一个全面的图像数据集,用于卡拉蒙巴叶子和水果疾病的分类和质量评估
S M Abdullah Al Muhib1, Rejowan Arifin Nayeem1, Noman Mezi1
1Multidisciplinary Action Research Lab, Department of Computer Science and Engineering, Daffodil International University, Daffodil Smart City, Birulia, Dhaka 1216, Bangladesh.
Data in brief
|June 13, 2025
概括
一个新的Carambola叶子和水果数据集有助于自动检测星果的疾病. 该资源支持农民,促进可持续农业,并通过机器学习尽量减少作物损失.
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:
- 卡罗博拉 (Averrhoa carambola) 或星星果,具有重要的经济和营养价值.
- 自动疾病分类和质量评估对于尽量减少农民损失和促进可持续农业至关重要.
- 需要一个全面的数据集来弥合计算机视觉和carambola的农业研究.
研究的目的:
- 开发一个全面的卡拉博拉树叶和水果数据集.
- 为了支持机器学习应用程序的自动疾病分类和carambola的质量评估.
- 为了促进疾病的早期识别,减少化学品的使用,并改善作物管理.
主要方法:
- 在孟加拉国实地调查期间 (2024年10月 - 2025年1月) 收集了2,618张卡拉蒙巴叶子和水果的原始图像.
- 处理和增强的图像,产生一个数据集,包含原始,处理和15,000个增强的图像.
- 将图像分为五类:健康的叶子,黄色的叶子,昆虫洞的叶子,健康的水果和不健康的水果.
主要成果:
- 数据集包含2618个原始图像,2618个处理图像和15000个增强图像.
- 数据集被分为五个不同的健康状况,卡拉蒙巴叶和水果.
- 该数据集使机器学习模型能够用于植物健康监测和质量评估.
结论:
- 卡罗博拉树叶和水果数据集是推动农业机器学习的宝贵资源.
- 这一数据集支持可持续的农业实践,通过早期发现疾病和减少经济损失.
- 它作为未来研究自动作物监测和质量评估的基础.
