Advertisement

图像分割数据集:详细展示葡萄叶片病害图像并附带分类标签及可直接运行的可视化脚本

  • 5星
  •     浏览量: 0
  •     大小:None
  •      文件类型:7Z


简介:
本项目包含葡萄叶片病害分割数据集+类别标签+可视化代码等多组分数据集。所有数据均为256×256分辨率采集。其中: - 分割前景为具体包括健康状态与病变状态的叶片正确定位; - 标签的mask图像采用RGB彩色格式表示病变区域,默认值为0表示背景; - 便于观察者可方便提取感兴趣区域并进行进一步分析; - 数据集背景简单清晰且样本分布合理; - 提供了一套完整的可视化工具包,并附有使用说明文档; 数据集共包括4个子类:健康、枯萎病斑、黑斑病斑和腐烂病斑。 其中: - 健康状态代表未感染状况; - 析出状态代表叶片出现枯萎特征; - 黑斑病斑指典型黑点状病变; - 腐烂状态则表现为典型的腐烂现象。 此外, 我们还提供了详细的实验结果分析, 并在附录中提供了完整的实验流程图。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • 玉米:含代码
    优质
    本数据集提供丰富的玉米叶片病害图像,并附带详细分类标签与可视化代码,旨在促进植物病理学研究和智能农业发展。 项目包含:玉米叶片病害分割【数据集+类别标签+可视化代码】 数据集为256*256分辨率下的玉米叶片病害分割。 分割前景包括叶片等部分,标签的mask图像采用RGB彩色表示,其中0代表背景。为了方便观察和理解,提供了一段可视化的代码。 该数据集中包含4个文件夹(健康、锈菌、斑点、枯萎病),共计3852张原始图片及其对应的mask标签。 此外,项目中还包含一个图像分割的可视化脚本,随机抽取一张图片,并展示其原始图、GT图像以及在原图上的蒙板效果,并将结果保存到当前目录下。
  • 优质
    手标葡萄叶片病害数据集包含大量标注清晰的葡萄叶图像,旨在为研究与识别葡萄常见的几种主要病害提供全面的数据支持。 我国是世界上最大的葡萄生产国和消费国之一,葡萄产业已经成为许多地区脱贫致富的重要支柱产业。然而,葡萄病害对果实的品质及产量造成严重影响,因此快速且精准地识别不同类型的病害以及评估其严重程度对于增产增收至关重要。 为了应对这一挑战,在plant_village数据集的基础上进行了标注,并使用VOC格式进行扩充,建立了专门用于目标检测的葡萄叶片病害数据集。通过应用数据增强技术对收集到的样本图片进行处理和扩展,进一步丰富了该数据库的内容。 传统的农业生产方式依赖于人工识别、诊断并作出决策,这种方式效率低下且劳动成本高昂。因此迫切需要实现智能化诊断来提高工作效率,并降低人力成本。作为信息技术的重要组成部分之一,人工智能技术为推动农业信息化及智能化提供了有力支持。 随着深度学习等先进技术的迅速发展,在农作物病虫害识别、检测、分割与计数等方面已经取得了一系列研究成果,这有助于精准防控病虫害的发生和发展,减少经济损失并促进生物育种工作的发展。
  • YOLO检测(含20000张VOC/COCO/YOLO+划+训练指南).rar
    优质
    这是一个包含20,000张图像的数据集,用于检测葡萄叶病害,附带VOC、COCO和YOLO格式的标注文件以及数据划分脚本和详细的训练指南。 YOLO葡萄叶片病害检测数据集包含20,000张高质量图片,覆盖多种真实场景。使用lableimg标注软件进行标注,确保了高精度的标注框,并提供了VOC(xml)、COCO(json)和YOLO(txt)三种格式标签文件,便于直接用于YOLO系列的目标检测任务。 此外还附赠有关环境搭建、训练案例教程以及数据集划分脚本等资料。用户可以根据自身需求灵活地将数据划分为训练集、验证集及测试集以满足不同的研究或开发需要。 详情和更多相关资源可参考博主的博客文章。如有其他种类的数据集或其他数量的需求,欢迎联系博主进行咨询。
