植物寄生性线虫的微观图像数据集
Siwi Indarti1, Nabila Husna Shabrina2, Rina Maharani1
1Department of Plant Protection, Faculty of Agriculture, Universitas Gadjah Mada, Sleman 55281, Yogyakarta, Indonesia.
Data in brief
|June 16, 2025
概括
一个新的数据集,包括1016张植物寄生线虫 (PPN) 图像,有助于人工智能开发更快的识别. 这种资源支持精准农业,并减少这些重要的农业害虫造成的作物损失.
科学领域:
- 农业科学 农业科学
- 遗体学 遗体学 是一个学科.
- 计算机视觉 计算机视觉
背景情况:
- 植物寄生性线虫 (PPNs) 导致全球主要的作物损失.
- 目前的识别方法很慢,需要专家知识.
- 为了有效的PPN管理,需要自动识别.
研究的目的:
- 创建一个全面的微观图像数据集的常见的PNNs.
- 促进人工智能工具的开发,用于自动识别线虫.
- 支持用于作物保护的精准农业倡议.
主要方法:
- 收集了11个PNN类的1016张高分辨率图像.
- 从受感染的作物中使用修改的白头托盘方法提取的虫.
- 使用了标准的显微镜技术 (固定,清除,染色,安装).
主要成果:
- 现在可以获得PPN显微镜图像的多样化数据集.
- 数据集包括诸如Meloidogyne,Pratylenchus和Xiphinema等属.
- 图像代表了人工智能训练的各种线虫形态.
结论:
- 该数据集是开发基于人工智能的线虫识别工具的宝贵资源.
- 这可以导致在农业中更有效,更准确地检测PPN.
- 它为未来关于自动化害虫管理的研究奠定了基础.
