无人机航拍智慧牧业数据集草原牲畜监测牛群识别计数深度学习训练集智慧牧业无人机巡检数据集牧场牲畜检测航拍视觉识别模型样本库草原畜牧智能监测数据集无人机牲畜计数智慧农业视觉训练数据智慧牧业与数字牧场快速普及无人机已成为草原、山地、大型牧场牲畜盘点、健康监测、走失预警、围栏管理的核心装备。但牧区地形开阔、牲畜分散、目标偏小、光照与遮挡复杂通用数据集难以适配真实航拍场景导致计数不准、漏检严重、模型泛化差。本文严格遵循GitHub开源项目规范完整开放一套无人机智慧牧业牲畜专用检测数据集配套YOLO训练、计数、推理全流程工程代码开箱即用快速构建高精度牧场智能监测系统。 项目总览项目领域计算机视觉目标检测智慧牧业无人机低空巡检核心任务无人机航拍视角下牛只精准检测、自动计数、群体监测数据规模4639 张高清航拍图像8个子数据集场景全覆盖标注类别单类别「cow/牛」纯净标注无多余类别干扰格式支持图像 JPG/PNG 标注 YOLO TXT / VOC XML / COCO JSON适配算法YOLOv5/v7/v8/v10/v11 全系列小目标与密集群体验证优化应用场景草原牧场盘点、牲畜计数、健康监测、走失预警、智慧牧业管理 数据集核心信息信息项详情任务类型计算机视觉 · 目标检测标注类别仅「牛」单类别专项优化检测精度与计数准确率数据总量4639 张无人机航拍图像8个子数据集覆盖多环境数据格式图像JPG/PNG标注YOLO‑TXT、VOC‑XML、COCO‑JSON场景特点草原/山地/牧场、俯视/斜侧视、远距离小目标、密集群、光照多变配套资源数据集划分、格式转换、训练/推理/自动计数全套代码✨ 核心优势牧业场景专属纯牧区航拍视角匹配无人机真实巡检航线与高度标注纯净高效单类别无干扰模型收敛更快、计数更准数据规模充足4.6k图像8个子集充分支撑模型训练与泛化验证小目标/密集优化覆盖远距离、分散、扎堆、遮挡样本牧区鲁棒性强工程化就绪原生兼容YOLO一键训练、一键推理、一键统计存栏量 标准目录结构GitHub 规范drone-livestock-det/ ├── images/ # 航拍图像 │ ├── train/ │ ├── val/ │ └── test/ ├── labels/ # YOLO格式标注 │ ├── train/ │ └── val/ ├── scripts/ # 工具脚本 │ ├── split_dataset.py # 训练/验证集划分 │ ├── voc2yolo.py # VOC转YOLO标注 │ └── vis_label.py # 标注可视化校验 ├── data.yaml # YOLO数据集配置 ├── train.py # 牲畜检测训练 ├── predict.py # 航拍图/视频推理 ├── count_cattle.py # 牛只自动统计 └── README.md # 项目说明 深度学习实战代码带智慧牧业场景经验注释1. data.yaml无人机牛群检测专用配置# 场景注释智慧牧业·无人机草原牛群检测配置# 牧区目标小、分散、扎堆多建议 imgsz640降低conf减少漏检path:./drone-livestock-dettrain:images/trainval:images/valtest:images/testnc:1# 仅牛单类别names:[cow]# 类别名称# 牧区小目标密集群调参经验# 1. imgsz640/800 提升远距离牛只召回# 2. 开启 mosaic、mixup 增强光照与姿态鲁棒性# 3. conf0.25iou0.45平衡密集扎堆不漏检、不误检2. train.pyYOLOv8 智慧牧业牛群训练fromultralyticsimportYOLO# 场景注释无人机草原巡检·牛群小目标密集扎堆训练参数# 兼顾牧区开阔环境、小目标、遮挡、姿态多变特性if__name____main__:modelYOLO(yolov8s.pt)# 轻量中精度适合机载/边缘部署model.train(datadata.yaml,epochs120,# 小目标复杂场景适当加轮数imgsz640,# 高分辨率捕捉牛只细节batch16,device0,patience12,# 早停防过拟合lr00.01,lrf0.01,momentum0.937,weight_decay0.0005,warmup_epochs3,cos_lrTrue,augmentTrue,# 强数据增强hsv_h0.015,hsv_s0.7,hsv_v0.4,# 