在番茄作物中早期杂草分类的地面图像数据集
Hugo Moreno1, Gabriel Rivera1, Dionisio Andújar1
1Centre for Automation and Robotics, Consejo Superior Investigaciones Científicas (CSIC), Ctra. de Campo Real km 0.200 La Poveda, 28500 Arganda del Rey (Madrid), Spain.
Data in brief
|December 4, 2025
概括
这项研究为精准农业提供了新的杂草图像数据集. 该数据集有助于开发人工智能模型,用于早期检测杂草,减少除草剂的使用和加强可持续农业.
科学领域:
- 农业科学 农业科学
- 计算机视觉 计算机视觉
- 数据科学数据科学数据科学
背景情况:
- 早期识别杂草对于精准农业和可持续的作物生产至关重要.
- 特定地点的杂草管理减少了除草剂的使用和环境影响.
- 开发精确的人工智能模型需要高质量的注释数据集.
研究的目的:
- 引入用于杂草物种识别的注释RGB图像的新的,公开可访问的数据集.
- 支持深度学习模型的培训和评估,以早期检测杂草.
- 推进基于图像的监测系统在精准农业的发展.
主要方法:
- 从商业番茄田中收集了1217张高分辨率RGB图像 (5184 × 3888像素) 的精选数据集.
- 这些图像是在西班牙巴达霍斯的2021年和2022年的生长季节拍摄的.
- 该数据集包含21,208个手动注释的杂草物种实例,按年分为两个子集.
主要成果:
- 数据集包括1217张图像,其中有21,208个标记的杂草实例.
- 第一个子集 (2021): 938张图像,9060个实例.
- 第二个子组 (2022):278个图像,11931个实例.
结论:
- 这个数据集的公开发布有助于人工智能驱动的杂草检测研究.
- 这一资源将加速开发高效准确的杂草分类模型.
- 该数据集通过改进的杂草管理策略,支持可持续精准农业的进步.
