常见的豆类图像数据集用于早期检测豆和豆类炭性疾病
Hudson Laizer1, Neema Mduma2, Dina Machuve3
1Mbeya University of Science and Technology, Department of Natural Sciences, P O Box 131, Mbeya, Tanzania.
Data in brief
|May 22, 2024
概括
一个包含超过59000张普通豆叶图像的新数据集有助于早期发现疾病. 该资源支持机器学习工具,用于打击豆和炭菌,提高坦桑尼亚的作物产量和农民收入.
科学领域:
- 农业科学 农业科学
- 植物病理学 植物病理学
- 计算机科学 计算机科学
背景情况:
- 常见豆对坦桑尼亚农业至关重要,为小农提供蛋白质和收入.
- 豆类生和炭病显著降低了普通豆的产量和经济回报.
- 早期和准确的疾病诊断对于有效的作物管理至关重要.
研究的目的:
- 创建一个标记普通豆叶图像的综合数据集.
- 促进机器学习模型的开发,用于早期发现疾病.
- 为利益相关者提供工具,以便及时干预豆类疾病.
主要方法:
- 使用智能手机摄像头收集了超过59,072张常见豆叶图像.
- 图像捕获了健康和生病的叶子,包括受豆和病影响的叶子.
- 标记了数据集,为机器学习应用提供了有价值的资源.
主要成果:
- 一个大规模的,标记数据集的普通豆叶图像现在可用.
- 该数据集支持开发人工智能驱动的疾病诊断工具.
- 在识别豆和炭毒中提高准确度的潜力.
结论:
- 该数据集是坦桑尼亚推进农业技术的重要资源.
- 从这个数据集开发的机器学习工具可以帮助减轻作物损失.
- 通过疾病管理,加强小农的粮食安全和经济福祉.