适应草原强光/阴影close_mosaic10,namecattle_detection)3. predict.py无人机牧场巡检推理fromultralyticsimportYOLOimportcv2# 场景注释牧区航拍推理·支持图片/视频/实时流低漏检配置defcattle_predict():modelYOLO(./runs/detect/cattle_detection/weights/best.pt)# 牧区低置信度高IOU减少分散/遮挡牛只漏检img_pathdrone_grassland.jpgresultsmodel.predict(sourceimg_path,conf0.25,iou0.45)# 保存可视化结果res_imgresults[0].plot()cv2.imwrite(cattle_result.jpg,res_img)# 视频/实时流巡检# model.predict(sourcedrone_flight.mp4, saveTrue, streamTrue)if__name____main__:cattle_predict()4. count_cattle.py牛只存栏自动统计fromultralyticsimportYOLO# 场景注释智慧牧业核心功能·航拍图自动统计牛群数量defcount_livestock():modelYOLO(cattle_detection.pt)img_pathdrone_pasture.jpgresultsmodel.predict(sourceimg_path,conf0.25)cow_count0forresultinresults:forboxinresult.boxes:ifint(box.cls)0:cow_count1print(f 本场航拍统计牛只数量{cow_count}头)if__name____main__:count_livestock()5. voc2yolo.py标注格式转换importosimportxml.etree.ElementTreeasETfrompathlibimportPath# 场景注释VOC转YOLO保证牧区小目标牛只框归一化准确defvoc_to_yolo(voc_dir,yolo_dir,class_names):os.makedirs(yolo_dir,exist_okTrue)forxml_fileinPath(voc_dir).glob(*.xml):treeET.parse(xml_file)roottree.getroot()img_wint(root.find(size/width).text)img_hint(root.find(size/height).text)txt_pathos.path.join(yolo_dir,f{xml_file.stem}.txt)withopen(txt_path,w)asf:forobjinroot.findall(object):cls_nameobj.find(name).textifcls_namenotinclass_names:continuecls_idclass_names.index(cls_name)bndboxobj.find(bndbox)xminfloat(bndbox.find(xmin).text)yminfloat(bndbox.find(ymin).text)xmaxfloat(bndbox.find(xmax).text)ymaxfloat(bndbox.find(ymax).text)# YOLO归一化坐标cx(xminxmax)/2/img_w cy(yminymax)/2/img_h w(xmax-xmin)/img_w h(ymax-ymin)/img_h f.write(f{cls_id}{cx:.6f}{cy:.6f}{w:.6f}{h:.6f}\n)if__name____main__:classes[cow]voc_to_yolo(./labels/voc,./labels/yolo,classes) 落地应用方向牧场自动盘点无人机单次巡航快速统计存栏量替代人工盘点牲畜健康监测识别掉队、卧地不起等异常状态及时预警围栏安全管理监测越界、冲撞围栏降低走失与损失风险牧区生态监测结合分布密度辅助草场承载量评估智慧牧业平台对接管理系统实现数字化、可视化、智能化运维 标签#无人机智慧牧业 #牲畜检测 #牛群识别 #无人机牧场 #智慧农业 #目标检测 #YOLO畜牧 #低空视觉 #草原巡检 #计算机视觉 #深度学习数据集 #牲畜计数 #数字牧场
