智能手机图像数据集用于基于机器学习的果生长阶段的监测和分析
Sayem Kabir1, Md Fokrul Islam Akon1, Mohammad Rifat Ahmmad Rashid1
1Department of Computer Science and Engineering, East West University, Dhaka 1212, Bangladesh.
Data in brief
|July 17, 2025
概括
孟加拉国的研究人员开发了一套标准化的果生长数据集,以推进农业中的机器学习. 该资源有助于创建监测果开发的准确模型,解决该行业的关键数据缺口.
科学领域:
- 农业科学 农业科学
- 计算机科学 计算机科学
- 数据科学数据科学数据科学
背景情况:
- 与其他行业相比,孟加拉国农业部门的机器学习和人工智能采用有限.
- 高质量的标准化数据集对于有效的机器学习模型开发在农业中至关重要.
- 孟加拉国果产业缺乏可访问的,结构化的数据集,用于计算分析.
研究的目的:
- 为解决孟加拉国果产业缺乏标准化数据集的问题.
- 开发并提供果生长阶段的全面图像数据集.
- 为了促进机器学习在自动化农业中的应用,用于果监测.
主要方法:
- 收集了2004年孟加拉国东西大学果园的果图像.
- 在4月至6月期间拍摄的图像,代表了关键的增长阶段.
- 将图像组织成四个类别:早期果实,过早,成熟和成熟,附注释.
主要成果:
- 创建了2004年果生长阶段的标准化图像数据集.
- 数据集包括图像和相应的注释文件,分为四个不同的增长阶段.
- 记录的生长阶段是果发展的全球代表.
结论:
- 开发的数据集是自动化农业研究人员和从业人员的宝贵资源.
- 这一数据集将支持开发用于果生长监测的机器学习模型.
- 它旨在减少错误分类,提高现实世界农业应用的准确性.
