Conjunto de datos de espigas de trigo del mundo#

4,698

Global Wheat 2020

ultralytics

publicDetect

Global Wheat 2020 is the consortium's diverse field benchmark for wheat-head localization. Images span cultivars, countries, sites, growth stages, illumination, density, overlap, and imaging conditions, supporting robust crop counting and global model generalization.

1 class1.5 GBSep 2, 2026

wheat_head

agriculturewheatobject-detection+1

El conjunto de datos de espigas de trigo del mundo (GWHD) es un conjunto de datos de detección de objetos de una sola clase para detectar espigas de trigo — las espigas portadoras de grano de la planta de trigo — en imágenes de campos al aire libre. Proporciona 3.422 imágenes de entrenamiento, 748 de validación y 1.276 de prueba capturadas en varias regiones de cultivo, y fue creado mediante la colaboración de nueve institutos de investigación de siete países para que los modelos generalicen en distintos entornos. La detección precisa de espigas de trigo sustenta las estimaciones de densidad, tamaño y potencial de rendimiento de las espigas en el fenotipado vegetal y la gestión de cultivos.

Características principales#

• Imágenes reales de campos al aire libre que capturan la variabilidad natural en el aspecto, la iluminación y la fase de crecimiento de las espigas de trigo.
• Creado por nueve institutos de investigación de siete países, abarca regiones de cultivo europeas, norteamericanas, asiáticas y australianas para lograr una sólida generalización entre entornos.
• Anotaciones de cuadros delimitadores para una sola clase, wheat_head, listas para canalizaciones de detección de objetos y seguimiento.
• Las imágenes de prueba proceden de genotipos y regiones no incluidos en el entrenamiento, lo que proporciona un auténtico punto de referencia de generalización.

Estructura del dataset#

El conjunto de datos de espigas de trigo del mundo está organizado en tres subconjuntos definidos por la configuración GlobalWheat2020.yaml, todos anotados con una sola clase, wheat_head:

Aplicaciones#

El conjunto de datos de espigas de trigo del mundo se utiliza ampliamente para entrenar y evaluar modelos de aprendizaje profundo para la detección de espigas de trigo. Sus diversas imágenes de distintas regiones, genotipos y condiciones lo convierten en un recurso valioso para el fenotipado vegetal y la gestión de cultivos, ya que permite estimar el rendimiento, supervisar la salud de los cultivos y realizar análisis fenotípicos.

Para anotar imágenes de campo, entrenar y gestionar versiones de conjuntos de datos desde el navegador, ejecuta el flujo de trabajo completo con Ultralytics Platform.

YAML del dataset#

Se utiliza un archivo YAML para definir la configuración del conjunto de datos. Define las rutas, las clases y otros detalles de configuración del conjunto de datos. Para el conjunto de datos de espigas de trigo del mundo, el archivo GlobalWheat2020.yaml se mantiene en https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/GlobalWheat2020.yaml.

# Ultralytics 🚀 AGPL-3.0 License - https://ultralytics.com/license

# Global Wheat 2020 dataset https://www.global-wheat.com/ by University of Saskatchewan
# Documentation: https://docs.ultralytics.com/datasets/detect/globalwheat2020
# Example usage: yolo train data=GlobalWheat2020.yaml
# parent
# ├── ultralytics
# └── datasets
#     └── GlobalWheat2020 ← downloads here (7.0 GB)

# Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..]
path: GlobalWheat2020 # dataset root dir
train: # train images (relative to 'path') 3422 images
  - images/arvalis_1
  - images/arvalis_2
  - images/arvalis_3
  - images/ethz_1
  - images/rres_1
  - images/inrae_1
  - images/usask_1
val: # val images (relative to 'path') 748 images (WARNING: train set contains ethz_1)
  - images/ethz_1
test: # test images (optional) 1276 images
  - images/utokyo_1
  - images/utokyo_2
  - images/nau_1
  - images/uq_1

# Classes
names:
  0: wheat_head

# Download script/URL (optional) ---------------------------------------------------------------------------------------
download: |
  from pathlib import Path

  from ultralytics.utils.downloads import download

  # Download
  dir = Path(yaml["path"])  # dataset root dir
  urls = [
      "https://zenodo.org/record/4298502/files/global-wheat-codalab-official.zip",
      "https://github.com/ultralytics/assets/releases/download/v0.0.0/GlobalWheat2020_labels.zip",
  ]
  download(urls, dir=dir)

  # Make Directories
  for p in "annotations", "images", "labels":
      (dir / p).mkdir(parents=True, exist_ok=True)

  # Move
  for p in (
      "arvalis_1",
      "arvalis_2",
      "arvalis_3",
      "ethz_1",
      "rres_1",
      "inrae_1",
      "usask_1",
      "utokyo_1",
      "utokyo_2",
      "nau_1",
      "uq_1",
  ):
      (dir / "global-wheat-codalab-official" / p).rename(dir / "images" / p)  # move to /images
      f = (dir / "global-wheat-codalab-official" / p).with_suffix(".json")  # json file
      if f.exists():
          f.rename((dir / "annotations" / p).with_suffix(".json"))  # move to /annotations

Uso#

Para entrenar un modelo YOLO26n con el conjunto de datos de espigas de trigo del mundo durante 100 épocas y con un tamaño de imagen de 640, puedes utilizar los siguientes fragmentos de código. El conjunto de datos (~7,0 GB) se descarga automáticamente la primera vez que se utiliza. Para consultar una lista completa de los argumentos disponibles, visita la página de Entrenamiento del modelo.

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="GlobalWheat2020.yaml", epochs=100, imgsz=640)

Imágenes de ejemplo y anotaciones#

El conjunto de datos de espigas de trigo del mundo contiene un conjunto diverso de imágenes de campos al aire libre que captura la variabilidad natural en el aspecto de las espigas de trigo, los entornos y las condiciones. A continuación se muestra una imagen de ejemplo del conjunto de datos junto con sus anotaciones correspondientes:

• Detección de espigas de trigo: Las espigas de trigo están anotadas con cuadros delimitadores para la detección de objetos, en una variedad de condiciones de campo que reflejan la diversidad y complejidad del conjunto de datos.

Citas y agradecimientos#

Si utilizas el conjunto de datos de espigas de trigo del mundo en tu trabajo de investigación o desarrollo, cita el siguiente artículo:

@article{david2020global,
         title={Global Wheat Head Detection (GWHD) Dataset: A Large and Diverse Dataset of High-Resolution RGB-Labelled Images to Develop and Benchmark Wheat Head Detection Methods},
         author={David, Etienne and Madec, Simon and Sadeghi-Tehran, Pouria and Aasen, Helge and Zheng, Bangyou and Liu, Shouyang and Kirchgessner, Norbert and Ishikawa, Goro and Nagasawa, Koichi and Badhon, Minhajul and others},
         journal={arXiv preprint arXiv:2005.02162},
         year={2020}
}

Nos gustaría reconocer la labor de los investigadores e instituciones que contribuyeron a la creación y el mantenimiento del conjunto de datos de espigas de trigo del mundo como recurso valioso para la comunidad investigadora del fenotipado vegetal y la gestión de cultivos. Para obtener más información sobre el conjunto de datos y sus creadores, visita el sitio web del conjunto de datos de espigas de trigo del mundo.

Preguntas frecuentes#