NWRD数据集:一个开源的,注释的细分数据集,对患病的小麦作物进行分析
Hirra Anwar1, Saad Ullah Khan2, Muhammad Mohsin Ghaffar3
1School of Mechanical and Manufacturing Engineering, National University of Sciences & Technology, Islamabad 44000, Pakistan.
Sensors (Basel, Switzerland)
|August 12, 2023
概括
这项研究引入了一个新的数据集,用于使用人工智能检测小麦条纹病. 开发的方法在准确细分患病地区方面表现有前途,有助于可持续的农业实践.
科学领域:
- 农业科学 农业科学
- 计算机科学 计算机科学
- 植物病理学 植物病理学
背景情况:
- 小麦条纹病 (WRD) 通过降低作物产量,对全球粮食安全构成重大威胁.
- 对于大规模的小麦田,手动检查WRD是低效和劳动密集的.
- 对特定作物疾病的数据稀缺性阻碍了有效的人工智能 (AI) 和深度学习 (DL) 模型的开发.
研究的目的:
- 为了应对WRD检测数据稀缺的挑战.
- 开发一个语义细分数据集,用于精确识别小麦作物的病变区域.
- 通过限制杀真菌剂的应用来实现有针对性的治疗和促进可持续农业.
主要方法:
- 介绍NUST小麦病 (NWRD) 数据集,包括手动注释的多叶图像.
- 在不同的照明和背景条件下收集和预处理图像.
- 应用UNet语义细分模型与自适应补丁与反 (APF) 技术相结合.
主要成果:
- NWRD数据集促进了语义细分,用于估计WRD传播.
- 带有APF的UNet模型实现了0.506的精度,0.624的召回,以及生类的F1得分0.557.
- 证明了人工智能驱动的语义细分对于有针对性的疾病管理的可行性.
结论:
- NWRD数据集是推进基于人工智能的作物疾病检测的宝贵资源.
- 联网和APF的方法显示了准确和高效的小麦病细分的潜力.
- 这项研究支持环境友好的农业,因为它可以准确地应用治疗方法.


