一个全面的标准化数据集,涵盖许多石榴果病,用于深度学习
相关实验视频
Updated: Jun 22, 2025
13:19
Deep Neural Networks for Image-Based Dietary Assessment
Published on: March 13, 2021
9.0K
Pakruddin B1,2, Hemavathy R1
1Department of Computer Science & Engineering, R.V. College of Engineering, Visvesvaraya Technological University, Belagavi 590018, India.
Data in brief
|July 4, 2024
概括
研究人员创建了一个新的,公开可用的数据集,包括5099个石榴图像,以改进机器学习模型用于检测水果疾病. 这一数据集有助于准确地分类诸如细菌瘟疫和人类病等疾病.
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:
- 使用计算机视觉检测石榴病因数据稀缺而具有挑战性.
- 现有的农业数据集不足以训练准确的机器学习模型.
- 机器学习和深度学习在现代农业中越来越重要.
研究的目的:
- 开发一套全面的,公开可访问的石榴果病图像数据集.
- 解决目前用于培训农业计算机视觉模型的数据集的局限性.
- 促进自动化疾病识别研究,以提高作物产量.
主要方法:
- 收集并策划了5099张健康和生病的石榴水果的图像.
- 从2023年7月到10月在不同地点捕获的图像.
- 将图像分为五个类别:健康,细菌污染,,Cercospora果斑和Alternaria果斑.
主要成果:
- 成功创建了一个5099个石榴果实图像的标记数据集.
- 数据集被组织成五个不同的文件,代表每个疾病类别.
- 该数据集为机器学习和深度学习在农业中的应用提供了宝贵的资源.
结论:
- 新的数据集对于开发强大的计算机视觉模型来检测石榴疾病至关重要.
- 这个资源可以提高自动化农业诊断的准确性和效率.
- 该数据集有可能有助于全球增加石榴产量.
