蜂箱内 Varroa destructor 成像数据集与复现包
该数据集面向蜂箱内 Varroa destructor 自动化监测的现场研究，包含 2,823 张带 YOLO 格式边界框的 RGB 标注图像，分为在活跃 Apis mellifera 蜂群内由滑轨相机拍摄的 2,795 帧和 28 张手持近距照片两部分，标注类别为无可见螨蜂与有可见螨蜂，标签标记的
基本信息
资源简介
蜂箱内 Varroa destructor 成像数据集与复现包
In-hive Varroa destructor imaging: dataset, mite-level re-inspection layer, cross-validation splits, evaluation code and model weights
该数据集面向蜂箱内 Varroa destructor 自动化监测的现场研究，包含 2,823 张带 YOLO 格式边界框的 RGB 标注图像，分为在活跃 Apis mellifera 蜂群内由滑轨相机拍摄的 2,795 帧和 28 张手持近距照片两部分，标注类别为无可见螨蜂与有可见螨蜂，标签标记的是蜜蜂而非螨。数据还提供五折分层划分定义、训练配置、模型权重与评估代码，可用于目标检测模型的训练、交叉验证与可复现性评估（来源 DOI 解析，Creative Commons Attribution 4.0 International 许可）。
【数据集背景】
源站首次发布：2026。
【数据内容】
源站描述（机器翻译，仅供参考）：Version 2.0。针对蜂箱内 Varroa destructor 自动化监测现场研究的可复现性包。请引用概念 DOI 10.5281/zenodo.23099411，该 DOI 始终解析到最新版本。代码和较小的数据文件也可在 浏览。内容：2,823 张带 YOLO 格式边界框的标注 RGB 图像，分为必须分别报告的两部分：2,795 帧由电动滑轨相机（Raspberry Pi Camera Module V2，1920 x 1080）在活跃 Apis mellifera 蜂群内拍摄，以及 28 张手持近距照片，用于增加螨样本数量。两个类别：无可见螨的蜜蜂（0）和有可见螨的蜜蜂（1）。4,692 个 class-0 框和 87 个 class-1 框。标签标记的是蜜蜂，不是螨。还包括：五折分层划分定义（
【主题与分类】
主题标签：Varroa destructor、honeybee、Apis mellifera、deep learning、YOLO、YOLOv7、object detection、edge computing、Jetson Nano、beehive monitoring。本站分类：消化系统疾病。
【获取与许可】
源站页面：https://zenodo.org/doi/10.5281/zenodo.23276947
使用许可：Creative Commons Attribution 4.0 International。
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站：https://doi.org/10.5281/zenodo.23276947
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 部分平台提供 SDK，例如：
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据集大小约 2.74 GB。
数据说明
版本2.0。用于自动化蜂巢内瓦螨监测实地研究的可复现性包。请引用概念DOI 10.5281/zenodo.23099411，该DOI始终解析至最新版本。代码及小型数据文件亦可在 https://github.com/Soda0603/varroa-in-hive-imaging 浏览。内容：2,823张带标注的RGB图像，采用YOLO格式边界框，分为两部分，须分别报告：2,795帧由电动滑轨相机（Raspberry Pi Camera Module V2，1920 x 1080）在活跃的西方蜜蜂蜂群内拍摄，以及28张手持近距照片，用于增加螨虫样本数量。两个类别：无可见螨虫的蜜蜂（0）和有可见螨虫的蜜蜂（1）。类别0边界框4,692个，类别1边界框87个。标签标记的是蜜蜂，而非螨虫。还包括：五折分层划分定义（随机种子42）、训练配置及八种架构（YOLOv7、YOLOv8n、YOLOv9c、YOLOv10n、YOLO11n、YOLO12n、YOLOv13n、YOLO26n）训练后的best.pt权重、已发表表格所依据的评估代码、螨虫级标注层，以及逐标注验证记录。
采集 该平台于2023年12月8日至2024年3月8日（共92天）在台湾屏东县枋山乡的陈家园养蜂场运行，以标称六分钟间隔记录了22，442帧画面。其中19，619帧（87.4%）因运动模糊而被丢弃。保留的蜂巢内帧在九个采集日带有时间戳，因此标注集是该部署的稀疏样本，而非均匀样本。螨级复查 每一个1类标注均由一位对该物种有五年研究经验的作者在螨级进行了复查。87个中有56个得到确认：补充照片中的64个中有53个得到确认，但蜂巢内帧中的23个中仅有3个得到确认。复查还生成了69个紧密螨框作为单独图层，其中36个标记了原始标注遗漏的螨。原始标签保持不变。图像方向——重要 此
数据加载示例（图像类）
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
