AI-MedLeafX:用于药用植物诊断的大规模计算机视觉数据集
Md Fahim Ferdous1, Faysal Bin Khaled Nissan1, Nur Muhammad Nibir1
1Department of Computer Science and Engineering, Daffodil International University, Dhaka 1216, Bangladesh.
Data in brief
|August 21, 2025
概括
一个新的65,148图像数据集有助于植物疾病的分类. 这项资源支持用于改善树木健康监测和可持续农业的自动检测系统.
科学领域:
- 农业科学
- 计算机视觉
- 数据科学
背景情况:
- 准确的植物疾病鉴定对于作物产量和可持续农业至关重要.
- 现有的数据集可能缺乏物种,疾病类型或图像条件的多样性.
- 自动化系统需要大量,高质量和验证的数据集以实现可靠的性能.
研究的目的:
- 提供全面的手工验证数据集来分类叶子质量.
- 支持自动化植物疾病检测系统的开发.
- 为评估农业深度学习模型提供一个基准.
主要方法:
- 收集了四种植物的10858张高分辨率图像 (坎,哈里塔基,索吉纳,尼姆).
- 使用六种增强技术 (旋转,翻转,变焦,亮度) 将数据集扩展到65,148张.
- 为了机器学习兼容性, 将所有图像标准化为512x512像素.
主要成果:
- 一个数据集,包含13个不同的类别,代表健康的叶子和各种疾病 (细菌斑点,射击洞,黄色,粉).
- 在不同条件下使用四台移动摄像机拍摄的图像.
- 一个精心策划和验证的数据集适合计算机视觉任务.
结论:
- 这一数据集是促进植物疾病自动检测的重要资源.
- 它有助于精准农业,并加强树木健康监测.
- 有助于提高作物产量和促进可持续农业实践.
