一个全面的数据集的西红叶图像用于疾病分析在孟加拉国
Mangsura Kabir Oni1, Tabia Tanzin Prama1
1Jahangirnagar University, Dhaka 1342, Bangladesh.
Data in brief
|February 20, 2025
概括
来自孟加拉国的1028张西红叶图像的新数据集有助于开发用于识别昆虫损害和疾病的AI模型. 该资源支持改善作物健康管理和为这一重要作物制定农业战略.
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
背景情况:
- 番茄种植对孟加拉国经济至关重要,叶子对植物健康和产量至关重要.
- 番茄植物容易受到各种生物和非生物压力,特别是叶病,影响生产.
- 有效的管理策略需要了解叶子的健康状况,并开发用于早期检测损伤和疾病的工具.
研究的目的:
- 来自孟加拉国的健康和生病的番茄叶子创建一个全面的,注释数据集.
- 促进用于自动化番茄植物健康评估的先进计算模型的开发.
- 支持植物病理学和农业技术的研究,以改善作物管理.
主要方法:
- 在孟加拉国收集了1,028张西红叶 (Solanum lycopersicum) 的图像.
- 在不同条件下 (背景,角度,照明) 从2024年2月的两个不同花园捕捉到的图像.
- 精确注释每个图像,以区分健康的叶子区域和受病或受昆虫破坏的区域.
主要成果:
- 一个数据集包括482个健康的和546个患病的西红叶图像.
- 数据集具有复杂的背景图像,不同的角度和不同的照明条件.
- 标注精确地划分每个图像中的健康和病态区域.
结论:
- 开发的数据集是农业科学和人工智能研究人员和学生的宝贵资源.
- 它可以训练和验证机器学习模型,用于早期检测番茄中的疾病和害虫.
- 这有助于提高孟加拉国和全球的番茄生产效率和可持续性.
