基于Dpt算法的抹茶模型训练样本数据

本数据集采集平原、丘陵多地形茶园厘米级航拍影像，专门针对覆盖黑色遮阳网的抹茶茶树这一特殊识别场景构建，弥补了现有公开农业数据集无遮阴网茶树专项样本、茶园复杂光影下识别精度不足的行业空白。 数据集搭配自主优化轻量化Dpt语义分割算法，依托高精度航拍数据与针对性算法优化，主要落地于智慧茶园数字化管控全场景：一是实现抹茶种植区精准边界提取、种植面积自动统计，替代人工田间丈量，大幅降低茶园土地摸排人力成本；二是适配遮阳网遮挡、田间光影不均、茶树密集排布等茶园实景难题，精准区分抹茶茶树、裸土、杂草及遮阳网区域；三是支撑无人机茶园常态化空中巡检、茶树长势动态监测、茶园资源数字化台账搭建；四是可快速完成onnx、om格式模型转换，适配无人机机载端、茶园边缘计算设备本地化部署，满足户外无网络环境下实时识别需求。 数据集采用SAM智能标注+人工复核双重质控体系，样本标注精度高；配套优化后的Dpt轻量化算法兼顾识别精度与运行效率，相比传统视觉算法，更适配抹茶茶园专属种植环境，可有效助力茶叶产业数字化、无人化智慧监管落地，具备专属数据应用价值与算法创新价值。

搜集汇总

背景与挑战

背景概述

该数据集采集平原、丘陵多地形茶园厘米级航拍影像，专门针对覆盖黑色遮阳网的抹茶茶树识别场景构建，弥补了现有公开农业数据集在遮阴网茶树样本及复杂光影下识别精度不足的空白。它搭配自主优化的轻量化Dpt语义分割算法，用于智慧茶园数字化管控，实现抹茶种植区精准边界提取、面积统计、区域分割，并支持无人机空中巡检和边缘设备本地化部署。数据集采用SAM智能标注与人工复核双重质控，样本精度高，算法兼顾效率与精度，适配抹茶茶园专属种植环境。