无人机航拍智慧牧业数据集｜草原牲畜监测｜牛群识别计数深度学习训练集 智慧牧业无人机巡检数据集｜牧场牲畜检测｜航拍视觉识别模型样本库 草原畜牧智能监测数据集｜无人机牲畜计数｜智慧农业视觉训练数据
无人机航拍智慧牧业数据集草原牲畜监测牛群识别计数深度学习训练集智慧牧业无人机巡检数据集牧场牲畜检测航拍视觉识别模型样本库草原畜牧智能监测数据集无人机牲畜计数智慧农业视觉训练数据智慧牧业与数字牧场快速普及无人机已成为草原、山地、大型牧场牲畜盘点、健康监测、走失预警、围栏管理的核心装备。但牧区地形开阔、牲畜分散、目标偏小、光照与遮挡复杂通用数据集难以适配真实航拍场景导致计数不准、漏检严重、模型泛化差。本文严格遵循GitHub开源项目规范完整开放一套无人机智慧牧业牲畜专用检测数据集配套YOLO训练、计数、推理全流程工程代码开箱即用快速构建高精度牧场智能监测系统。 项目总览项目领域计算机视觉目标检测智慧牧业无人机低空巡检核心任务无人机航拍视角下牛只精准检测、自动计数、群体监测数据规模4639 张高清航拍图像8个子数据集场景全覆盖标注类别单类别「cow/牛」纯净标注无多余类别干扰格式支持图像 JPG/PNG 标注 YOLO TXT / VOC XML / COCO JSON适配算法YOLOv5/v7/v8/v10/v11 全系列小目标与密集群体验证优化应用场景草原牧场盘点、牲畜计数、健康监测、走失预警、智慧牧业管理 数据集核心信息信息项详情任务类型计算机视觉 · 目标检测标注类别仅「牛」单类别专项优化检测精度与计数准确率数据总量4639 张无人机航拍图像8个子数据集覆盖多环境数据格式图像JPG/PNG标注YOLO‑TXT、VOC‑XML、COCO‑JSON场景特点草原/山地/牧场、俯视/斜侧视、远距离小目标、密集群、光照多变配套资源数据集划分、格式转换、训练/推理/自动计数全套代码✨ 核心优势牧业场景专属纯牧区航拍视角匹配无人机真实巡检航线与高度标注纯净高效单类别无干扰模型收敛更快、计数更准数据规模充足4.6k图像8个子集充分支撑模型训练与泛化验证小目标/密集优化覆盖远距离、分散、扎堆、遮挡样本牧区鲁棒性强工程化就绪原生兼容YOLO一键训练、一键推理、一键统计存栏量 标准目录结构GitHub 规范drone-livestock-det/ ├── images/ # 航拍图像 │ ├── train/ │ ├── val/ │ └── test/ ├── labels/ # YOLO格式标注 │ ├── train/ │ └── val/ ├── scripts/ # 工具脚本 │ ├── split_dataset.py # 训练/验证集划分 │ ├── voc2yolo.py # VOC转YOLO标注 │ └── vis_label.py # 标注可视化校验 ├── data.yaml # YOLO数据集配置 ├── train.py # 牲畜检测训练 ├── predict.py # 航拍图/视频推理 ├── count_cattle.py # 牛只自动统计 └── README.md # 项目说明 深度学习实战代码带智慧牧业场景经验注释1. data.yaml无人机牛群检测专用配置# 场景注释智慧牧业·无人机草原牛群检测配置# 牧区目标小、分散、扎堆多建议 imgsz640降低conf减少漏检path:./drone-livestock-dettrain:images/trainval:images/valtest:images/testnc:1# 仅牛单类别names:[cow]# 类别名称# 牧区小目标密集群调参经验# 1. imgsz640/800 提升远距离牛只召回# 2. 开启 mosaic、mixup 增强光照与姿态鲁棒性# 3. conf0.25iou0.45平衡密集扎堆不漏检、不误检2. train.pyYOLOv8 智慧牧业牛群训练fromultralyticsimportYOLO# 场景注释无人机草原巡检·牛群小目标密集扎堆训练参数# 兼顾牧区开阔环境、小目标、遮挡、姿态多变特性if__name____main__:modelYOLO(yolov8s.pt)# 轻量中精度适合机载/边缘部署model.train(datadata.yaml,epochs120,# 小目标复杂场景适当加轮数imgsz640,# 高分辨率捕捉牛只细节batch16,device0,patience12,# 早停防过拟合lr00.01,lrf0.01,momentum0.937,weight_decay0.0005,warmup_epochs3,cos_lrTrue,augmentTrue,# 强数据增强hsv_h0.015,hsv_s0.7,hsv_v0.4,# 