:一个色的Citrus sinensis叶的数据集,用于使用图像分析技术检测异常
Wilfrido Gómez-Flores1, Juan José Garza-Saldaña2, Sóstenes Edmundo Varela-Fuentes2
1Centro de Investigación y de Estudios Avanzados del Instituto Politécnico Nacional, Ciudad Victoria, Tamaulipas, Mexico.
Data in brief
|December 14, 2023
概括
这项研究引入了953张叶图像的新数据集,以训练人工智能检测12种类疾病和营养不足. 这项技术有助于种植者减少作物损失,提高类产品的生产质量.
科学领域:
- 农业科学 农业科学
- 计算机视觉 计算机视觉
- 植物病理学 植物病理学
背景情况:
- 由于真菌,细菌和病毒性疾病,果生产面临重大经济损失.
- 种植者需要先进的技术解决方案,以早期发现和管理疾病.
研究的目的:
- 提供一个全面的数据集,用于开发和验证病检测算法.
- 支持创建用于识别类植物异常的自动化方法.
主要方法:
- 收集了953张色叶子 (Citrus sinensis) 的彩色图像.
- 数据集包括12种不同的营养缺陷和疾病.
- 图像适合用于训练和测试图像分析算法.
主要成果:
- 该数据集为农业中的机器学习模型提供了宝贵的资源.
- 促进了类异常检测系统的比较和验证.
- 能够开发用于精准农业的AI驱动工具.
结论:
- 开发的数据集对于推进自动化病诊断至关重要.
- 由此数据集驱动的图像分析技术可以显著减少对果种植的经济影响.
- 通过技术创新促进可持续和高效的生产.


