茶园疾病管理的高分辨率数据集:精准农业洞察力
Rimon1, Sajib Bormon1, Md Hasan Ahmad1
1Department of Computer Science and Engineering, Daffodil International University, Dhaka, Bangladesh.
Data in brief
|March 19, 2025
概括
这项研究引入了用于茶园疾病检测的高分辨率图像数据集. 它有助于开发用于早期疾病识别和管理的精准农业工具,促进茶叶生产的可持续性.
科学领域:
- 农业科学 农业科学
- 植物病理学 植物病理学
- 计算机视觉 计算机视觉
背景情况:
- 茶叶种植园对于经济发展至关重要,但由于植物疾病而面临重大损失.
- 现有的疾病管理方法缺乏精度,影响茶叶的质量和产量.
- 需要先进的数字工具来有效监测茶园疾病.
研究的目的:
- 为茶园疾病管理提供全面的高分辨率图像数据集.
- 促进用于早期疾病检测和分类的自动化系统的开发.
- 为了支持茶叶种植的精准农业技术.
主要方法:
- 收集了3960张高分辨率 (1024x1024像素) JPG茶叶图像的数据集,使用智能手机.
- 拍摄的图像包括常见的疾病,如茶叶病,茶叶红斑,茶叶红,以及健康的叶子.
- 数据集包括环境统计和植物健康指标.
主要成果:
- 一个丰富多样的数据集,适合用于用于疾病识别的机器学习模型的训练.
- 为开发和评估自动化茶叶植物疾病检测算法提供了一个基准.
- 允许详细分析疾病的流行率和与环境因素的相关性.
结论:
- 该数据集是推动茶叶种植精准农业的宝贵资源.
- 它可以创建智能农业工具,用于自动化疾病跟踪和有针对性的干预.
- 通过数据驱动的洞察力促进茶叶生产的增强可持续性和效率.


