病媒防控新利器蚊子種類檢測數據集含YOLOv11n實戰蚊蟲是瘧疾、登革熱、寨卡病毒等多種傳染病的重要傳播媒介。傳統蚊蟲種類鑒定依賴人工形態學觀察效率低且對專業人員要求高。今天介紹的蚊子種類檢測數據集結合深度學習目標檢測技術為病媒生物監測與蟲媒防控提供了自動化、智能化的解決方案。 數據集核心詳情該數據集專注于蚊子種類的圖像檢測與識別涵蓋多種常見及重要媒介蚊蟲是疾控監測和昆蟲分類研究的寶貴資源。項目詳細參數數據集名稱蚊子種類檢測數據集總圖像數量13,166張(含數據增強處理)圖像分辨率512×512標注格式YOLO, VOC, COCO 三種主流格式類別數量17類數據劃分訓練集11,520張 / 驗證集1,097張 / 測試集549張配套資源YOLOv11n訓練源碼、訓練權重、PyQt5界面全套源碼類別詳情數據集涵蓋17種蚊蟲包括埃及伊蚊、白紋伊蚊、多種按蚊如斯氏按蚊、庫態按蚊、庫蚊如致倦庫蚊、三帶喙庫蚊及曼蚊等。其中埃及伊蚊2860張和韋氏庫蚊2760張樣本較為豐富。知識普及不同蚊種傳播疾病的能力差異巨大。例如埃及伊蚊是登革熱的主要傳播媒介按蚊是瘧疾的傳播媒介而庫蚊則與流行性乙型腦炎相關。因此精準的種類識別是有效防控的第一步。 YOLOv11n 目標檢測實戰文章提供了基于YOLOv11n的完整目標檢測訓練代碼用于從圖像中識別并定位不同種類的蚊蟲。1. 數據集配置文件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. 核心訓練代碼fromultralyticsimportYOLO# 加載YOLOv11n預訓練模型modelYOLO(yolo11n.pt)# 訓練模型model.train(datamosquito.yaml,epochs80,# 訓練輪次imgsz512,# 輸入圖像尺寸batch16,# 根據顯存調整device0,# GPU訓練workers4,patience15,# 早停策略projectruns/train,namemosquito_detect)# 評估模型精度metricsmodel.val()print(fmAP0.5:{metrics.box.map50:.4f})代碼擴展推理時可增加后處理邏輯將檢測結果按種類統計生成“蚊蟲種類與數量報告”便于疾控人員直接使用。 PyQt5 界面與應用項目提供完整的PyQt5 圖形界面支持圖片、視頻和攝像頭實時檢測并實時顯示目標位置、類別與置信度方便現場快速鑒定。主要應用場景疾控中心監測對誘蚊燈捕獲的樣本進行快速圖像識別建立蚊蟲種群數據庫。口岸檢疫識別入境貨物或交通工具中攜帶的外來蚊種防范生物入侵。智慧城市消殺社區、公園部署智能監測設備指導精準、高效的蚊蟲消殺作業。? 文章標簽#病媒生物檢測 #蚊子種類識別 #YOLOv11n #目標檢測 #疾控監測 #深度學習 #蟲媒防控 #PyQt5