PriBeL:来自现场和受控环境的初级贝特叶数据集
Gauri Mane1, Raghav Bhise1, Rutuja Kadam1
1Department of Computer Science Engineering - Artificial Intelligence and Machine Learning, Vishwakarma Institute of Information Technology, Pune, India.
Data in brief
|June 16, 2025
概括
一个由1800张贝特尔树叶图像组成的新数据集帮助人工智能在农业中发挥作用. 该资源支持检测植物疾病和对Piper betle进行质量评估,增强精准农业和草药研究.
科学领域:
- 农业科学 农业科学
- 计算机科学 计算机科学
- 药理学 药理学是指药理学的学科.
背景情况:
- 植物健康的视觉识别对农业和药用植物研究至关重要,影响经济学和药理学.
- 贝特尔叶 (Piper betle) 的种植在全球范围内很重要,但不一致的分类和质量评估源于环境因素和处理变化.
- 在精密农业和质量控制中,人工智能集成需要结构良好的,多样化的数据集,以实现有效的系统性能.
研究的目的:
- 引入一套系统策划的贝特尔树叶数据集,以应对分类和质量评估方面的挑战.
- 为农业和草药领域的机器学习应用提供标准化和可访问的资源.
主要方法:
- 创建了一个由1800张高分辨率 (1080x1080像素) 图像组成的数据集,捕捉了健康 (新鲜),病态和干燥条件下的白树叶.
- 图像是从印度普纳收集的,在各种自然和受控条件下,包括各种照明,背景和方向,以确保全面的表现.
- 该数据集旨在涵盖贝特尔树叶外观的现实变化.
主要成果:
- 贝特利叶数据集包括1800张图像,分为三个不同的条件:健康,疾病和干燥.
- 数据集捕捉了照明,背景和方向的变化,反映了各种现实世界的场景.
- 策划的图像是标准化的,可用于研究目的.
结论:
- 贝特尔叶数据集通过支持叶子分类和质量评估研究来增强农业研究.
- 这种资源有助于更好地记录和理解贝特尔叶的特点.
- 该数据集对于植物疾病检测,精准农业和自动化质量控制系统中的机器学习应用非常有价值.
