Advertisement

草莓叶片病害基于Yolo的标注数据集

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

简介：
本研究中所采用的Yolo标记数据集包含了原生样本、经过人工标注的Yolo图像文件以及相应的分类标签，这些内容可以直接投入模型训练。草莓叶片病害可划分为以下几类：花朵状态分为0类，其中健康为1类，成熟为2类；养分状况分为3类，表现为缺肥为4类；植株病害可分为5类，分别为白粉病、缺钙、叶斑病等

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 草莓病害相关数据集.rar
    优质
    该资源为一个关于草莓主要病害的数据集合，包含了多种病害的图像与相关信息，旨在用于农业领域病害识别研究和模型训练。 草莓病害数据集包含2类1565张RGB图像。
  • 标注完毕的YoloV8棉花叶片病害数据集
    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。
  • 带有权重的草莓病虫害数据集
    优质
    该数据集包含了详尽的草莓病虫害信息，并为各类别分配了权重，旨在帮助研究人员更准确地评估不同病虫害的影响程度，促进智能农业的发展。 该数据集包含1千多张图片，其中训练集有700多张，验证集有500多张，并且已经有一个经过训练的权重模型。类别共有8种：flower（花）、health（健康）、ripe（熟）、fruit（果）、fertilizer（缺肥）、powdery（白粉病）、acalcerosis（缺钙）和greyleaf（叶斑病）。
  • 手标葡萄叶片病害数据集
    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。
  • 草莓常见病害实例分割COCO数据集
    优质
    本项目基于COCO数据集，专注于草莓种植中常见的病害实例分割技术研究与应用开发，旨在提高作物病害识别准确率。 草莓常见的病害包括：叶角斑（Angular Leafspot）、炭疽病水果腐烂（Anthracnose Fruit Rot）、花朵枯萎（Blossom Blight）、灰霉病（Gray Mold）、叶斑病（Leaf Spot），以及白粉病，后者又分为影响果实的白粉病水果和影响叶片的白粉病叶片。
  • 《数据集》水稻叶片病害的目标检测数据集
    优质
    本数据集专注于水稻叶片病害目标检测，汇集了大量标注清晰的图像样本，旨在促进农业领域机器学习模型的研发与优化。 该数据集包含YOLO和VOC格式的水稻叶片病害识别内容，共包括四类：BrownSpot、RiceBlast、BacterialBlight，总图片数量为1448张。文件中包含了图片、txt标签以及指定类别信息的yaml文件，并且有xml标签。已经将数据划分为训练集、验证集和测试集，可以直接用于YOLOv5、YOLOv6、YOLOv7、YOLOv8、YOLOv9及后续版本（如YOLOv10）等系列算法的训练。
  • 苹果叶病害数据集-采用Yolo格式
    优质
    本数据集专注于收集并标注苹果叶片上各种病害信息，采用YOLO数据格式，旨在为农业人工智能领域提供高质量训练资源。 苹果叶片病害数据集——yolo格式