相关实验视频
Updated: Jan 14, 2026
08:14
LeafJ: An ImageJ Plugin for Semi-automated Leaf Shape Measurement
Published on: January 21, 2013
29.3K
广泛的视觉数据可用于可靠地识别药用植物的叶子
Md Mafiul Hasan Matin1, Md Sefatullah2, Md Shariar Kabir2
1Department of Computer Science and Engineering, Netrokona University, Netrokona 2400, Bangladesh.
Data in brief
|October 27, 2025
概括
一个新的药用植物叶片图像数据集支持计算机视觉研究. 本资源有助于开发用于人种植物学和数字健康应用的自动识别系统.
科学领域:
- 计算机视觉 计算机视觉
- 民族植物学 民族植物学
- 数字健康数字健康
背景情况:
- 药用植物的自动识别对人种植物学,农业和数字健康至关重要.
- 高质量的标记数据集对于开发强大的机器视觉模型至关重要.
研究的目的:
- 为了呈现一个全面的,标记的药用植物叶的图像数据集.
- 支持用于植物识别的机器视觉和计算机视觉研究.
主要方法:
- 收集了6种药用植物物种的1380个原始RGB图像.
- 应用了七种增强技术,产生了9660张额外的图像,共计11,040个样本.
- 预先处理并将所有图像的大小改为512 × 512像素.
主要成果:
- 现在可以获得一套高质量的数据集,包括 11,040 张药用植物叶片的图像.
- 数据集包括六种物种:阿尔金叶,咖叶,沼泽花叶,薄荷叶,尼姆叶和Kalanchoe pinnata.
- 图像是在自然照明下拍摄的,并进行增强以增强多样性.
结论:
- 这种公开发布的数据集是研究人员的宝贵资源.
- 它有助于开发自动化药用植物识别系统.
- 通过可访问的数据,为民族植物学,农业和数字健康的进步做出贡献.
