UAV-Based VNIR Hyperspectral Benchmark Dataset for Landmine and UXO Detection

该数据集由非盈利组织排雷研究社区与罗切斯特理工学院合作，在受控测试场收集，包括143个真实模拟地雷和未爆炸弹药目标。使用Headwall Nano-Hyperspec®传感器捕获270个连续光谱波段，覆盖398-1002nm波长范围。数据经过辐射定标、正射校正和镶嵌处理，并使用经验线法获取反射率。该数据集旨在促进可重复性研究，并提供无人机遥感技术在人道主义排雷领域的应用实例。This dataset was collected at a controlled test site in collaboration between the non-profit Mine Action Research Community and Rochester Institute of Technology, and includes 143 real-world simulated landmine and unexploded ordnance (UXO) targets. Data was captured using a Headwall Nano-Hyperspec® sensor with 270 contiguous spectral bands spanning the 398–1002 nm wavelength range. The data underwent radiometric calibration, orthorectification, and mosaicking, and reflectance was retrieved using the empirical line method. This dataset aims to facilitate reproducible research and provide a practical example of the application of unmanned aerial vehicle (UAV) remote sensing technology in the humanitarian demining field.

搜集汇总

数据集介绍

构建方式

在可见光-近红外高光谱遥感技术日益成熟的背景下，该数据集通过无人机搭载Headwall Nano-Hyperspec®传感器，在20.6米飞行高度采集了覆盖398–1002nm波段的270个连续光谱通道数据。数据采集区域布设了143个模拟真实场景的地雷与未爆物目标，涵盖地表、半埋和全埋三种状态。原始辐射数据经过辐射定标、正射校正与影像拼接后，采用基于SVC光谱辐射计测量的双点经验线性法进行反射率转换，并通过地面控制点与AeroPoints实现精确地理配准，最终生成3123×6631×272维度的反射率立方体。

特点

作为首个面向地雷探测的无人机高光谱基准数据集，其核心价值体现在多维度技术特性上。数据集包含272个光谱通道的反射率立方体，在400–900nm波段范围内经验证具有优异的光谱保真度，RMSE低于1.0且SAM角度介于1°–6°。目标样本涵盖多种地雷与未爆物类型，并记录了自然环境下经年累月形成的植被遮蔽、水土侵蚀等动态变化特征。配套提供的原始辐射数据、参考光谱与地理坐标信息，构成了完整的可追溯数据链，为多模态融合研究奠定基础。

使用方法

该数据集为地雷探测算法开发提供了标准化验证平台。研究者可直接利用反射率立方体进行物质识别与异常检测，通过提取目标区域光谱曲线与参考数据库比对实现分类识别。配套的原始辐射数据支持自定义大气校正方法验证，而精确的地理坐标使得多时相分析与电磁感应数据融合成为可能。在机器学习应用层面，标注完备的目标样本可用于训练深度学习模型，其多埋藏状态的特性尤其适合开发复杂环境下的自适应检测算法。数据集提供的验证指标体系为算法性能评估提供了量化基准。

背景与挑战

背景概述

随着高光谱成像技术在环境监测与军事防御领域的广泛应用，人道主义排雷任务对精确探测地雷和未爆弹药的需求日益迫切。2025年，罗切斯特理工学院与排雷研究社区联合发布了基于无人机的可见光-近红外高光谱基准数据集，该数据集通过搭载Headwall Nano-Hyperspec®传感器的无人机平台，在控制实验场中采集了143个模拟地雷目标的多光谱数据。研究团队采用经验线法进行辐射定标与反射率反演，并通过地面控制点实现精确地理配准，填补了无人机高光谱排雷数据公开资源的空白，为多模态传感融合研究提供了重要基础。

当前挑战

在解决地雷探测领域问题时，该数据集需应对复杂环境中目标与背景光谱特征混杂的挑战，例如植被遮蔽、土壤扰动及化学残留物干扰导致的虚警率上升。数据构建过程中面临多重技术难题：无人机平台受GPS漂移与运动抖动影响引发几何畸变；传感器在900nm以上波段因信号衰减与大气吸收出现反射率反演噪声；跨飞行线的光照差异导致辐射一致性难以维持，需通过经验线法与地面控制点迭代优化以保障数据质量。

常用场景

经典使用场景

在遥感探测领域，无人机载可见光-近红外高光谱数据集为地雷与未爆弹药识别提供了关键研究平台。该数据集通过模拟真实战场环境，包含143个不同埋设状态的惰性地雷目标，支持光谱异常检测算法开发。研究人员可利用其270个连续波段的高精度反射率数据，分析土壤扰动特征与化学残留物光谱响应，推动基于材料特异性光谱特征的目标识别技术突破。

衍生相关工作

基于该数据集衍生的经典研究包括多模态传感器融合框架的开发，如结合电磁感应数据构建的深度学习检测网络。其提供的原始辐射亮度数据催生了新型辐射传输校正算法，而精确的地理参考信息支撑了时空序列分析模型的建立。这些工作显著推进了《MineInsight》等标准数据集的完善，并为联合国排雷行动处的技术规范制定提供了科学依据。

数据集最近研究

最新研究方向

在无人机载可见光-近红外高光谱遥感领域，地雷与未爆物检测研究正聚焦于多模态数据融合与深度学习算法的协同创新。该数据集通过结合电磁感应数据与高光谱影像，为开发跨传感器融合框架提供了独特实验平台，显著提升了复杂环境下目标识别的鲁棒性。随着人道主义排雷行动对自动化技术的迫切需求，基于光谱特征挖掘与时空动态分析的智能检测模型成为前沿热点，其验证结果中400-900纳米波段光谱角制图值低于6度的精度标准，为材料特异性光谱特征的可靠提取确立了新基准。这一突破性资源不仅推动着光谱目标检测算法的标准化进程，更通过开源数据策略加速了排雷技术从实验室向实战场景的转化。

相关研究论文

• A UAV-Based VNIR Hyperspectral Benchmark Dataset for Landmine and UXO Detection

  Rochester Institute of Technology, Chester F. Carlson Center for Imaging Science · 2025年