一个本土数据集用于检测和分类果叶病
Arshad Ahmad Yatoo1, Amit Sharma1
1School of Computer Applications, Lovely Professional University, India.
Data in brief
|February 21, 2024
概括
这项研究引入了用于检测果树疾病的新数据集. 该数据集是从克什米尔山谷的图像中构建的,可以帮助深度学习模型准确地分类疾病.
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:
- 果树的疾病显著影响水果的质量和市场价值.
- 手动检测疾病的方法是劳动密集型的,主观的,容易出现不准确.
- 使用深度学习自动检测疾病需要大量高质量的数据集.
研究的目的:
- 为果树疾病的检测和分类开发一个本土数据集.
- 解决对训练农业深度学习模型的强大数据集的需求.
- 提高果病管理的准确性和效率.
主要方法:
- 收集了来自克什米尔山谷果种植田的图像.
- 专家对收集的图像进行了清洁和注释.
- 应用数据增强技术来提高数据集的大小和质量.
主要成果:
- 成功创建了一个新的,专家注释的果树疾病数据集.
- 该数据集的准备是为了减轻深度学习模型中的过度匹配.
- 该数据集支持自动化,准确的疾病识别.
结论:
- 开发的数据集对于推进自动化果病检测至关重要.
- 这一资源将有助于制定更有效的疾病管理策略.
- 本土数据集有助于该地区的精准农业.
更多相关视频
11:30Unravelling the Function of a Bacterial Effector from a Non-cultivable Plant Pathogen Using a Yeast Two-hybrid Screen
Published on: January 20, 2017
11.6K
09:23Specific and Accurate Detection of the Citrus Greening Pathogen Candidatus liberibacter spp. Using Conventional PCR on Citrus Leaf Tissue Samples
Published on: June 29, 2018
7.7K
