1. 数据集概况与应用场景
这个由1315张1280×720分辨率图片构成的树木枝干识别数据集,采用labelme 5.5.0工具标注,专门针对植物学研究中的枝干形态分析需求设计。每张图片都配有JSON格式的标注文件,共包含4358个多边形标注框(polygon),单一标注类别"twig"特指树木的细小枝条部分。从预览图可见,数据集主要采集于自然光照条件下的户外场景,包含不同树种、不同生长阶段的枝条样本,背景复杂度适中但存在光照变化和部分遮挡情况,非常贴近真实研究环境。
在林业调查和植物表型研究中,这类数据集能有效支持以下应用:
- 自动测量枝条长度、直径等形态参数
- 分析树木冠层结构和生长态势
- 监测病虫害对枝条的影响程度
- 建立树木生长模型所需的视觉基础数据
提示:虽然原始标注采用多边形框,但通过格式转换可适配不同任务需求——语义分割需要生成mask,实例分割建议转COCO格式,目标检测则适合YOLO格式。
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. 数据标注规范与技术细节
2.1 标注质量标准解析
数据集采用严格的标注质量控制流程:
- 边缘贴合度:多边形顶点必须精确贴合枝条边缘,最大允许偏差不超过3个像素
- 完整性要求:
- 可见部分超过50%的枝条必须标注
- 被遮挡部分按自然生长趋势合理推测补全
- 最小标注单位:直径小于5像素的枝条不予标注
- 多分枝处理:分叉枝条在分叉点上方2cm处拆分为独立标注单元
标注示例图中可见,处理重叠枝条时采用"前景优先"原则——被完全遮挡的枝条不做标注,部分遮挡的按可见部分标注。这种处理方式虽然会损失部分真实数据,但能保证标注结果的确定性。
2.2 标注工具配置方案
推荐使用与原数据集一致的labelme 5.5.0版本进行二次编辑,具体配置参数如下:
bash复制# 安装特定版本
pip install labelme==5.5.0
# 启动时建议加载预设配置
labelme --config labelme_config.json
其中配置文件应包含:
json复制{
"line_color": [0,255,0],
"fill_color": [255,255,255,0],
"label_text_size":
