一个广泛的现实世界的田间番茄图像数据集,涉及成熟度分类和新鲜和缺陷番茄的识别
Tania Khatun1, Abdur Razzak1, Md Shofiul Islam1
1Department of Computer Science and Engineering, Daffodil International University, Dhaka, Bangladesh.
Data in brief
|November 3, 2023
概括
创建了一个新的高分辨率番茄图像数据集,以提高农业效率. 本资源支持计算机视觉应用程序,用于自动收获和番茄生产的质量评估.
科学领域:
- 农业科学 农业科学
- 计算机视觉 计算机视觉
- 数据科学数据科学数据科学
背景情况:
- 番茄是全球重要的作物,因用途和营养价值而受到重视.
- 目前的番茄生产依赖于劳动密集型方法来评估成熟度,收获和分类.
- 传统实践中的低效率阻碍了经济可行性和可扩展性.
研究的目的:
- 为了介绍一个全面的数据集的高分辨率的番茄图像.
- 促进计算机视觉和深度学习在番茄农业中的应用.
- 为了支持番茄生产中关键任务的自动化.
主要方法:
- 在八个月内收集了大量的番茄图像数据集.
- 在孟加拉国达卡的Sher-E-Bangla农业大学的示范田中拍摄的图像.
- 数据集包括各种成熟阶段和新鲜和有缺陷的西红的例子.
主要成果:
- 现在可以获得一套精心策划的高分辨率番茄图像数据集.
- 该数据集为开发人工智能驱动的农业解决方案提供了坚实的基础.
- 能够研究自动化的番茄收获,质量分级和包装.
结论:
- 开发的番茄图像数据集是孟加拉国农业研发的宝贵资源.
- 利用这一数据集可以显著提高番茄生产的效率和自动化.
- 促进先进技术在农业领域的整合.
