从西非次区域收集的塔罗叶病的图像数据集
Chidiebere Nwaneto1, Chika Yinka-Banjo1, Ogban-Asuquo Ugot1
1University of Lagos Faculty of Science, Akoka, Lagos State, Nigeria.
Data in brief
|July 29, 2025
概括
这一数据集包含西非Taro叶虫病 (TLB) 的18,248张图像. 它有助于开发人工智能,用于早期检测和管理这一关键的作物疾病.
科学领域:
- 农业科学 农业科学
- 植物病理学 植物病理学
- 计算机科学 计算机科学
背景情况:
- 由Phytophthora colocasiae引起的塔罗叶病 (TLB) 严重影响西非农业.
- 这种疾病呈现为死斑的叶子斑,白色的马刺带和色的水滴,威胁到作物产量.
- 由于广泛的TLB感染,小型农民面临经济不稳定.
研究的目的:
- 为机器学习模型开发提供全面的高分辨率图像数据集.
- 为了促进早期和准确的检测塔罗叶虫害,以改善疾病管理.
- 支持人工智能和先进诊断在农业中的整合,特别是在资源有限的环境中.
主要方法:
- 收藏了18248张高分辨率JPEG图像的塔罗植物.
- 记录各种TLB感染阶段 (早期,中期,晚期,健康).
- 在尼日利亚和加纳的干旱和早期雨季期间使用智能手机捕捉图像.
主要成果:
- 一个多样化的数据集,代表不同的感染严重程度和环境条件.
- 数据集捕捉了TLB的视觉指标,包括叶子斑点和子.
- 图像在尼日利亚和加纳各地拍摄,反映了区域差异.
结论:
- 该数据集对于训练人工智能模型以快速诊断TLB至关重要.
- 能够开发基于智能手机的疾病识别工具.
- 促进及时干预,防止作物损失和经济损害,支持农业创新.
更多相关视频
07:36Visualizing Early Infection Sites of Rice Blast Disease Magnaporthe oryzae on Barley Hordeum vulgare Using a Basic Microscope and a Smartphone
Published on: March 17, 2023
1.7K
08:20Author Spotlight: AI-Driven Trypanosome Species Detection from Microscopic Images
Published on: October 27, 2023
1.7K
