機械学習による病気検出のための包括的な米の葉のデータセット

科学分野:

• 農業科学
• コンピュータ・ビジョン
• 植物病理学

背景:

• 米は世界の人口の大部分にとって 主要な食材です
• 農作物の収穫を維持し,食糧安全保障を確保するには,米の病気を正確に及ばなく検出することが不可欠です.
• 現存するデータセットは,現実世界の状態や病気の多様性を完全に反映していない可能性があります.

研究 の 目的:

• 米の葉の画像の包括的なデータセットを導入する.
• 自動化された米病の特定のための機械学習モデルの開発を容易にする.
• 病気の早期発見を通じて持続可能な農業の実践を支援する.

主な方法:

• BRRIから2,753枚のオリジナルライス葉の画像を集め 様々な環境条件を捉えました
• データの拡張技術 (回転,スケーリング,明るさ,リッピング) を適用して,16247の拡張画像を作成しました.
• 7つのカテゴリーで病気の正確な分類のために,農学専門家の専門的な注釈を保証します.

主要な成果:

• 7つの疾患クラスと健康なサンプルをカバーする19,000の画像 (2,753のオリジナル,16,247の拡張) のデータセット.
• スマートフォンのカメラで撮った写真は 現実のシナリオを反映しています
• 専門家の注釈は,モデルのトレーニングと検証のための信頼性の高い事実を提供します.

結論:

• このデータセットは,米病の検出のための強力なAIモデルを訓練するための貴重なリソースです.
• 早期発見は作物の管理を大幅に改善し,収穫の損失を減らすことができます.
• この作業は,技術的進歩を通じて米に依存する地域における食糧安全保障の強化に貢献します.