BIOSCAN-5M est un ensemble de données complet et multimodal sur la biodiversité des insectes proposé par le Centre de génomique de la biodiversité, l'Université de Guelph, l'Université de Waterloo, l'Université Simon Fraser, le Vector Institute, l'Alberta Machine Intelligence Institute (Amii), l'Université d'Aalborg et le Pioneer Centre for AI en 2024 pour comprendre et surveiller la biodiversité mondiale des insectes. Les résultats pertinents de l'article sontBIOSCAN-5M : un ensemble de données multimodales pour la biodiversité des insectes".

L'ensemble de données contient des informations détaillées sur plus de 5 millions de spécimens d'insectes, élargissant considérablement les ensembles de données biologiques basés sur des images existants. Il comprend non seulement des étiquettes de classification, des séquences de codes-barres nucléotidiques brutes, des numéros d'index de codes-barres attribués et des informations géographiques, mais également des informations multimodales telles que la taille de l'échantillon.