相关实验视频
Updated: May 23, 2025
08:14
LeafJ: An ImageJ Plugin for Semi-automated Leaf Shape Measurement
Published on: January 21, 2013
28.3K
图像数据集用于将瓜果和叶子中的疾病分类
Montasir Rahman Shihab1, Nafiu Islam Saim1, Mayen Uddin Mojumdar1
1Multidisciplinary Action Research Laboratory, Department of Computer Science and 8 Engineering, Daffodil International University, Birulia, Dhaka 1216, Bangladesh.
Data in brief
|March 12, 2025
概括
这项研究介绍了一套用于使用机器学习检测瓜疾病的数据集. 它有助于早期发现疾病,提高作物产量和促进可持续农业.
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:
- 瓜 (Psidium guajava) 是孟加拉国重要的热带水果作物,易受许多影响产量和质量的疾病.
- 有效的疾病管理对于保护瓜的经济和营养价值至关重要.
- 需要自动化疾病检测系统来应对识别瓜果和叶子感染的挑战.
研究的目的:
- 为开发用于检测瓜病的机器学习模型提供一个全面的数据集.
- 为了促进早期和准确的识别各种瓜子果实和叶子疾病.
- 通过技术干预,支持推进可持续农业实践.
主要方法:
- 这项研究使用了一组数据集,其中包括3432张健康和患病的瓜果和叶子的真实图像.
- 数据集增加到包括20344张图像,增强了它对机器学习的实用性.
- 数据集涵盖了诸如炭病,甲,斯泰勒末端腐烂 (水果) 和癌症,生,炭病和叶子斑 (叶子) 等疾病.
主要成果:
- 该数据集为训练用于自动识别疾病的机器学习算法提供了基础.
- 它可以区分健康和患病的果样本.
- 该数据集的可用性支持用于疾病检测的计算模型的研究.
结论:
- 这一数据集是开发用于检测瓜病的自动化系统的关键资源.
- 这些系统所促进的早期检测可以显著减少产量和营养损失.
- 这项研究通过及时干预和改善作物管理来促进可持续农业.
