BDHerbalPlants:增强和策划的草本植物图像数据集用于分类

科学领域:

• 植物学 植物学
• 计算机科学 计算机科学
• 农业信息学 农业信息学

背景情况:

• 准确识别草本植物对于农业研究,医疗保健和制药开发至关重要.
• 现有的数据集可能缺乏多样性或经过专家验证的标签,阻碍了强大的识别工具的开发.

研究的目的:

• 介绍BDHerbalPlants数据集,这是一个包含八种不同的草本植物物种高质量的图像的综合集合.
• 证明BDHerbalPlants数据集在培训和评估植物识别深度学习模型中的实用性.

主要方法:

• 收集了1792张原始的高质量图像和14336张增强图像,其中包括8种特定的草本植物 (Eclipta prostrata, Ocimum tenuiflorum, Centella asiatica, Mentha arvensis, Kalanchoe pinnata, Azadirachta indica, Coriandrum sativum, Datura stramonium).
• 确保对所有图像进行专家验证和标签.
• 使用预训练的深度学习模型 (Xception,DenseNet201,RegNetY032) 来展示数据集的有效性.

主要成果:

• BDHerbalPlants数据集包括1792个原始图像和14336个增强图像,涵盖八种草本植物.
• 证明了数据集与流行的深度学习模型的成功应用,表明其适合培训.
• 该数据集有助于精确地分类和识别草本植物.

结论:

• BDHerbalPlants数据集是促进农业信息学和植物识别的宝贵资源.
• 它的整合到深度学习任务中可以显著使医疗保健和制药行业受益.
• 促进对难以识别的野生草药植物进行分类的研究.