相关实验视频
Updated: Jun 18, 2025
11:02
Fruit Volatile Analysis Using an Electronic Nose
Published on: March 30, 2012
21.3K
户外油棕果成熟度数据集
Zaid Omar1, Anwar P P Abdul Majeed2, Munirah Rosbi1
1Faculty of Electrical Engineering, Universiti Teknologi Malaysia, 81310 UTM Johor Bahru, Malaysia.
Data in brief
|July 29, 2024
概括
这一数据集提供了棕油新鲜果束 (FFB) 图像,用于成熟度检测. 这些数据有助于机器学习,用于自动化FFB分类和改进油棕种植.
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:
- 精确的棕油新鲜果束 (FFB) 分类对于优化油质量和种植实践至关重要.
- 现有的FFB成熟度评估方法往往缺乏全面的,多样化的数据集,特别是在户外,现实世界的条件下.
- 图像处理和机器学习为自动化和客观的FFB评分提供了潜力.
研究的目的:
- 介绍和描述一个新的数据集的棕油新鲜水果束 (FFB) 图像.
- 促进使用图像处理进行FFB成熟度自动检测和分类的研究.
- 支持开发和验证用于户外FFB分级的机器学习模型.
主要方法:
- 收集了来自马来西亚种植园的棕油新鲜水果束 (FFB) 的图像.
- 从不同的角度捕获FFB图像,无论是在树上还是地面上.
- 将FFB图像分为五个成熟度类别:损坏的,空的,未成熟的,成熟的和过度成熟的,用专家的地面真相标签.
主要成果:
- 数据集包含各种FFB图像,详细的成熟度分类.
- 它突出了FFB成熟度的颜色变化和外部特征.
- 为开发和测试用于FFB自动分级的机器学习算法提供了宝贵的资源.
结论:
- FFB图像数据集是推动自动化棕油果分类和分级的重要资源.
- 这一数据集可以开发出可靠的机器学习管道,用于现实世界的户外FFB评估.
- 它有可能改善油棕种植,增加产量和优化油品质.
