来自孟加拉国田杂草检测的综合数据集
Md Sawkat Ali1, Mohammad Rifat Ahmmad Rashid1, Tasnim Hossain2
1Department of Computer Science and Engineering, East West University, Dhaka, Bangladesh.
Data in brief
|February 17, 2025
概括
一个由3632张高分辨率图像组成的新数据集有助于识别11种常见的田杂草. 这支持开发机器学习模型,以更好地控制杂草和提高作物质量.
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:
- 田中的杂草会降低作物质量,增加生产成本.
- 手动除草是劳动密集型和不断发展的农业实践寻求技术解决方案.
- 深度学习和机器学习为自动化杂草识别提供了潜力.
研究的目的:
- 开发一个全面的数据集,用于训练机器学习模型,用于在田中检测杂草.
- 为了促进大米作物和常见杂草物种之间的差异化.
- 支持精准农业的发展,以种植大米.
主要方法:
- 创建了一个由3632个高分辨率RGB图像组成的数据集.
- 图像捕捉了在米种植环境中发现的11种常见杂草物种.
- 数据集中在多样性上,以确保模型的通用性.
主要成果:
- 已经建立了一个适合机器学习应用的多样化,高质量的数据集.
- 该数据集可以训练用于准确识别杂草物种的模型.
- 记录的杂草物种在全球大米种植地区普遍存在.
结论:
- 开发的数据集对于推进大米种植中的自动化杂草管理至关重要.
- 高质量的图像数据对于深度学习和机器学习在农业中的有效性至关重要.
- 这种资源可以增强智能系统的开发,以实现可持续的水生产.
