相关实验视频
Updated: Jun 15, 2025

08:42
Forced Flowering in Mandarin Trees under Phytotron Conditions
Published on: March 6, 2019
9.0K
一个全面的普通叶图像数据集用于分类
Mushfiqur Rahman1, Imtiaz Ahmed1, Mahin Ahmed1
1Department of Computer Science and Engineering, Daffodil International University, Dhaka, Bangladesh.
Data in brief
|June 13, 2025
概括
这项研究引入了一种深度学习方法,用于分类来自孟加拉国的叶. 开发的数据集有助于准确地分类和早期检测健康的树叶,以促进农业发展.
科学领域:
- 农业科学 农业科学
- 计算机科学 计算机科学
背景情况:
- 在孟加拉国,果种植,特别是子种植,具有重要的经济意义.
- 准确识别普通品种对于有效的种植和管理至关重要.
研究的目的:
- 开发和介绍一种基于深度学习的方法来对普通叶进行分类.
- 创建一个开源数据集的健康的普通叶用于农业研究.
主要方法:
- 收集了1917年孟加拉国四种普通品种的高分辨率图像 (2608 × 4624像素).
- 将数据集增加了8000张图像,包括旋转和对比度增强.
- 利用深度学习模型对健康的普通叶进行图像分类.
主要成果:
- 深度学习方法在分类普通叶品种方面取得了合理的准确性.
- 该数据集包括健康的叶子图像,有助于准确分类和早期检测健康的叶子.
- 开放数据集支持研究人员在农业中推进叶子分类技术.
结论:
- 深度学习为准确的普通叶分类提供了可行的解决方案.
- 提供的数据集是农业研究和自动化系统开发的宝贵资源.
- 这项工作有助于通过先进的图像分类技术增强农业实践.

