植物城市:基于巴基斯坦多作物叶片的综合图像

科学领域:

• 农业科学 农业科学
• 计算机视觉 计算机视觉
• 植物病理学 植物病理学

背景情况:

• 巴基斯坦农业产量大幅下降的原因是植物疾病.
• 早期和准确的植物疾病鉴定对于有效的管理和产量保存至关重要.
• 环境因素,如高温,可以影响疾病的发展和症状的严重程度.

研究的目的:

• 介绍PlantCity数据集,这是一个全面的高分辨率植物叶子图像集合.
• 促进深度学习模型的开发,用于植物疾病的自动分类.
• 通过加强疾病识别,支持巴基斯坦的精准农业和可持续农业实践.

主要方法:

• 在现实现场条件下收集了来自12种主要作物的10667张高分辨率叶子图像.
• 将图像组织成 52 个类别 (41 个患病, 11 个健康) 并将数据集扩展到 52,273 个图像.
• 利用基于智能手机的计算机视觉来获取数据,从而实现实际的现场应用.

主要成果:

• 该数据集包括在生长季节高峰期间在巴基斯坦多种气候 (查萨达和奇特拉尔) 捕获的图像.
• 它包括多种作物类型的各种植物疾病,反映了现实世界农业的挑战.
• 数据捕捉了疾病表现的变化,这些变化受到环境条件的影响,例如高温.

结论:

• 植物城市数据集为训练强大的人工智能模型进行植物疾病检测提供了宝贵的资源.
• 使用此数据集的自动分类可以导致及时干预,减少作物损失.
• 这一举措有助于推进农业技术,促进巴基斯坦的粮食安全.