1现代农业管理与政策精准实施：设施农业（大棚种植）面积精准统计与动态监测；农业补贴精准发放核查 （如设施农业补贴、大棚保险）；种植结构调整 政策执行效果评估；大棚建设合规性监管（耕地用途管制）。提供客观、高效的大棚“底图”和变化证据，极大提升农业行政管理效率和政策落地的精准度、公平性，知识产权是支撑此类政府数据服务采购与合规应用的基础。2设施农业规划与资源优化：区域设施农业发展规划与布局优化；大棚产业集群发展态势分析；水土资源利用效率评估（结合灌溉设施识别）；闲置大棚资源盘活引导。为政府宏观决策和市场主体投资提供空间数据支撑，促进设施农业资源高效配置与产业健康发展。知识产权明晰有利于数据在规划咨询、市场研究领域的授权应用。3农业面源污染防控与环境保护：监测废弃农膜 （来自大棚）的回收情况与残留分布；评估大棚集中区对周边环境（土壤、水体）的潜在影响；服务于“白色污染”治理成效考核。精准锁定农膜污染源和治理重点区域，为环保监管提供靶向性数据支持。知识产权保护激励对环保监测数据的持续投入与创新应用。
1、数据采集：利用飞马v500无人机，利用自动拼图得到1cm-3cm分辨率的无人机正射影像数据，并设置CGCS2000 / 3°投影坐标系，影像分辨率以及影像坐标系等参数同步加入至影像数据中。 2、数据预处理以及数据标注：首先，选择适用于样本的影像，明确裁切区域并绘制范围矢量；利用矢量数据裁切影像，采用在线标记点位并添加作物属性的方式，以点位为中心点进行裁剪，生成指定尺寸（如256*256）的影像切片。 3、数据集设置以及模型选择：按照7:2:1的比例设置训练集、验证集和测试集。使用自行搭建的TransCNN-Vision模型进行训练。 5、训练设置：模型选择与初始化以vision_transformer的large模型为权重文件，初始化常规模型参数后，读取数据集文件夹个数确定模型分类数，最优学习率为0.001，同时冻结出head和pre_logits外的所有权重参数，batchsize，根据当前设备现存余量自动调整，默认值为16，根据样本分辨率动态调整patch_size用于提高不同分辨率下的特征捕获能力。最后利用自适应高精度模型保存策略，自动保存训练精度mDice（Mean Dice Coefficient）指标最高模型的模型作为最佳模型。mDice计算公式如下： mDice=2*|X∩Y|/(|X|+|Y|)。 训练mDice指数基于对测试集样本数据预测并计算获得，其中|X∩Y|为预测结果与真实标注的交集，| X |和| Y |分别为预测结果与真实标签的各自的数量之和。 5、模型精度评估：通过在真实影像中进行模型提取并人工校正，实现对模型在真实场景中的提取效果。利用提取错误率和提取遗漏率指标来评估被识别物模型的提取能力，提取错误率用于评估模型提取结果中不是合理的比例，提取遗漏率用于评估模型提取结果依然没有提取出被识别物的比例，提取遗漏率越接近4.2%，提取错误率越接近6.2%，表明当前提取结果准确率越高，能够降低的成本越高。提取错误率计算公式如下：（|X|-|X∩Y|）/|X|。 提取遗漏率计算公式如下：（|Y|-|X∩Y|）/|Y|。其中，|X∩Y|为正确识别为被识别物的数量，| X |和| Y |分别为预测和真实的被识别数量。考虑到真实场景的复杂性，提取错误率和提取遗漏率保持在10%以内即可视为结果具有较高的准确性。
| 字段名 | 类型 | 描述 |
|---|---|---|
图像ID |
-- | -- |
文件路径 |
-- | -- |
样本尺寸 |
-- | -- |
分辨率 |
-- | -- |
采集时间 |
-- | -- |
| fieldName | exampleValue |
|---|---|
| 图像ID | 00001.tif |
| 文件路径 | ych /_Verification_ample_et/6_greenhouse |
| 样本尺寸 | 1024*1024 |
curl -H "Authorization: Bearer YOUR_API_KEY" \
http://localhost:3001/api/v1/datasets/7255101