  • 棉花
    优质
    本数据集包含大量标记的棉花叶片图像,旨在帮助研究者识别和分类由不同病原体引起的棉花叶片病害,促进农业领域智能诊断技术的发展。 棉花叶病害分类数据集按照棉花叶片感染的3种类型进行组织,其中一个文件夹包含1786张未感染棉花叶片的数据图片。
  • 苹果(含5:健康、灰斑、铁锈、马赛克蛙眼,共7100张).rar
    优质
    本数据集包含7100张苹果叶片的高分辨率图像,涵盖五种状态:健康叶片和四种常见病害(灰斑病、铁锈病、马赛克病及蛙眼叶斑病),适用于农业病理学研究与机器学习模型训练。 苹果叶病害图像分类数据集包含5个类别:健康苹果叶、灰斑病、铁锈病、马赛克病和蛙眼叶斑病,共7100张图片。rar文件包含了这些分类的图像数据。
  • YOLO检测(包含1000张VOC、COCO与YOLO格式注+划+训练指南.rar
    优质
    该资源提供了一个关于葡萄叶病害检测的数据集,内含1000张图像,并附有VOC、COCO和YOLO格式的标注文件及数据划分脚本,同时包含详细的训练指南。 该数据集包含1000张高质量的真实场景葡萄叶片病害图片,适用于YOLO系列的目标检测任务。使用lableimg标注软件进行标记,确保了标注框的质量,并提供了VOC(xml)、Coco(json)以及Yolo(txt)三种格式的标签文件,分别存储在不同的文件夹中。 此外,还附赠有搭建YOLO环境和训练案例教程及数据集划分脚本。用户可以根据自身需求自行分配训练、验证与测试的数据集比例。更多关于该数据集的信息可以通过提供的链接查看,并且如果需要其他种类或数量更多的数据集,请联系博主进行咨询。
  • 大豆【含注信息,约3,600张
    优质
    本数据集包含超过三千六百张大豆叶病害图像及其详细标注信息,旨在促进植物病理学领域的研究与应用。 大豆叶片病害图像分类数据集【已标注,约3,600张数据】 分类个数【3】:炭疽病、健康、锈病【具体查看json文件】 划分了训练集、验证集、测试集。存放各自的同一类数据图片。如果想可视化数据集,可以运行资源中的show脚本。 CNN分类网络改进的相关内容可以在相关博客中找到。 更多关于图像分类、图像分割(医学)、目标检测(yolo)的项目以及相应网络的改进,也可以在个人主页上查看。
  • 柑橘
    优质
    本数据集包含大量柑橘病害图像样本,旨在促进机器学习算法在农业病虫害检测与预防中的应用研究。 柑橘类疾病图像分类数据集包含柑橘溃疡病和黑斑病两类,每类大约有1200张图片。
  • YOLO :鱼识别【含预划别文件
    优质
    这是一个用于鱼类疾病的图像识别的数据集,包含已分类的图片和可视化工具,旨在帮助研究者进行模型训练与验证。 YOLO 数据集:鱼身上疾病图像目标检测【包含划分好的数据集、类别class文件、数据可视化脚本】 该数据集按照YOLOV5文件夹结构保存,可以直接用于yolo模型训练。 类别个数(5):细菌性疾病、真菌性疾病、健康鱼、寄生虫病、白尾病【具体参考classes文件】 数据结构如下: - 训练集包含约720张图片和对应的标签txt文件。 - 验证集包括大约100张图片及其对应标签的txt文件。 - 测试集中有约100张图片及相应的标签txt文件。 为了方便查看数据,提供了可视化py脚本。只需随机传入一张图像即可绘制边界框,并且保存在当前目录中。此脚本无需修改,可以直接运行以生成可视化图像。