农业水果蔬菜高光谱数据集

原创

钓了猫的鱼儿 2024-10-22 15:10:58 博主文章分类：开源数据集 ©著作权

文章标签 猫脸码客开源数据集农业水果蔬菜高光谱数据集数据集高光谱 文章分类 Python 后端开发

©著作权归作者所有：来自51CTO博客作者钓了猫的鱼儿的原创作品，请联系作者获取转载授权，否则将追究法律责任

农业水果蔬菜高光谱数据集

一、引言

随着遥感技术的不断发展，高光谱成像技术作为一种新兴的非破坏性检测技术，在农业领域的应用日益广泛。高光谱成像技术通过获取目标物体在连续光谱范围内的反射、透射或发射信息，能够提供丰富的物质成分和结构信息，为农产品的品质检测、病虫害诊断、生长监测等提供了强有力的技术支撑。本文将详细介绍几个农业水果蔬菜高光谱数据集，包括WHU-Hi数据集系列以及苹果高光谱图像数据集，以期为相关领域的研究人员提供参考和借鉴。

二、WHU-Hi数据集系列

WHU-Hi数据集系列是由武汉大学遥感信息工程学院等单位联合采集的高光谱数据集，旨在为农业遥感、精准农业等领域的研究提供高质量的数据支持。该数据集系列包括多个子集，每个子集均经过严格的预处理，包括辐射定标和几何校正等步骤，确保了数据的质量和准确性。

WHU-Hi数据集

WHU-Hi数据集是WHU-Hi数据集系列的基础数据集，采用了搭载在无人机平台上的Headwall Nano-Hyperspec成像传感器进行数据采集。该数据集经过了辐射定标和几何校正等预处理步骤，确保了数据的可靠性和准确性。辐射定标方面，原始的数字数值通过传感器的实验室校准参数转换为辐射值，使得数据能够真实反映地物的光谱特性。

WHU-Hi-LongKou数据集

WHU-Hi-LongKou数据集于2018年7月17日在中国湖北省龙口镇采集，采用了搭载在DJI Matrice 600 Pro无人机平台上的Headwall Nano-Hyperspec成像传感器。数据采集时天气晴朗无云，温度约为36°C，相对湿度约为65%，为数据的采集提供了良好的环境条件。研究区域是一个简单的农业场景，包含了六种作物：玉米、棉花、芝麻、宽叶大豆、窄叶大豆和水稻。这些作物在光谱特性上存在差异，为高光谱成像技术的应用提供了丰富的信息。

无人机飞行高度为500米，图像大小为550×400像素，波段范围为400至1000纳米，共有270个波段。这些数据使得研究人员能够获取到作物在不同波段下的反射信息，进而分析作物的光谱特性、生长状况以及病虫害情况等。此外，无人机搭载的高光谱图像空间分辨率约为0.463米，为精细化的农业遥感监测提供了可能。

WHU-Hi-HanChuan数据集

WHU-Hi-HanChuan数据集于2016年6月17日在中国湖北省汉川市采集，采用了搭载在Leica Aibot X6 UAV V1平台上的Headwall Nano-Hyperspec成像传感器。数据采集时同样天气晴朗无云，温度约为30°C，相对湿度约为70%，为数据的采集提供了良好的环境条件。研究区域是一个城乡结合区，包含了建筑物、水域和耕地等多种地物类型，以及七种作物：草莓、豇豆、大豆、高粱、空心菜、西瓜和绿叶蔬菜。这些作物和地物在光谱特性上存在差异，为高光谱成像技术的应用提供了丰富的信息。

无人机飞行高度为250米，图像大小为1217×303像素，波段范围为400至1000纳米，共有274个波段。这些数据使得研究人员能够获取到不同地物和作物在不同波段下的反射信息，进而分析它们的光谱特性、空间分布以及相互之间的关系等。此外，由于WHU-Hi-HanChuan数据集是在下午太阳高度角较低时采集的，因此图像中有很多阴影覆盖区域，这为研究阴影对高光谱成像技术的影响提供了宝贵的数据支持。

