BAU-Insectv2:用于深度学习和生物医学图像分析的农业植物昆虫数据集
Imrus Salehin1,2, Mahbubur Rahman Khan3,4, Ummya Habiba5
1Department of Computer Engineering, Dongseo University, 47 Jurye-ro, Sasang-gu, Busan, 47011, Republic of Korea.
Data in brief
|February 8, 2024
概括
一个新的农业数据集,BAU-Insectv2,有助于深度学习进行植物昆虫相互作用分析. 本资源支持南亚农业中先进的害虫管理和生物医学图像分析.
科学领域:
- 农业科学 农业科学
- 计算机视觉 计算机视觉
- 生物医学图像分析
背景情况:
- 植物与昆虫的相互作用对于农业生态系统和害虫管理至关重要.
- 准确识别和分析昆虫对于作物保护至关重要.
- 现有的数据集可能缺乏高级深度学习模型所需的多样性和分辨率.
研究的目的:
- 推出BAU-Insectv2,一个新的,高分辨率的农业数据集,用于深度学习.
- 为了促进精确的昆虫检测,分类和模式分析植物昆虫相互作用.
- 支持农业害虫管理和跨学科生物医学图像分析方面的研究.
主要方法:
- 开发BAU-Insectv2数据集,提供各种高分辨率图像.
- 应用深度学习方法,包括卷积神经网络 (CNN).
- 使用先进的图像分析技术进行昆虫识别和模式识别.
主要成果:
- BAU-Insectv2数据集为开发和验证人工智能模型提供了坚实的基础.
- 证明了对各种植物昆虫的准确识别和分析的潜力.
- 能够探索农业生态系统中的植物-昆虫动态.
结论:
- BAU-Insectv2显著提升了人工智能驱动的农业害虫管理的潜力.
- 该数据集促进了农业和生物医学图像分析之间的跨学科研究.
- 促进对南亚作物种植中昆虫相关问题的更好理解.
