Advertisement

番茄病害识别的目标检测的数据集

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

简介：
基于YOLO和VOC格式设计的番茄病害识别数据集，可用于YOLO系列算法（包括Faster Rcnn和SSD）进行模型训练。该数据集涵盖斑点病毒、早期斑点病、健康标本和番茄晚 Spot 病四种分类类别，并包含2083张图片及相应的标注信息。具体来说，该数据集不仅提供图像文件，还以yaml格式存储了各类别信息的注释数据，同时通过xml格式提供了更详细的标注描述。在数据组织方面，所有图像和对应的txt标签已按训练集、验证集和测试集三个部分进行了划分，并可直接用于YOLOv5至YOLOv10系列算法的训练工作。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 番茄叶片病害识别的数据集（目标检测）
    优质
    本数据集专注于番茄叶片病害的目标检测，旨在通过收集大量标记图片，帮助研究人员与开发者训练模型自动识别不同类型的番茄叶病，促进农业精准化管理。 该数据集适用于YOLO系列（包括YOLOv5、YOLOv6、YOLOv7、YOLOv8、YOLOv9及更高版本）、Faster R-CNN 和 SSD 等模型的训练，包含番茄叶片病害识别的相关信息。类别分为：blight-disease（疫病）、mosaic-virus（花叶病毒）和redspider-infection（红蜘蛛感染）。数据集共包含6446张图片，并配有相应的txt标签、指定类别的yaml文件以及xml格式的标注文件。已将图像及对应的txt标签划分为训练集、验证集与测试集，可以直接用于上述YOLO系列算法模型的训练过程。
  • 番茄病害的数据集 番茄病害的数据集
    优质
    本数据集聚焦于收集和整理各类影响番茄生长的疾病信息，旨在为农业科研人员提供研究资源，推动智能监测与防治技术的发展。 番茄病害数据集包含了一系列关于番茄不同种类病害的图像和相关信息，用于研究和识别番茄疾病。
  • 番茄叶病害数据集-植物病害
    优质
    番茄叶病害数据集专注于收集和分析影响番茄叶片的各种病害图像资料，旨在促进植物病理学研究及智能诊断技术的发展。 番茄叶片病害数据集包含了有关番茄叶片各种病害的详细记录和分析。
  • 番茄病虫害的Yolo数据集
    优质
    本数据集为研究番茄作物在生长过程中遭遇的各种常见病虫害问题而创建，采用YOLO算法模型进行标注和分类，旨在促进智能监测与防治技术的发展。 训练集包含1314张图片，测试集有258张图片，数据共分为十一个类别，请参阅资源文件classest.txt以获取具体类别的详细信息。
  • 番茄病虫害数据库集
    优质
    番茄病虫害数据库集是一部全面收录了影响番茄生长的各种疾病与害虫信息的专业资料库。包含详细的病症描述、发生原因及防治措施等内容，旨在帮助农民和科研人员有效管理和减少番茄作物的损失。 番茄病虫害数据集包含了有关番茄生长过程中可能出现的各种病虫害的信息。这个数据集对于研究如何防治这些疾病和害虫具有重要价值。研究人员可以利用该数据集进行数据分析，以开发出更有效的农业管理策略和技术，帮助农民减少作物损失并提高产量。
  • 番茄病害数据集，涵盖十种病害
    优质
    该数据集专注于收集和整理关于番茄作物的十种常见病害信息，为研究者提供详实的数据支持，助力于植物病理学及智能农业领域的深入探索。 适合迁移学习的深度学习方法在图像分类任务中表现出色。这种方法能够利用已有的大规模数据集训练出的模型，并将其应用于新的但相关性较强的领域或问题上，从而减少对新领域大量标注数据的需求，提高模型的学习效率和泛化能力。
  • 番茄病害检测器原型：植物病害检测器
    优质
    这款名为“番茄病害检测器”的原型设备专为识别和监测番茄作物上的各种疾病而设计，旨在帮助农民及时采取措施保护农作物健康。它是更广泛的植物病害检测技术的一部分。 番茄病害检测仪 该存储库是一个Detector项目，可让您使用简单Web服务轻松检测番茄的病害。目前，可以使用边界框识别7种不同的疾病。 资源： - 图片文件可用。 - 可用视频文件。 - 支持添加新的YOLO模型。 - 其他格式的模型目录结构也支持。 技术组件包括：数据集、Yolov5模型侦查器以及Streamlit前端和FastAPI后端。此外，还提供CVAT注释工具用于标注训练数据。 使用方法： 1. 克隆此存储库 ``` $ git clone https://github.com/IVADL/PDD-prototype.git ``` 2. 使用docker-compose命令运行项目 注意：具体如何执行docker-compose命令未在原文中详细说明。
  • 基于YOLOv11的番茄病虫害检测
    优质
    本研究采用先进的YOLOv11算法，专注于提高番茄病虫害图像识别的速度与精度，为智能农业监测提供有效解决方案。 使用Yolov11对番茄病虫害进行识别，并已添加了SE注意力机制。该模型包含十一个类别，内置数据集并附有预训练权重。