基于智能手机的多标准蔬菜物体检测数据集来自孟加拉国
Sabrina Jahan1, B M Shahria Alam1, Ishraque Manzur1
1Department of Computer Science and Engineering, East West University, Aftabnagar, Dhaka, Bangladesh.
Data in brief
|December 11, 2025
概括
这项研究引入了孟加拉国蔬菜检测的新数据集,其中包括在现实条件下捕获的22个类的3534张图像. 本资源支持计算机视觉模型,用于更智能的农业实践和改善粮食安全.
科学领域:
- 计算机视觉 计算机视觉
- 农业科学 农业科学
- 数据科学数据科学数据科学
背景情况:
- 蔬菜种植对孟加拉国营养,经济和粮食安全至关重要.
- 准确的蔬菜识别对于高效的农业和智能农业实践至关重要.
研究的目的:
- 为植物检测引入一个全面的,现实世界的数据集.
- 支持计算机视觉模型的开发,以准确识别蔬菜.
- 为可持续农业的蔬菜种植提供决策支持.
主要方法:
- 在自然环境中收集了22个不同的蔬菜类别的3534张高分辨率图像.
- 使用路边供应商的Redmi Note 12捕获的图像,强调地面层次的视角.
- 使用Roboflow平台对图像进行注释,并以Pascal VOC格式提供数据集.
主要成果:
- 开发了一个多样化的数据集,包含22个蔬菜类的3534张图像.
- 数据集具有外观,形状和照明条件的自然变化.
- 数据集适用于用于手持和低成本系统的训练强大的物体检测模型.
结论:
- 新的数据集增强了用于蔬菜识别的计算机视觉模型开发.
- 促进更智能的农业实践,并为国家粮食安全做出贡献.
- 通过改进数据驱动的决策,支持可持续农业.
