影像，获取株高及植被覆盖度进行马铃薯生物量估测，该研究为马铃薯长势快速检测提供参考。从文献来看，目前学者对马铃薯的研究多聚焦于图像数据与多光谱影像，使用图像能够非接触式对作物当前情况做出判断，使用模型来代替人工加快的判断速度更有助于智慧农业信息技术的发展，但对于原始数据集或基础预处理后的数据集共享较少，为提升技术方法或算法模型的适用性和鲁棒性，文章作者在有关项目的支持下，通过采集、整合数据，建立了一个既能够完成光谱数据分析还能够为深度学习建模提供训练和测试样本的马铃薯图像数据集。此次公开的数据集包含 5 个波段(分别为红、绿、蓝、红边、近红外)和 RGB 图片的马铃薯多光谱图像资源以及地面叶片的图像数据，可供在马铃薯产业智能化建设方向研究的研究者使用，以推进智慧农业技术发展。2 数据采集与处理方法 文章中的马铃薯无人机数据图像数据的采集平台为大疆精灵四多光谱版无人机。影像传感器为6 个1/2.9 英寸CMOS(Complementary Metal Oxide Semiconductor)，包括 1 个用于可见光成像的彩色传感器和 5 个用于多光谱成像的单色传感器，其中单个传感器有效像素 20842 农 业 大 数 据 学 报 第5卷 万(总像素 212 万)。滤光片尺寸分别为蓝色波段：450 nm16 nm；绿色波段：560 nm16 nm；红色波段：650 nm16 nm；红边波段：730 nm16 nm；近红外波段：840 nm26 nm。照片最大分辨率 16001300 像素，照片格式为 JPEG(可见光成像)和 TIFF(多光谱成像)。多光谱图像数据采集，主要用于植被长势监测、NDVI(归一化植被指数)计算等方面。数据采集时，拍摄方式主要为自然光照条件下云台垂直 90 度进行拍摄。无人机数据采集区域主要针对马铃薯种薯地其中两块试验田，1 号试验田长 40 m 宽40 m 面积共计 1600 m2，2 号试验田长 50 m 宽 50 m，面积共计 2500 m2。拍摄高度分别为 10 m、5 m 和 1 m，拍摄模式设置为自动。其中 1 m 的照片为人工操控无人机悬停拍摄，5 m 和 10 m 采用二维合成地图进行航线规划拍摄，可采用大疆智图、Pix4D 等拼图软件进行图片合成。3