病媒防控新利器：蚊子种类检测数据集（含YOLOv11n实战）
病媒防控新利器蚊子种类检测数据集含YOLOv11n实战蚊虫是疟疾、登革热、寨卡病毒等多种传染病的重要传播媒介。传统蚊虫种类鉴定依赖人工形态学观察效率低且对专业人员要求高。今天介绍的蚊子种类检测数据集结合深度学习目标检测技术为病媒生物监测与虫媒防控提供了自动化、智能化的解决方案。 数据集核心详情该数据集专注于蚊子种类的图像检测与识别涵盖多种常见及重要媒介蚊虫是疾控监测和昆虫分类研究的宝贵资源。项目详细参数数据集名称蚊子种类检测数据集总图像数量13,166张(含数据增强处理)图像分辨率512×512标注格式YOLO, VOC, COCO 三种主流格式类别数量17类数据划分训练集11,520张 / 验证集1,097张 / 测试集549张配套资源YOLOv11n训练源码、训练权重、PyQt5界面全套源码类别详情数据集涵盖17种蚊虫包括埃及伊蚊、白纹伊蚊、多种按蚊如斯氏按蚊、库态按蚊、库蚊如致倦库蚊、三带喙库蚊及曼蚊等。其中埃及伊蚊2860张和韦氏库蚊2760张样本较为丰富。知识普及不同蚊种传播疾病的能力差异巨大。例如埃及伊蚊是登革热的主要传播媒介按蚊是疟疾的传播媒介而库蚊则与流行性乙型脑炎相关。因此精准的种类识别是有效防控的第一步。 YOLOv11n 目标检测实战文章提供了基于YOLOv11n的完整目标检测训练代码用于从图像中识别并定位不同种类的蚊虫。1. 数据集配置文件mosquito.yamlpath:./datasets/mosquitotrain:images/trainval:images/valtest:images/testnc:17names:0:Aedes_albopictus1:Aedes_aegypti2:Anopheles_jamesii3:Anopheles_barbirostris4:Anopheles_culicifacies5:Anopheles_stephensi6:Anopheles_subpictus7:Anopheles_vagus8:Armigeres_subalbatus9:Aedes_vittatus10:Culex_bitaeniorhynchus11:Culex_quinquefasciatus12:Culex_tritaeniorhynchus13:Culex_gelidus14:Mansonia_indiana15:Mansonia_uniformis16:Culex_vishnui2. 核心训练代码fromultralyticsimportYOLO# 加载YOLOv11n预训练模型modelYOLO(yolo11n.pt)# 训练模型model.train(datamosquito.yaml,epochs80,# 训练轮次imgsz512,# 输入图像尺寸batch16,# 根据显存调整device0,# GPU训练workers4,patience15,# 早停策略projectruns/train,namemosquito_detect)# 评估模型精度metricsmodel.val()print(fmAP0.5:{metrics.box.map50:.4f})代码扩展推理时可增加后处理逻辑将检测结果按种类统计生成“蚊虫种类与数量报告”便于疾控人员直接使用。 PyQt5 界面与应用项目提供完整的PyQt5 图形界面支持图片、视频和摄像头实时检测并实时显示目标位置、类别与置信度方便现场快速鉴定。主要应用场景疾控中心监测对诱蚊灯捕获的样本进行快速图像识别建立蚊虫种群数据库。口岸检疫识别入境货物或交通工具中携带的外来蚊种防范生物入侵。智慧城市消杀社区、公园部署智能监测设备指导精准、高效的蚊虫消杀作业。️ 文章标签#病媒生物检测 #蚊子种类识别 #YOLOv11n #目标检测 #疾控监测 #深度学习 #虫媒防控 #PyQt5
