埃及伊蚊吸血行为检测数据集 | 7800张YOLO昆虫行为数据集
适用于媒介昆虫研究、药效评估与目标检测研究
一、数据集概述
本数据集由实验室级蚊虫行为观察装置采集，对蚊虫个体及其吸血状态进行逐帧框标，共包含约7800张高质量标注图像，覆盖3类检测目标，用于构建自动化的蚊媒行为分析系统。埃及伊蚊是登革热、寨卡、黄热病、基孔肯雅热等多种虫媒传染病的主要传播媒介，其吸血行为直接决定病原体的传播效率。传统昆虫学研究依赖人工镜检与逐帧观看录像来判定蚊虫是否处于吸血状态，工作量极大且主观性强。该数据集可广泛应用于媒介昆虫学研究、杀虫剂与驱避剂药效自动化评测、蚊媒疾病防控研究、实验室行为学高通量分析等场景，适用于YOLOv5/v7/v8/v10/v11/v12等主流检测框架。
随着虫媒传染病防控需求的不断提升和昆虫学行为研究的深入，利用计算机视觉技术实现蚊虫吸血行为的自动检测已成为提升研究效率、实现行为学高通量分析的重要手段。本数据集针对蚊虫检测场景中目标尺度小、姿态多变、行为状态细微等问题进行专项构建，可为蚊媒行为分析系统与药效自动化评测设备提供高质量数据支撑。
数据集下载
通过网盘分享的文件：埃及伊蚊吸血行为检测数据集-3类
链接: https://pan.baidu.com/s/1vpSur_mR76M4-ezq1znbFg?pwd=f3ip
提取码: f3ip
二、数据集基本信息
| 项目 | 内容 |
|---|---|
| 数据集名称 | 埃及伊蚊吸血行为检测数据集 |
| 数据规模 | 约7800张高质量标注图像 |
| 任务类型 | 目标检测（Object Detection） |
| 检测目标 | 蚊虫个体定位、吸血行为状态 |
| 类别数量（nc） | 3类 |
| 标注方式 | Bounding Box目标框标注 |
| 数据格式 | YOLO标准格式 |
| 数据来源 | 实验室级蚊虫行为观察装置采集 |
| 数据划分 | Train / Valid / Test |
| 适配模型 | YOLOv5、YOLOv7、YOLOv8、YOLOv10、YOLOv11、YOLOv12、Faster R-CNN等 |
三、数据集类别说明
本数据集为多类别目标检测数据集，共设置3个检测类别，其中“蚊虫”为个体定位类别，“吸血中”与“未吸血”为行为状态细分类别，可同时支撑个体定位与行为分类两类任务。
类别配置
nc:3names:-feeding-mosquito-not_feeding类别详情
| 类别ID | 类别名称 | 英文名称 | 类别说明 |
|---|---|---|---|
| 0 | 吸血中 | feeding | 蚊虫正在吸血行为中（如口器刺入、腹部膨大等） |
| 1 | 蚊虫 | mosquito | 蚊虫个体定位（通用检测类别，覆盖所有状态） |
| 2 | 未吸血 | not_feeding | 蚊虫未处于吸血行为状态（停歇、爬行等） |
三类设计使模型具备双重任务能力：
- 个体定位任务：通过“蚊虫”类别（通用检测）实现蚊虫个体的位置检测
- 行为分类任务：通过“吸血中”与“未吸血”区分蚊虫行为状态
这种设计可同时支撑定位与行为分类两类任务，灵活性高，可适配不同的应用场景。
四、数据集结构说明
数据集采用标准YOLO目录结构组织，已按训练集、验证集、测试集进行科学划分，结构清晰，便于直接接入主流检测框架。
埃及伊蚊吸血行为检测数据集-3类/ ├── train │ ├── images │ └── labels ├── valid │ ├── images │ └── labels ├── test │ ├── images │ └── labels └── data.yaml各数据集作用如下：
- train/images & labels：训练集图像与标签，用于模型参数学习与特征提取；
- valid/images & labels：验证集图像与标签，用于超参数调优、早停监控及防止过拟合；
