Advertisement

棉花叶片病害分类图像数据集

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


简介:
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。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • 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。
  • :包含(300张)、(850张)、新鲜(450张)及新鲜(450张)
    优质
    本数据集涵盖1,000张病棉叶与850张病棉图像,以及900张健康状态的棉花样本(包括450张新鲜棉叶和450张新鲜棉),为研究提供全面的视觉资料。 棉花病害数据集包括:病棉花叶(300张)、病棉花(850张)、新鲜棉花叶(450张)以及新鲜棉花(450张)。此外,还有一个实地拍摄的棉花地病害数据集,同样包含病棉花叶(300张)、病棉花(850张)、新鲜棉花叶(450张)和新鲜棉花(450张),所有图片均在实际棉田环境中采集。
  • 标注完毕的YoloV8
    优质
    这是一个包含大量标记完毕的棉花叶片病害图像的数据集,专为训练和评估基于YOLOv8的目标检测模型设计。 YoloV8标注好的棉花叶片病害数据集可以直接用于训练棉花目标检测模型以识别叶片病害。
  • 检测(VOC+YOLO格式),含977张,22个别.7z
    优质
    本数据集提供针对棉花叶片病害的图像识别训练素材,包含977幅图片及22种不同的病害分类标签,支持VOC与YOLO两种格式。 数据集格式:Pascal VOC 格式 + YOLO 格式(不包含分割路径的 txt 文件,仅包含 jpg 图片以及对应的 VOC 格式 xml 文件和 YOLO 格式的 txt 文件) 图片数量(jpg 文件个数):977 标注数量(xml 文件个数):977 标注数量(txt 文件个数):977 标注类别数:22 重要说明:所有图像的分辨率为 640x640,请仔细查看图片预览以确认是否符合实际项目需求。下载前请务必参考相关博文,确保数据集满足项目的具体要求。
  • 识别的基于YOLO8
    优质
    本数据集专为棉花病害识别设计,采用先进的YOLOv8模型框架,包含大量标注图片,旨在提升农作物病害检测效率与精度。 棉花病害检测数据集YOLO8采用CC BY 4.0许可证。该数据集包含1024张图片,旨在为模型的可推广性创建新的对象检测基准。
  • 番茄,涵盖10种,每约含1800张
    优质
    本数据集包含了针对番茄叶部的十种常见病害的高分辨率图像,每种类别均包含大约1800张图片,为深度学习研究提供了宝贵的资源。 番茄叶片疾病分类数据集包含10类病害,每类约有1800多张图片。
  • 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。
  • 苹果:健康、白粉、疮痂和褐斑(共7900张).rar
    优质
    本数据集包含7900张苹果叶片图像,涵盖健康叶片及四种常见病害(叶斑病、白粉病、疮痂病和褐斑病),适用于植物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、叶斑病、白粉病、疮痂病和褐斑病,共有7900张图片。
  • 小麦(2942张,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
  • 大豆【含标注信息,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。