相关数据集
无人机智能识别垃圾堆放算法模型的图像训练数据
无人机智能识别垃圾堆放算法模型的图像训练数据的应用场景主要集中在提升AI模型对垃圾堆放的识别能力和准确度。通过对这些数据的训练，AI模型能够更有效地支撑无人机在生态环境智能监测中的全域化巡查应用。基于地理坐标与二级标注体系，AI模型可精准识别建筑垃圾、工业废料、生活垃圾等垃圾堆放行为，可应用于支撑环保部门对城乡结合部、河道堤岸、工业园周界等复杂场景的自动化巡检、污染源定位、违法取证及治理效能评估等
浙江省数据知识产权登记平台2025-05-07 更新2320
TTADDA_NARO_2022: A subset of the multi-season RGB and multispectral TTADDA-UAV potato dataset
This dataset named TTADDA_NARO_2022 is one of the five studies included in the TTADDA-UAV collection. The combined collection can be used for modelling, phenotyping and evaluation of breeding selectio
DataCite Commons2025-09-03 更新110
UAV-based solar photovoltaic detection dataset
This dataset contains unmanned aerial vehicle (UAV) imagery (a.k.a. drone imagery) and annotations of solar panel locations captured from controlled flights at various altitudes and speeds across two
DataCite Commons2022-02-16 更新80
无人机智能识别巡查路面磨损箭头数据
应用场景：针对城市道路、河道、城郊公路等，无人机凭借 70 至 100 米的中低空优势，结合高分辨率传感器与 AI 算法，可高效识别多种异常情况，包括：道路标线问题（如模糊车道线、褪色斑马线、磨损箭头）、各类垃圾与堆积物（如路面泥沙）、典型道路病害（如裂缝、坑洞）以及水域异常（如水面垃圾、违规垂钓、浮游植物、水体不洁）。算法通过分析图像的纹理、边缘特征，能够精准识别上述目标并记录坐标。可高效覆盖长
浙江省数据知识产权登记平台2025-10-10 更新780
James_et_al_2020_TN_60m_00degr_nadir_1
James et al. (2020) - Mitigating systematic error in topographic models for geomorphic change detection: Accuracy, precision and considerations beyond off-nadir imagery UAV-collected image dataset
DataCite Commons2020-08-26 更新80