适应草原强光/阴影close_mosaic10,namecattle_detection)3. predict.py无人机牧场巡检推理fromultralyticsimportYOLOimportcv2# 场景注释牧区航拍推理·支持图片/视频/实时流低漏检配置defcattle_predict():modelYOLO(./runs/detect/cattle_detection/weights/best.pt)# 牧区低置信度高IOU减少分散/遮挡牛只漏检img_pathdrone_grassland.jpgresultsmodel.predict(sourceimg_path,conf0.25,iou0.45)# 保存可视化结果res_imgresults[0].plot()cv2.imwrite(cattle_result.jpg,res_img)# 视频/实时流巡检# model.predict(sourcedrone_flight.mp4, saveTrue, streamTrue)if__name____main__:cattle_predict()4. count_cattle.py牛只存栏自动统计fromultralyticsimportYOLO# 场景注释智慧牧业核心功能·航拍图自动统计牛群数量defcount_livestock():modelYOLO(cattle_detection.pt)img_pathdrone_pasture.jpgresultsmodel.predict(sourceimg_path,conf0.25)cow_count0forresultinresults:forboxinresult.boxes:ifint(box.cls)0:cow_count1print(f 本场航拍统计牛只数量{cow_count}头)if__name____main__:count_livestock()5. voc2yolo.py标注格式转换importosimportxml.etree.ElementTreeasETfrompathlibimportPath# 场景注释VOC转YOLO保证牧区小目标牛只框归一化准确defvoc_to_yolo(voc_dir,yolo_dir,class_names):os.makedirs(yolo_dir,exist_okTrue)forxml_fileinPath(voc_dir).glob(*.xml):treeET.parse(xml_file)roottree.getroot()img_wint(root.find(size/width).text)img_hint(root.find(size/height).text)txt_pathos.path.join(yolo_dir,f{xml_file.stem}.txt)withopen(txt_path,w)asf:forobjinroot.findall(object):cls_nameobj.find(name).textifcls_namenotinclass_names:continuecls_idclass_names.index(cls_name)bndboxobj.find(bndbox)xminfloat(bndbox.find(xmin).text)yminfloat(bndbox.find(ymin).text)xmaxfloat(bndbox.find(xmax).text)ymaxfloat(bndbox.find(ymax).text)# YOLO归一化坐标cx(xminxmax)/2/img_w cy(yminymax)/2/img_h w(xmax-xmin)/img_w h(ymax-ymin)/img_h f.write(f{cls_id}{cx:.6f}{cy:.6f}{w:.6f}{h:.6f}\n)if__name____main__:classes[cow]voc_to_yolo(./labels/voc,./labels/yolo,classes) 落地应用方向牧场自动盘点无人机单次巡航快速统计存栏量替代人工盘点牲畜健康监测识别掉队、卧地不起等异常状态及时预警围栏安全管理监测越界、冲撞围栏降低走失与损失风险牧区生态监测结合分布密度辅助草场承载量评估智慧牧业平台对接管理系统实现数字化、可视化、智能化运维 标签#无人机智慧牧业 #牲畜检测 #牛群识别 #无人机牧场 #智慧农业 #目标检测 #YOLO畜牧 #低空视觉 #草原巡检 #计算机视觉 #深度学习数据集 #牲畜计数 #数字牧场
