在不受控制的环境中对马叶病的新型数据集
Nabila Husna Shabrina1, Siwi Indarti2, Rina Maharani2
1Department of Computer Engineering, Universitas Multimedia Nusantara, Tangerang 15111, Banten, Indonesia.
Data in brief
|December 21, 2023
概括
研究人员开发了一个新的土豆叶病数据集,以提高识别准确度. 这一数据集在现实环境下捕获,有助于机器学习模型更有效地检测各种土豆疾病.
科学领域:
- 农业科学 农业科学
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 马作物至关重要,但容易受到害虫和疾病的影响,造成经济损失.
- 目前的疾病识别依赖于图像处理和机器学习,但现有的数据集缺乏现实世界的多样性.
- 通常使用的PlantVillage数据集可能无法准确地代表各种现场条件.
研究的目的:
- 引入一种新的,多样化的数据集,用于识别马叶病.
- 通过包括不受控制的环境变量来克服现有数据集的局限性.
- 提高自动化土豆疾病检测系统的准确性和稳定性.
主要方法:
- 创建了一个新数据集,包含3076张土豆叶子图像.
- 图像是在不受控制的环境中拍摄的,背景和角度各不相同.
- 数据集被分为七个类别:病毒,细菌,真菌,害虫,植物,线虫和健康的叶子.
主要成果:
- 拟议的数据集比以前的数据集更具可变性.
- 它包括各种现实世界的条件,改善了土豆疾病的表现.
- 促进更准确的机器学习模型的培训和验证,用于疾病识别.
结论:
- 一个全面的数据集对于推进马叶病的识别至关重要.
- 这一新型数据集为开发强大的人工智能驱动的农业解决方案提供了更现实的基础.
- 该资源将帮助研究人员创建更准确,更可靠的害虫和疾病检测工具.
