来自喀麦隆的注释非洲梅图像的数据集,用于基于AI的质量评估
Arnaud Nguembang Fadja1, Armel Gabin Fameni Tagni2, Sain Rigobert Che3
1Department of Engineering, University of Ferrara, Italy.
Data in brief
|February 24, 2025
概括
本研究介绍了第一个注释图像数据集,用于非洲梅的质量评估,这对于开发人工智能工具至关重要. 该资源有助于自动检测缺陷和精准农业的质量分级.
科学领域:
- 农业科学 农业科学
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 非洲梅在许多地区都是重要的作物,但缺乏标准化的质量评估方法.
- 现有的质量控制依赖于手动检查,这耗时且主观.
- 农业越来越需要自动化解决方案来提高效率和一致性.
研究的目的:
- 引入第一个全面的,注释图像数据集,用于非洲梅的质量评估.
- 促进人工智能 (AI) 和计算机视觉模型的开发,用于自动化质量分级.
- 支持用于代表性不足的作物精准农业的进步.
主要方法:
- 在喀麦隆收集并注释了4507张非洲梅的图像数据集.
- 图像是用智能手机在自然照明下拍摄的,并由农业专家标记.
- 数据集被分为六个质量级别:未受影响,伤,破裂,腐烂,斑点和未成熟.
主要成果:
- 建立了一个高精度的注释数据集,包含4507张非洲梅的图像.
- 数据集涵盖了各种质量等级,从最佳到各种缺陷和成熟度等级.
- 该数据集适用于训练和验证计算机视觉和深度学习模型.
结论:
- 开发的数据集是人工智能驱动的非洲梅的质量评估的宝贵资源.
- 这项工作可以创建用于实时分类和缺陷检测的自动化工具.
- 它促进精准农业,并支持非洲梅的商业化,特别是在发展中国家.
