在果园中检测物体的火灾信号症状的注释图像数据集
Virginia Maß1, Pendar Alirezazadeh1, Johannes Seidl-Schulz2
1Leibniz Institute for Agricultural Engineering and Bioeconomy, Department Agromechatronics, Potsdam, Germany.
Data in brief
|September 11, 2024
概括
一个名为ERWIAM的新数据集提供了1611张注释的RGB图像,用于果园中数字火灾 (Erwinia amylovora) 监测. 该资源有助于研究人员开发先进的植物疾病检测系统,以改善水果生产健康.
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
- 数字农业 数字农业
背景情况:
- 火灾 (Erwinia amylovora) 对水果生产构成重大威胁,导致疫情蔓延和经济损失巨大.
- 有效的植物疾病控制需要在监测系统中增强空间和时间分辨率.
- 数字监测系统提供了一种有希望的方法,以提高果园中植物疾病管理的效率.
研究的目的:
- 使用RGB图像开发用于防火的数字疾病监测系统.
- 创建和呈现ERWIAM数据集,这是培训和验证植物疾病检测算法的宝贵资源.
- 为了促进早期检测和制果园中的Erwinia amylovora感染.
主要方法:
- 在2021年至2024年期间,在不同天气条件下的九个日期收集RGB图像数据.
- 从各种果基因型中获取图像,包括品种,野生物种和繁殖后代,人工接种了Erwinia amylovora.
- 使用计算机视觉注释工具 (CVAT) 在YOLO 1.1格式中手动注释火灾症状 (芽,花,叶) 和其他植物疾病.
主要成果:
- 埃尔维亚数据集包括1611个手动标记的RGB图像 (1280x1280像素) 的火灾症状和87个背景图像.
- 附注包括各种发育阶段的火灾炎症症状以及其他植物疾病的边界框.
- 该数据集的结构用于开发和测试数字植物疾病监测系统.
结论:
- ERWIAM数据集为植物疾病数字监测领域的研究人员和开发人员提供了全面的资源.
- 这一数据集可以大大促进火灾和其他植物疾病的自动检测系统的进步.
- 利用这些数据集对于改善早期感染检测和减轻水果生产的经济损害至关重要.
更多相关视频
11:37RGB and Spectral Root Imaging for Plant Phenotyping and Physiological Research: Experimental Setup and Imaging Protocols
Published on: August 8, 2017
16.2K
09:31Author Spotlight: High-Throughput In Vivo Leaf Inoculation for Accelerating Disease Resistance Screening in Poplar Hybrid Breeding
Published on: September 20, 2024
609
