TOM2024:用于开发害虫和疾病的西红,洋和玉米图像数据集基于AI的分类模型

科学领域:

• 农业科学 农业科学
• 计算机视觉 计算机视觉
• 数据科学数据科学数据科学

背景情况:

• 数字技术已经推进了植物害虫和疾病管理,但仍然存在重大差距,特别是在发展中国家.
• 现有的数据集往往缺乏强大的AI模型培训所需的全面覆盖和高分辨率图像.
• 准确识别农作物害虫和疾病对于可持续农业和粮食安全至关重要.

研究的目的:

• 介绍TOM2024数据集,这是一个新的,高分辨率的图像集合,用于在玉米,西红和洋作物中识别害虫和疾病.
• 提供具有多样化的环境条件和作物阶段的综合资源,以支持AI模型开发和验证.
• 解决现有数据集中的关键缺口,以促进精准农业的发展.

主要方法:

• 通过布基纳法索的实地工作收集了25844张原始和超过12,000张标记的高分辨率图像.
• 将图像分为30个类别,包括健康的作物,受感染的作物以及影响玉米,西红和洋的特定害虫/疾病.
• 将数据集细分为处理图像 (A类),增强图像 (B类) 和原始图像存储库 (C类).

主要成果:

• TOM2024数据集包含25844个原始图像和超过12000个标记图像,分别分布在30个类别.
• 包括在各种环境条件和作物阶段受到21种不同的害虫和疾病影响的作物的图像.
• 为人工智能模型培训,验证,研究和教育提供了一种多功能资源.

结论:

• TOM2024数据集显著提高了关键作物中人工智能驱动的害虫和疾病识别.
• 它是开发人工智能模型,促进精准农业和改善可持续农业实践的宝贵工具.
• 通过实现更有效和高效的作物管理策略,为全球粮食安全做出贡献.