一个全面的图像数据集,用于使用人工智能在植物病理学中准确诊断贝特尔树叶疾病
Rashidul Hasan Hridoy1, Md Tarek Habib2, Imran Mahmud1
1Department of Software Engineering, Daffodil International University, Dhaka, Bangladesh.
Data in brief
|May 15, 2025
概括
一个新的贝特尔树叶图像数据集,包括健康和病变的 (叶子腐烂,叶子斑点) 样本,被创建以帮助自动化作物疾病诊断. 本资源支持人工智能驱动的病理学研究,以改善贝特尔叶种植.
科学领域:
- 农业科学 农业科学
- 计算机科学 计算机科学
- 植物病理学 植物病理学
背景情况:
- 农业在南亚至关重要,但作物疾病威胁着生计.
- 由于疾病和缺乏诊断工具,贝特尔叶种植面临经济损失.
- 现有的贝特尔树叶图像数据集不足以开发准确的疾病诊断系统.
研究的目的:
- 开发一个全面和多功能图像数据集的贝特尔树叶田间图像.
- 支持基于人工智能的病理学研究,用于诊断贝特尔叶病.
- 为了弥补可靠和广泛的贝特尔叶数据集的缺口.
主要方法:
- 在孟加拉国收集了2037张初始贝特尔树叶图像 (健康,叶子腐烂,叶子斑).
- 使用翻转,亮度,对比度和旋转等技术,将数据集扩大到10,185张图像.
- 确保数据集与机器学习和深度学习模型的兼容性.
主要成果:
- 创建了一个数据集,包含健康的白树叶和常见疾病 (叶子腐烂,叶子斑).
- 数据集包括10185张适用于训练,验证和测试AI模型的图像.
- 一项比较研究证实了数据集的可靠性和广泛性.
结论:
- 开发的数据集是推动贝特尔叶病诊断的关键资源.
- 它促进了用于早期疾病检测的高效计算模型的开发.
- 这种资源可以显著帮助农民减轻经济损失和改善贝特尔叶种植.