- test/images & labels：测试集图像与标签，用于最终模型性能评估与泛化能力测试。
标注文件为同名.txt格式，每行格式为类别索引 x_center y_center width height，坐标均为归一化值，配套data.yaml已配置好类别名称与数量，可直接适配YOLO系列等目标检测框架。
五、数据集核心优势
1. 专注蚊媒行为分析
本数据集以埃及伊蚊吸血行为检测为核心任务，所有图像由实验室级蚊虫行为观察装置采集，聚焦于蚊虫个体及其吸血行为的精准检测。类别设计兼顾个体定位与行为分类，贴合媒介昆虫学研究实际需求，更利于训练出针对蚊虫行为的高精度检测模型。
覆盖行为状态包括：
- 未吸血：停歇、爬行、静息等非吸血状态
- 吸血中：口器刺入、腹部逐渐膨大、持续吸血等
- 个体定位：覆盖所有状态下的蚊虫个体
涵盖蚊虫行为观测的主要研究场景。
2. 贴近昆虫学实验需求
实验室受控光照下的高清近距离拍摄，特点：
- 行为阶段丰富：覆盖蚊虫停歇、爬行、口器刺入、腹部膨大等多种行为阶段
- 姿态多变：不同角度、不同体位、不同活动状态
- 高清细节：近距拍摄，展现吸血行为的关键特征（如腹部膨大变化）
- 受控条件：实验室环境下的标准化采集，光照均匀、背景一致
与昆虫学实验场景高度一致，有效支撑药效评测与行为学高通量分析。
3. 双重任务设计
三类标签的设计使数据集支持双重任务：
- 目标检测任务：使用“蚊虫”类别进行个体定位检测
- 细粒度行为分类任务：使用“吸血中”与“未吸血”进行行为状态区分
同一数据集可同时支撑个体定位、行为分类及联合检测等多种任务类型。
4. 小目标检测挑战
蚊虫目标具有典型的微小尺度特征：
- 尺度小：蚊虫在图像中占比较小
- 姿态多变：不同角度、不同体位下形态变化显著
- 行为特征细微：吸血行为的视觉特征（如腹部膨大）变化精细
- 密集场景：多个蚊虫共存时检测难度增加
对模型的检测能力提出了较高要求，具有良好的算法检验价值。
5. 专业昆虫学标注
由具备昆虫学背景的标注人员完成标注：
- 边界框贴合虫体
- 行为状态判定标准统一
- 蚊虫个体、吸血状态判别规范
- 覆盖不同姿态与行为阶段
有效保证模型训练质量。
6. 大规模高质量样本
约7800张高质量图像，样本量充足，保障模型训练收敛性与泛化能力，覆盖多种姿态与吸血阶段。
7. 即用型数据组织
标准目录结构+精简data.yaml配置，无需复杂预处理，可直接用于模型训练，降低使用门槛。
六、适用场景
蚊媒昆虫行为自动化观测与统计
基于蚊虫个体检测与行为状态识别，实现蚊虫吸血行为的自动计数、时长统计与行为谱分析。
驱避剂、杀虫剂药效实验的客观量化评估
在驱避剂/杀虫剂药效评测实验中，自动统计蚊虫吸血行为发生率，提供客观、量化的药效评估指标。
蚊媒传染病传播风险研究
通过监测蚊虫吸血行为活跃度，辅助评估病原体传播风险与蚊媒疾病流行趋势。
实验室高通量昆虫行为学分析
在昆虫学行为研究中实现高通量、自动化的行为数据采集与分析，大幅提升实验效率。
教学科研
用于小目标检测与细粒度行为识别算法研究等科研场景。
七、适用研究方向
本数据集可广泛应用于以下研究领域：
- 昆虫行为识别与检测研究
- 细粒度行为分类研究（吸血/未吸血状态）
- 小目标检测研究（蚊虫微小目标）
- 媒介昆虫学与虫媒病防控研究
- 驱避剂/杀虫剂药效自动评测研究
- YOLO系列模型优化研究
- 轻量化检测模型与边缘部署研究
- 计算机视觉在昆虫学中的应用研究
- 行为学高通量分析研究
八、总结
埃及伊蚊吸血行为检测数据集包含约7800张高质量标注图像，采用标准YOLO格式构建，专注于蚊虫个体定位与吸血行为状态识别任务。数据集覆盖吸血中、蚊虫、未吸血3类检测目标，具有专业昆虫学标注、行为阶段丰富、小目标检测挑战等特点，可广泛应用于蚊媒昆虫行为观测、药效自动化评测、虫媒病传播风险研究、高通量行为学分析等领域，是开展昆虫行为AI识别算法研发与媒介生物智能监测系统建设的优质数据资源。
