一个全面的棉花叶病数据集,用于增强检测和分类

科学领域:

• 农业科学 农业科学
• 计算机科学 计算机科学
• 数据科学数据科学数据科学

背景情况:

• 准确的棉花疾病鉴定对于有效的作物管理和产量保存至关重要.
• 现有的方法通常依赖于手动检查,这耗时且容易出现错误.
• 开发强大的数据集对于推进自动化疾病检测技术至关重要.

研究的目的:

• 为农业研究引入一套关于棉花叶病的综合数据集.
• 为了使机器学习模型的开发和基准测试能够用于自动检测疾病.
• 通过改善疾病监测和管理,支持精准农业倡议.

主要方法:

• 从2023年10月到2024年1月进行了现场调查,以在各种条件下精心捕捉图像.
• 创建了一个包含2137个原始和7000个增强图像的数据集,分为八个类别.
• 使用Inception V3模型来评估数据集在疾病检测方面的有效性.

主要成果:

• 发明V3模型在分类棉花叶病方面取得了96.03%的高整体准确性.
• 该数据集显示了用于自动监控的深度学习模型培训的巨大潜力.
• 这些发现强调了数据集在促进及时干预和有针对性的治疗方面的实用性.

结论:

• 开发的棉花叶病数据集是推动农业自动检测疾病的宝贵资源.
• 这种资源支持精准农业,通过早期诊断,减少化学品的使用和提高作物产量.
• 该数据集有助于全球努力开发抗病棉花品种和可持续农业实践.