Advertisement

小麦籽粒分类数据集_Chap10.zip

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型:None


简介:
本数据集包含小麦籽粒的图像和相关信息,旨在用于计算机视觉任务中的物体识别与分类。适合研究者进行农作物分析和人工智能算法开发使用。 小麦籽粒分类数据集可以在此路径下载:数据集_Chap10_小麦籽粒分类数据集.zip。由于要求去掉链接和其他联系信息,因此请确保直接通过可靠渠道获取该文件。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • _Chap10.zip
    优质
    本数据集包含小麦籽粒的图像和相关信息,旨在用于计算机视觉任务中的物体识别与分类。适合研究者进行农作物分析和人工智能算法开发使用。 小麦籽粒分类数据集可以在此路径下载:数据集_Chap10_小麦籽粒分类数据集.zip。由于要求去掉链接和其他联系信息,因此请确保直接通过可靠渠道获取该文件。
  • 叶病虫害及代码教程.zip
    优质
    本资源包含小麦叶病虫害图像的数据集与Python代码教程,旨在帮助用户识别和分类小麦叶片上的各种病害与虫害问题。 小麦叶片病虫害分类数据集-提高tensorflow代码和教程,结合作者录制的b站视频,快速掌握不是梦。关于数据集的详细信息,请参考相关博客文章。
  • 病害(含7653张图片,12个别).7z
    优质
    本数据集包含7653张图像,涵盖12种不同类型的小麦病害,旨在促进农业领域中机器学习算法的研发与应用。 数据集类型:图像分类用,不可用于目标检测且无标注文件。 数据集格式:仅包含jpg图片,每个类别文件夹下存放着对应类别的图片。 图片总数(jpg文件个数):7653 分类的类别数量:12 各分类下的图片数量: - crown_and_root_rot: 1102 - healthy_wheat: 1434 - leaf_rust: 1797 - powdery_mildew: 218 - wheat_aphids: 315 - wheat_cyst_nematode: 57 - wheat_loose_smut: 1017 - wheat_red_spider: 199 - wheat_scab: 545 - wheat_sharp_eyespot: 545 - wheat_stalk_rot: 274 - wheat_takeall: 150 重要说明:暂无。 特别声明:本数据集不对训练的模型或者权重文件精度作任何保证,仅提供准确且合理分类存放。
  • 叶片病害(2942张图片,3个别).7z
    优质
    本数据集包含2942张小麦叶片图像,用于训练和测试机器学习模型以识别三种不同的叶片病害。通过细致标注与分类,为研究人员提供宝贵的数据资源。 数据集类型:图像分类用,不可用于目标检测且不含标注文件。 数据集格式:仅包含jpg图片,每个类别文件夹内存放对应类别的图片。 总图片数量(jpg文件个数):2942张 分类的类别总数:3种 具体类别名称及每种类别下的图片数量如下: - Brown_Rust 类别下有 902 张图片 - Healthy 类别下有 1116 张图片 - Yellow_Rust 类别下有 924 张图片
  • 种子的合-
    优质
    本数据集包含了丰富的小麦种子属性信息,包括面积、对称性和长度等参数,旨在支持农业研究与机器学习模型训练。 小麦种子数据集包含了有关不同品种的小麦种子的详细信息。该数据集可用于分析和研究小麦种子的各种特征及其对农业产量的影响。通过使用这个数据集,研究人员可以更好地了解如何提高作物质量和增加农作物收成。
  • 种子的Excel
    优质
    本数据集包含了丰富的小麦种子测量信息,以Excel表格形式呈现,包括面积、周长、紧凑性等23个特征参数,为农业研究和机器学习模型训练提供宝贵资源。 小麦种子数据集采用Excel格式存储,包含210条记录及8个属性:区域、周长、压实度、籽粒长度、籽粒宽度、不对称系数和籽粒腹沟长度。此外还包括一个分类标签(数值为1、2或3)。
  • 全球检测:利用图像析识别头——辅助
    优质
    本研究探讨了通过图像分析技术来识别和评估小麦头部特征的方法,并介绍了支持该研究的数据集。致力于提升全球小麦品质监控效率。 全球小麦检测数据集包含了来自室外的小麦植物图像(包括世界各地的小麦数据集)。训练数据包含超过3,000张图片,这些图片分别来源于欧洲的法国、英国和瑞士以及北美的加拿大。测试数据则大约有1,000张图,来源地为澳大利亚、日本和中国。
  • 102鲜花.zip
    优质
    《102类鲜花分类数据集》包含超过一万张高质量鲜花图片,涵盖从常见的玫瑰、向日葵到稀有的兰花等多个品种,旨在促进计算机视觉领域的图像识别与分类研究。 102种鲜花分类数据集.zip是进行花卉识别和AI模型训练的理想选择。
  • 垃圾.zip
    优质
    该数据集包含各类生活垃圾的详细分类信息,旨在促进垃圾智能识别与管理系统的开发,推动资源的有效回收和环保教育。 垃圾分类数据集适用于训练深度学习模型的垃圾分类系统。该数据集包含超过10000个样本,并且每种分类大约有400张图片,总共约有17500多张图像。由于文件大小较大(总计约为500MB),因此以百度云的形式提供下载链接。
  • 水果.zip
    优质
    该数据集包含多种常见水果的图像,旨在用于机器学习和计算机视觉任务中进行水果识别和分类研究。 本数据集包含高质量的水果图像,涵盖了71种不同类型的水果。具体包括如下品种:苹果(金、红)、杏子、鳄梨及其成熟状态下的图片、香蕉、樱桃(瑞尼尔)以及克莱门蒂娜等。此外还有可可果、枣椰树果实(即日期)、百香果和各类葡萄,如粉红色与白色葡萄;柑橘类包括柚子(粉色及白色品种),番石榴,哈克贝利莓,猕猴桃,卡基水果等等。 数据集中的图片总数为47,593张。其中训练集包含35,625幅图像用于模型学习和优化过程;验证集则有11,968张图像是为了确保算法在未见过的数据上也能保持良好性能而设计的辅助集合。 每一张水果照片尺寸统一为100x100像素,文件命名方式遵循特定格式:如32_100.jpg 或 r_32_100.jpg或r2_image_index_100.jpg。“r”代表图像中展示的是旋转过的水果,“r2”则表示该水果围绕第三轴进行了翻转处理。 值得注意的是,不同品种的同一种类水果(例如苹果)在数据集中被分类为不同的类别。