RoseLeafInsight:バラ葉病の認識のための高解像度の画像データセット
Arnob Das Shacha1, Sabbir Hossain Durjoy1, Md Emon Shikder1
1Department of Computer Science and Engineering, Daffodil International University, Daffodil Smart City, Birulia, Dhaka 1216, Bangladesh.
Data in brief
|September 2, 2025
まとめ
この研究では,人工知能を駆使した精密農業を通じて,早期発見と管理,作物収穫の改善,経済的損失の削減を助けるための新しいバラ葉病のデータセットを導入しています.
科学分野:
- 農業科学
- コンピュータ科学
- 人工知能
背景:
- バングラデシュの経済にはバラの栽培が不可欠ですが 葉の病気により収穫量と農家の収入が低下する恐れがあります
- 農家の教育や専門家へのアクセスが 限られているため 病気の早期発見と介入が困難です
- 既存の課題には 農薬耐性やバラ生産に影響を与える 自然要因が含まれます
研究 の 目的:
- 病気の追跡,診断,研究を強化するための包括的なバラ葉病データセットを提示する.
- ローズの病気を早期発見するための高精度機械学習モデルの開発を促進する.
- 改良された作物管理のためのAI主導の洞察を通じて精密農業を支援する.
主な方法:
- 2024年10月から2025年1月まで,ローズ葉の高品質な画像を収集するために大規模なフィールド調査を実施しました.
- ブラックスポット,虫穴,黄色いモザイクウイルス,健康的な4つのクラスで 3,228画像のデータセットを作成しました.
- 画像のプリプロセッシング (3000×3000サイズ) と拡張技術 (回転,反転など) データセットの質とモデルの一般化を向上させる.
主要な成果:
- データセットには3,228枚の画像が含まれています. 409枚のブラックスポット, 453枚の虫穴, 680枚のイエローモザイクウイルス,1686枚の健康画像です.
- MobileNetV2による初期試験では,バラ葉の病気の分類に96.79%の精度を達成しました.
- このデータセットは,自動化されたモニタリングのためのディープラーニングモデルのトレーニングのベンチマークとして機能します.
結論:
- 開発されたバラ葉病のデータセットは,農業におけるAI駆動の病気検出を進めるために不可欠です.
- このリソースは 早期診断のための 効果的な機械学習モデルの作成を可能にし 農家に適時な介入を可能にします
- ドローンなどの農業機器と統合することで 精密農業におけるリアルタイム監視と意思決定が強化され よりスマートで効率的な農業が生まれます


