综合智能智能手机图像数据集用于检测植物叶病和评估孟加拉国蔬菜田的新鲜度
Mahamudul Hasan1, Raiyan Gani1, Dr Mohammad Rifat Ahmmad Rashid1
1Department of Computer Science and Engineering, East West University, Aftabnagar, Dhaka, Bangladesh.
Data in brief
|September 2, 2024
概括
这项研究引入了来自孟加拉国的12,643张蔬菜叶子图像的数据集,以帮助早期检测常见的植物疾病. 这种工具有助于农民识别问题,改善作物产量和国家粮食经济.
科学领域:
- 农业科学 农业科学
- 植物病理学 植物病理学
- 计算机视觉 计算机视觉
背景情况:
- 蔬菜种植对孟加拉国的粮食安全,经济和营养至关重要.
- 植物叶病显著降低作物产量和质量,给农民造成经济损失.
- 对孟加拉国的许多农民来说,准确和早期的疾病识别是具有挑战性的.
研究的目的:
- 来自孟加拉国的生病和健康的蔬菜叶子开发一个全面的数据集.
- 促进早期检测和识别影响关键作物的常见植物病.
- 支持农民和农业研究人员改善作物管理和生产.
主要方法:
- 收集并策划了一套包含12,643张蔬菜叶子图像的数据集.
- 包括苦,瓶,茄子,白菜,黄瓜和西红的图像.
- 确保了影响这些作物的常见疾病的代表性.
主要成果:
- 该数据集包括六种主要蔬菜类型的健康和病变叶子的图像.
- 对于苦瓜 (2223),瓶 (1803),茄子 (2944),白菜 (1598),黄瓜 (1626) 和西红 (2449) 提供了特定的图像计数.
- 该数据集可以区分健康和不健康的蔬菜叶子.
结论:
- 开发的图像数据集是识别孟加拉国早期植物叶病的宝贵资源.
- 这种资源可以显著帮助农民及时管理疾病,从而提高蔬菜生产.
- 该数据集支持农业研究和自动化疾病检测系统的开发.
