准确农业:用于早期检测玉米叶虫害的数据集
Thierry Tchokogoué1, Auguste Vigny Noumsi1, Marcellin Atemkeng2
1Laboratory of Computer Science, Faculty of Sciences, University of Douala, Douala BP 24157, Cameroon.
Data in brief
|March 14, 2025
概括
这项研究引入了一套新的玉米叶图像数据集,用于训练机器学习模型,以便早期检测像秋季军虫这样的昆虫害虫. 这有助于可持续的农业,使及时干预和减少农药的使用.
科学领域:
- 农业信息学和精准农业 精准农业
- 在作物监测中使用计算机视觉和机器学习.
背景情况:
- 玉米 (Zea mays) 是喀麦隆的重要作物,但昆虫的入侵大大降低了产量和质量.
- 早期检测叶子攻击对于有效的害虫管理至关重要,防止作物损失,并尽量减少农药的使用.
- 现有的害虫识别方法可能是劳动密集型的,可能不会及时提供结果.
研究的目的:
- 为开发机器学习模型引入一套全面的玉米叶图像数据集.
- 为了促进早期检测和分类主要的玉米害虫,包括秋季军虫,Helminthosporium叶病,和Variegated草.
- 支持农业自动化病虫检测,图像细分和模型解释性方面的研究.
主要方法:
- 在各种自然现场条件下收集玉米叶的图像,包括各种生长阶段,照明和背景污染.
- 包括健康和受感染的叶子图像,带有手动和算法分割的背景 (CNDVI).
- 数据集增强,以增加样本数量,以便进行强大的模型训练.
主要成果:
- 一个包含健康和受感染的玉米叶图像的数据集,带有详细的注释和细分的背景.
- 数据集包括1300多张健康的叶子图像和近7000张受感染的图像,具有广泛的增强.
- 数据集的结构支持各种机器学习任务,包括分类和细分.
结论:
- 开发的数据集是推进玉米害虫检测机器学习应用的宝贵资源.
- 它可以开发用于早期病虫害识别的自动化系统,为精准农业做出贡献.
- 该资源通过及时干预和减少对化学农药的依赖来支持可持续的农业实践.
相关概念视频
02:16Light Acquisition
8.4K
In order to produce glucose, plants need to capture sufficient light energy. Many modern plants have evolved leaves specialized for light acquisition. Leaves can be only millimeters in width or tens of meters wide, depending on the environment. Due to competition for sunlight, evolution has driven the evolution of increasingly larger leaves and taller plants, to avoid shading by their neighbors with contaminant elaboration of root architecture and mechanisms to transport water and nutrients.
8.4K
02:35Key Elements for Plant Nutrition
18.6K
Like all living organisms, plants require organic and inorganic nutrients to survive, reproduce, grow and maintain homeostasis. To identify nutrients that are essential for plant functioning, researchers have leveraged a technique called hydroponics. In hydroponic culture systems, plants are grown—without soil—in water-based solutions containing nutrients. At least 17 nutrients have been identified as essential elements required by plants. Plants acquire these elements from the...
18.6K