WHU-Hi-HongHu数据集

WHU-Hi-HongHu数据集于2017年11月20日在中国湖北省洪湖市采集，同样采用了搭载在DJI Matrice 600 Pro无人机平台上的Headwall Nano-Hyperspec成像传感器。数据采集时天气多云，温度约为8°C，相对湿度约为55%，虽然天气条件相对较差，但数据集仍然具有较高的质量和可靠性。研究区域是一个复杂的农业场景，包含了多种作物类别，并且该地区还种植了相同作物的不同品种，如大白菜和卷心菜，以及小白菜和小油菜等。这些作物和品种在光谱特性上存在差异，为高光谱成像技术的应用提供了丰富的信息。

无人机飞行高度为100米，图像大小为940×475像素，波段范围为400至1000纳米，共有270个波段。这些数据使得研究人员能够获取到不同作物和品种在不同波段下的反射信息，进而分析它们的光谱特性、生长状况以及品种间的差异等。此外，无人机搭载的高光谱图像空间分辨率约为0.043米，为精细化的农业遥感监测提供了更高的分辨率和更准确的信息。

三、苹果高光谱图像数据集

苹果高光谱图像数据集是一个专门用于测量化肥使用量的高光谱数据集，包含了各种苹果的高光谱图像。该数据集将苹果分为三个类别：新鲜苹果、浸泡在低浓度杀菌剂/杀虫剂溶液中的苹果和浸泡在高浓度杀菌剂/杀虫剂溶液中的苹果。这些类别反映了苹果在不同化肥处理下的光谱特性变化，为化肥使用量的测量提供了有力的数据支持。

数据集结构

整个数据集被分为三个文件夹：Apple_Samples（苹果样本）、Fungicide_Apple（杀菌剂处理苹果）和Insecticide_Apple（杀虫剂处理苹果）。这种结构使得研究人员能够方便地根据实验需求选择相应的数据集进行分析和处理。

（1）Apple_Samples文件夹

Apple_Samples文件夹包含了两个子文件夹：monostar和nativo。这两个子文件夹分别代表了两种不同的苹果品种或处理方式。其中，“Monostar”进一步被分为四个子文件夹，总计包含了207张图像；“Nativo”则包含了三个子文件夹，总计73张图像。这些图像涵盖了不同品种、不同生长阶段以及不同处理方式的苹果样本，为研究人员提供了丰富的数据资源。

（2）Fungicide_Apple文件夹

Fungicide_Apple文件夹包含了162张图像，这些图像被分为三类：新鲜苹果、浸泡在低浓度杀菌剂溶液中的苹果和浸泡在高浓度杀菌剂溶液中的苹果。本实验使用的杀菌剂是NATIVO。这些图像反映了苹果在不同杀菌剂处理下的光谱特性变化，为杀菌剂使用量的测量提供了有力的数据支持。

（3）Insecticide_Apple文件夹

Insecticide_Apple文件夹包含了175张图像，同样被分为三类：新鲜苹果、浸泡在低浓度杀虫剂溶液中的苹果和浸泡在高浓度杀虫剂溶液中的苹果。本实验使用的杀虫剂是MONOSTAR。这些图像反映了苹果在不同杀虫剂处理下的光谱特性变化，为杀虫剂使用量的测量提供了有力的数据支持。

数据格式与预处理

高光谱图像默认以.bil格式保存，但此数据集以.tif格式提供。这种格式转换使得数据集更加通用和易于处理。在数据预处理方面，研究人员可以根据实验需求对图像进行裁剪、校正和增强等操作，以提高数据的质量和准确性。此外，由于高光谱图像包含大量的波段信息，研究人员还可以利用波段选择、降维等技术手段来提取有用的光谱特征信息，为后续的分析和处理提供便利。

应用前景与挑战

苹果高光谱图像数据集在化肥使用量测量、病虫害诊断以及苹果品质检测等方面具有广泛的应用前景。通过高光谱成像技术，研究人员可以实现对苹果的非破坏性检测，快速准确地获取苹果的光谱特性信息，进而分析化肥使用量对苹果生长和品质的影响。此外，该数据集还可以为苹果病虫害的早期发现和防治提供有力的数据支持。

然而，在应用过程中也面临着一些挑战。首先，高光谱成像技术的数据采集和处理过程相对复杂，需要专业的技术人员进行操作和维护。其次，由于苹果品种、生长环境以及化肥处理方式的多样性，使得数据集的应用具有一定的局限性和不确定性。因此，在应用过程中需要充分考虑这些因素的影响，并结合实际情况进行针对性的分析和处理。