相关实验视频
Updated: May 24, 2025
08:14
LeafJ: An ImageJ Plugin for Semi-automated Leaf Shape Measurement
Published on: January 21, 2013
28.3K
一个全面的图像数据集用于识别茄子叶病和计算机视觉应用程序的识别
Shakib Howlader1, Md Sabbir Ahamed1, Mayen Uddin Mojumdar1
1Multidisciplinary Action Research Lab, Department of CSE, Daffodil International University, Daffodil Smart City, Birulia, Dhaka 1216, Bangladesh.
Data in brief
|March 3, 2025
概括
这个数据集提供了4,089个被标记的茄子叶病的图像,帮助自动检测. 它支持植物病理学和精准农业的研究,以改善作物管理.
科学领域:
- 农业科学 农业科学
- 计算机视觉 计算机视觉
- 植物病理学 植物病理学
背景情况:
- 自动检测茄子疾病对于可持续农业至关重要.
- 现有的数据集可能缺乏多样性或全面的标签,以进行强大的模型培训.
研究的目的:
- 引入一个高分辨率,精心标记的茄子叶病数据集.
- 促进机器学习模型的开发,用于疾病的早期检测和分类.
主要方法:
- 收集了4089张茄子叶子的图像,分布在不同的位置和照明条件.
- 将图像分为六个类别:健康,昆虫害虫,叶子斑,马赛克病毒,白色菌和菌.
- 通过手动标签,预处理和一致的白色背景摄影来确保数据质量.
主要成果:
- 一个全面的数据集,平衡地代表了健康和生病的叶子.
- 高分辨率的图像在受控但不同的现实世界条件下捕获.
- 数据集很容易用于农业中的机器学习应用.
结论:
- 该数据集是推动自动化茄子疾病检测的宝贵资源.
- 它支持植物病理学,精准农业和疾病预测方面的研究.
- 免费可用性促进了农业技术和作物管理方面的创新.
