AnYue Shelduck Dataset

AnYue Shelduck Dataset是四川农业大学信息工程学院等机构创建的一个包含1951张高质量和有效麻鸭图像的数据集。该数据集通过尼康D3500相机拍摄，图像分辨率均为1920x1080像素。数据集的构建旨在实时监测麻鸭情况，提高麻鸭养殖的生产和质量。数据集的图像经过专业标注，包括目标检测和语义分割标注，适用于智能农业中的麻鸭监测应用。The AnYue Shelduck Dataset is a curated dataset developed by the College of Information Engineering of Sichuan Agricultural University and other research institutions, which includes 1,951 high-quality and valid images of shelducks. All images were captured using a Nikon D3500 camera, with a consistent resolution of 1920×1080 pixels. The dataset was constructed to enable real-time monitoring of shelducks, thereby improving the production and quality of shelduck farming. The images in the dataset have received professional annotations covering both object detection and semantic segmentation tasks, making it applicable for shelduck monitoring scenarios in smart agriculture.

搜集汇总

数据集介绍

构建方式

AnYue Shelduck Dataset的构建采用了严谨的科学方法，首先在四川省安岳县的麻鸭养殖场使用Nikon D3500相机采集了60组视频，从中提取了5,213张不同质量的麻鸭图像。经过人工筛选，最终保留了1,951张高质量有效图像，所有图像统一调整为853×480像素。数据采集涵盖了远距离拍摄和近距离拍摄，以及自上而下和平行拍摄等多种角度，以确保数据的多样性和实用性。专业标注人员对每张图像中的麻鸭进行了目标检测和语义分割的标注，标注过程遵循类别明确、边界清晰等原则，确保了数据的高质量和准确性。

特点

AnYue Shelduck Dataset具有显著的特点：首先，数据分布接近自然情况，麻鸭在图像中的位置和大小呈现正态分布，增强了数据集的真实性和泛化能力。其次，数据集涵盖了多种拍摄角度和距离，能够全面反映麻鸭在不同场景下的形态和行为。此外，数据集经过严格的质量控制和标注，确保了每一张图像的标注准确性和一致性。这些特点使得该数据集在麻鸭智能养殖的计算机视觉任务中表现出色，为目标检测和语义分割模型提供了高质量的训练和测试数据。

使用方法

AnYue Shelduck Dataset的使用方法包括三个主要步骤：首先，利用YOLOv8模型进行目标检测，定位图像中的麻鸭个体；其次，将检测结果输入到改进的K-Net分割模型中，进行像素级别的语义分割；最后，通过知识蒸馏技术，将大型教师模型的特征提取能力迁移到轻量级学生模型中，以实现模型的高效部署。数据预处理阶段包括图像锐化、尺寸统一和随机裁剪等操作，以增强模型的鲁棒性。该数据集适用于麻鸭智能养殖中的实时监测、数量统计和行为分析等任务，为农业智能化提供了有力的数据支持。

背景与挑战

背景概述

AnYue Shelduck Dataset是由四川农业大学信息工程学院的研究团队创建的一个专注于麻鸭识别与分割的数据集。该数据集旨在通过计算机视觉技术提升智能养殖的效率，解决传统养殖中依赖人工管理的问题。数据集包含1951张高质量的麻鸭图像，涵盖了不同的拍摄距离和角度，以模拟实际养殖环境中的监控场景。该数据集的建立为麻鸭的智能识别和分割提供了重要的数据支持，推动了计算机视觉在农业领域的应用。

当前挑战

AnYue Shelduck Dataset面临的挑战主要包括：1) 在麻鸭识别与分割任务中，由于麻鸭的外观相似性高，尤其是在密集或遮挡情况下，准确分割和识别个体麻鸭具有较高难度；2) 数据集的构建过程中，由于养殖环境的复杂性和动态变化，获取高质量且多样化的图像数据具有一定的挑战性；3) 在实际应用中，模型需要具备较高的实时性和鲁棒性，以适应养殖场的实际需求。

常用场景

经典使用场景

AnYue Shelduck Dataset 主要用于智能农业领域中的鸭类识别与分割任务。该数据集通过高精度的图像标注，为计算机视觉模型提供了丰富的训练样本，特别是在鸭群监测、数量统计和行为分析等方面表现出色。其经典使用场景包括鸭群的实时监控、自动化数量统计以及环境适应性分析，这些应用显著提升了养殖场的生产效率和管理水平。

衍生相关工作

AnYue Shelduck Dataset 衍生了许多相关研究工作，特别是在计算机视觉和智能农业领域。例如，基于该数据集的 DuckSegmentation 模型在鸭类分割任务中取得了显著的性能提升。此外，结合知识蒸馏技术的研究进一步优化了模型的部署效率，为其他农业智能化应用提供了参考。这些工作不仅推动了鸭类识别技术的发展，也为其他畜禽养殖的智能化管理提供了借鉴。

数据集最近研究

最新研究方向

近年来，AnYue Shelduck Dataset在智能农业领域的研究方向主要集中在高效目标检测与语义分割技术的融合应用。该数据集通过结合YOLOv8目标检测算法与改进的K-Net分割模型，实现了对鸭群的高精度识别与分割，其中DuckSegmentation模型在测试集上达到了96.43%的mIoU。知识蒸馏技术的引入进一步优化了模型部署效率，使得轻量化的学生模型Deeplabv3在保持94.49% mIoU的同时显著降低了计算复杂度。这一研究为大规模家禽养殖中的实时监测与精准管理提供了新的技术路径，尤其在解决传统人工计数效率低下、环境适应性差等问题上展现了重要应用价值。

相关研究论文

• DuckSegmentation: A segmentation model based on the AnYue Hemp Duck Dataset

  四川农业大学信息工程学院, 四川农业大学机电工程学院, 雅安数字农业工程技术研究中心 · 2025年