星网:印度星果数据集用于质量和成熟度评估

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:

• 星 (Phyllanthus emblica) 由于其药用特性而受到重视,并用于食品,制药和化品行业.
• 传统的收获后质量评估依赖于视觉检查,这是劳动密集型和容易出错的.
• 需要自动化质量评估,以提高星的分类效率和准确性.

研究的目的:

• 创建一个全面的数据集,用于开发自动计算机视觉模型,用于星的质量评估.
• 促进水果检测,质量分级,重量估计和成熟度分类方面的研究.
• 为了实现识别重叠和触摸水果的系统的发展.

主要方法:

• 从印度的迈苏鲁收集了792张星果的图像样本,这些果实处于不同的生长和成熟阶段.
• 在不同的角度,尺寸,亮度和距离下,在平坦的背景下捕捉到的图像.
• 将数据集 (AmlaNet) 组织成单个,多个,重叠和注释的果实文件.

主要成果:

• AmlaNet数据集提供了各种各样的图像样本,对于训练机器学习和深度学习模型至关重要.
• 它支持探测和分类星的研究,包括重叠水果等具有挑战性的案例.
• 该数据集使自动化水果分析和农业人工智能应用的进步成为可能.

结论:

• 阿姆拉网数据集是研究社区关注计算机视觉和农业人工智能的宝贵资源.
• 它将加速自动化系统的开发,以准确和高效地评估星的质量.
• 该数据集的公开可访问性促进了水果分类和分析技术的进一步创新.