相关实验视频
Updated: Jun 4, 2025

05:07
Assessing the Particulate Matter Removal Abilities of Tree Leaves
Published on: October 7, 2018
6.7K
亚洲的数据集可以用于质量评估和机器学习应用程序
Rohini Jadhav1, Mayuri Molawade1, Amol Bhosle2
1Bharati Vidyapeeth (Deemed to be University) College of Engineering, Pune, India.
Data in brief
|December 17, 2024
概括
创建了一个 Centella asiatica 叶片图像的新数据集,以改善草药的质量控制. 这个机器学习资源有助于识别传统医学应用的叶子健康状况.
科学领域:
- 民族植物学和药物鉴定学
- 计算机视觉和机器学习
背景情况:
- 亚洲 (Centella asiatica) 是传统医学的重要药用草本,其关键的治疗化合物是三类沙素.
- 确保Centella asiatica叶子的质量对于有效的草药制剂至关重要.
研究的目的:
- 为机器学习应用开发Centella asiatica叶的全面图像数据集.
- 为了促进自动化质量控制和亚洲菌的健康评估.
主要方法:
- 通过使用手机收集了9094张Centella asiatica叶子的图像.
- 将图像分类为"干燥"",健康"和"不健康"状态,并对单/多叶和视图进行进一步的分类.
- 标准化图像到1024 × 768维度用于数据集创建.
主要成果:
- 成功生成了9094张图像的多样化数据集,这些图像代表了Centella asiatica叶子的各种状态.
- 该数据集为培训和评估图像识别算法提供了基础资源.
结论:
- 开发的数据集对于在草药质量控制领域推进计算机视觉研究至关重要.
- 该资源支持对图像分类和对象检测算法的验证,帮助民族药理学研究.

