止部1. 无人机视角农田焚烧秸秆检测数据集解析
这个数据集是我在农业环境监测项目中积累的一套珍贵资源，专门用于训练和验证农田焚烧秸秆检测模型。数据集采用DJI MAVIC 3无人机在20-50米高度、60-90°俯仰角度下采集，包含3245张640×640分辨率的图像，每张图像都经过专业标注工具labelImg标注，同时提供Pascal VOC和YOLO两种格式的标注文件。
数据集最显著的特点是聚焦农田场景下的焚烧行为检测，标注类别精准划分为"fire"(火焰)和"smoke"(烟雾)两类，总标注框数达到17354个。其中火焰标注9565个，烟雾标注7789个，这种不平衡的类别分布真实反映了农田焚烧的视觉特征——火焰通常比烟雾更集中明显。
重要提示：数据集未预划分训练集、验证集和测试集，使用者需自行按需划分。同时需注意YOLO格式的类别顺序以labels文件夹中的classes.txt为准，可能与VOC格式的顺序不同。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 数据集构建方法与技术细节
2.1 数据采集方案设计
我们采用多时段、多角度的采集策略：
- 时间覆盖：清晨、正午、黄昏等多个时段，确保不同光照条件下的样本完备
- 气象条件：包含晴天、多云、轻度雾霾等多种天气状况
- 飞行参数：固定高度区间(20-50m)和角度范围(60-90°)，保证数据一致性
- 地域分布：覆盖华北平原5个不同县市的典型农田区域
采集设备使用DJI MAVIC 3无人机，其1英寸CMOS传感器和哈苏镜头保证了图像质量。特别优化了以下参数：
- 快门速度：1/500s以上避免运动模糊
- ISO：固定在100-400范围内控制噪点
- 白平衡：手动锁定5500K避免自动调整导致的色偏
2.2 标注规范与质量控制
标注工作遵循严格的标准化流程：
- 标注工具：使用labelImg 1.8.6版本
- 边界框规则：
- 火焰：框选可见明火区域，包括边缘摇曳部分
- 烟雾：框选从地面升起的连续烟柱，不包含远处扩散的薄烟
- 质量控制：
- 每张图像由两名标注员独立完成
- 差异超过10%的标注由第三名专家仲裁
- 最终标注一致率达到92.3%
我们特别处理了几类典型场景：
- 部分遮挡目标：保持完整物体轮廓标注
- 小目标(小于32×32像素)：采