相关实验视频
Updated: Jun 5, 2025
13:19
Deep Neural Networks for Image-Based Dietary Assessment
Published on: March 13, 2021
9.0K
一个新的数据集,注释的图像与环境背景,用于机器学习应用程序
Sonay Duman1,2, Abdullah Elewi1, Abdulsalam Hajhamed3
1Computer Engineering Department, Mersin University, 33343 Mersin, Turkey.
Data in brief
|December 6, 2024
概括
创建了一个新数据集,包含超过16000张注释的图像和环境数据,以改进智能养殖的机器学习模型. 这个资源有助于开发先进的计算机视觉和人工智能来应对种植挑战.
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:
- 由于大小,形状和表面的变化,自动化系统在分析中面临着挑战.
- 高质量的标记数据集对于智能农业中的有效机器学习至关重要.
- 现有的数据集可能无法捕捉菌种植条件的全部范围.
研究的目的:
- 引入一种新的,全面的数据集,用于菌种植.
- 促进用于智能养殖的先进机器学习模型的开发.
- 支持计算机视觉,人工智能和精准农业方面的研究.
主要方法:
- 从温室环境中的两个摄像头收集了555张高质量的原始图像.
- 手动注释了大约16000张图像,捕捉了各种各样的形状和成熟阶段.
- 记录同步的环境参数 (温度,湿度等). 除了视觉数据之外.
主要成果:
- 一个独特的数据集,结合了的视觉和环境时间点数据.
- 将数据组织成四个不同的文件:原始图像,标签,成熟度标签和传感器数据.
- 数据集为开发可靠的预测和分类模型提供了基础.
结论:
- 这一数据集显著提升了人工智能驱动菌种植的潜力.
- 它使研究人员能够构建更准确的机器学习模型,用于产量预测和质量控制.
- 数据集的应用扩展到更广泛的领域,如机器人,精准农业和一般的真菌研究.
