无人机（Unmanned Aerial Vehicles，UAV）在农业中的普及使数据收集更加经济实惠，促进了提高农业质量的解决方案的开发。本文提出了一个从无人机在各种环境条件下捕获的航空图像中提取的水稻幼苗数据集。将重点放在用播种方法栽培的水稻幼苗的早期生长阶段，因为这些阶段对建立和生存至关重要，也是终身生长的基础。采用自适应阈值法从航拍图像中分离水稻幼苗。随后根据它们的发芽条件将它们分为三类：单个水稻幼苗，集群水稻幼苗和未定义的物体。通过数据增强一共获得了5364张水稻幼苗的标记图像。该数据集可作为使用机器学习方法评估发芽率和密度的资源。这些评估的结果有助于农民了解秧苗的生长情况，使他们能够监测水稻幼苗生长早期的健康和活力。

图1  数据采集(A)采用无人机技术，在播种法栽培的水稻生长早期进行。与移栽方法(B)相比，播种方法(C)导致植株分布更加异质，特别是水稻幼苗聚集的发生率增加。

图2  越南龙安省水田取样地点。

图3  来自数据集的示例图像展示了三类：单个水稻幼苗，集群水稻幼苗和未定义的对象。

图4  不同光照条件下的航空数据采集：正常光照、背光、暗背景、水下。

图5  利用自适应阈值法对不同光照条件下的水稻幼苗区域图像进行提取：背光、正常光照、暗背景和水下。

图6  不同光照条件下水稻播种检测与提取实例。(A)正常光。(B)背光，水下。(C)深色背景。

图7  对单株水稻幼苗(A)和聚类水稻幼苗(B)的原始图像进行数据增强，以提高数据集的随机性。