Mothitor_Source_2023夏季Smith_College昆虫自动监测图像数据

数据集概述

本数据集包含2023年夏季在美国马萨诸塞州史密斯学院MacLeish野外站使用"Mothitor 3.0"自动诱捕器采集的12张昆虫图像，设备配备Arducam 64MP相机和15瓦紫外黑光灯。所有昆虫均以多边形标注，标注信息以COCO格式存储于实例文件中。

文件详解

• Mothitor.zip
• 文件格式：ZIP
• 内容说明：压缩包内包含12张昆虫图像文件，以及采用COCO格式存储的昆虫多边形标注文件instances_default.json；标注方式为人工或半自动（如使用Segment Anything工具）。

数据来源

Smith College MacLeish Field Station

适用场景

• 昆虫物种识别模型训练：基于标注图像开展机器学习模型训练，实现自动昆虫物种分类与识别。
• 昆虫监测技术评估：分析Mothitor 3.0设备在野外环境下的昆虫诱捕效果与图像采集质量。
• 生态多样性研究：结合图像数据探究特定区域夏季昆虫群落组成与活动规律。
• 计算机视觉标注方法验证：对比人工与半自动标注方式在昆虫图像标注中的精度与效率差异。