基于YOLOv5的极地科考动物追踪系统设计与实现

🧊一、项目背景与意义

极地作为地球上最为寒冷、生态最为特殊的区域，其生态系统对全球气候变化具有显著的响应作用。监测极地动物的活动轨迹和行为模式，对于研究全球变暖、生物多样性保护和生态链变化具有重要意义。

传统的极地科考工作成本高、效率低、危险性大，而借助深度学习视觉技术，可实现远程、自动化、全天候的动物追踪系统，提高科研效率和安全性。

---

🛠️二、技术方案总览

组件	技术
目标检测	YOLOv5（PyTorch）
UI界面	PyQt5
数据集	自建+参考数据集（如Seal Dataset、Penguins Dataset）
模型部署	ONNX导出+PyTorch推理
视频/图像源	实时摄像头流 / 无人机拍摄 / 卫星图像

---

📚三、数据集介绍

3.1 数据来源

以下是公开可用于极地动物检测任务的参考数据集：