Advertisement

Cassava-leaf-disease-classification

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

简介：
在本次比赛中，我们采用了乌干达调查过程中收集的21,367张带标签图像的数据集。这些图像主要由农民拍摄其园艺照片，并经国家作物资源研究所（NaCRRI）与坎帕拉马克雷雷大学AI实验室专家团队合作，在确保数据质量和标注准确性的同时，进行了系统化的整理和分类。这种数据集最能贴近农民在日常工作中所需的信息。 您的任务是对每张木薯图像进行分类，将其归入四个疾病类别或第五个类别（指示健康的叶片）。通过这项工作，农民可能能够更快速、准确地识别出患病植物，从而在损失不可逆之前采取补救措施。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • Kaggle-Cassava-Leaf-Disease-Classification：木薯叶病分类的Kaggle竞赛代码...
    优质
    这段简介可以这样写：“Kaggle-Cassava-Leaf-Disease-Classification”项目是一个针对木薯叶病进行分类的比赛代码，旨在通过图像识别技术帮助农民精准诊断作物疾病。 在Kaggle的木薯叶病分类竞赛中，“木薯叶病分类”项目取得了第256名的成绩（总排名为3900中的前7%），并获得了铜牌，比赛于二月份结束。最近整理代码后，我决定将其发布到GitHub上。（尽管整理代码是一项繁琐的工作）。在私有数据集中，我的模型得分为0.8987 。然而，在GitHub上发布的版本得分更高为0.9010 ，如果提交该解决方案，则可以进入银牌区域。 该项目的仓库包括训练和测试部分的完整代码。我使用了一些特定的技术来优化性能： - AMP（自动混合精度）以加快模型训练速度，考虑到Kaggle平台上的GPU时间限制以及我个人使用的较慢GPU。 - 数据增强技术Data8月被证明可以提升模型的表现；我没有采用cutmix或snapmix等方法，因为这些技巧虽然耗时较长但并未显著改善性能。 - K折交叉验证（$ k = 5 $）用于模型训练和评估的稳定性 - 模型集成：EfficientB4是我自己训练的一个版本，而Resnext则是从讨论区获得公开访问权限后使用的。 以上就是我对该项目的一些说明。
  • Multiclass Plant Leaf Disease Detection and Classification...
    优质
    本文探讨了一种多分类植物叶片病害检测与识别方法，利用深度学习技术自动诊断作物疾病，提高农业管理效率。 编写了用于将叶子分类为以下类型之一的Matlab代码：Alternaria Alternata、Anthracnose、Bacterial Blight、Cercospora Leaf Spot 和 Healthy Leaves。该分类由Multiclass SVM（一对一）完成。 运行步骤如下： 1. 将文件夹Leaf_Disease_Detection_code放置在Matlab路径中，并将所有子文件夹添加到该路径。 2. 运行DetectDisease_GUI.m脚本。 3. 在GUI界面，点击“加载图像”，从Manus Disease数据集中选择并加载图片。随后点击“增强对比度”按钮以优化图像显示效果。 4. 点击Segment Image（分割图像），输入包含感兴趣区域的cluster no（即只有疾病受影响的部分或健康部分）。 5. 最后，点击分类结果查看识别输出，并测量准确性（在这种情况下是区分健康叶子与所有患病类型）。
  • Kaggle Cassava-Leaf-Disease：识别木薯叶片图像中的病害类型
    优质
    本项目参加Kaggle竞赛，旨在通过深度学习模型分析和分类木薯叶病害图像，助力农业疾病预防与控制。 Kaggle任务是将每张木薯图像分为五类：表示植物具有某种疾病或健康叶片的状况。组织者提供了一个数据集，该数据集包含在乌干达定期调查期间收集的21,367张带标签的图片。这些照片大多数是从农民那里获取，并由国家作物资源研究所（NaCRRI）与坎帕拉马可雷雷大学AI实验室合作进行批注。 为了使用此功能的基本方法，可以尝试以下命令安装工具：`!pip install https://github.com/Borda/kaggle_cassava-leaf-disease/archive/main.zip` 在Colab中运行笔记本时，建议将数据集上传到个人Google Drive，并连接至该驱动器以避免重置Colab后重新上传数据。 一些结果展示了ResNet50模型经过10个周期训练后的进度。
  • Kaggle Leaf Classification: 植物幼苗分类竞赛
    优质
    简介：Kaggle Leaf Classification竞赛是一项专注于植物识别的机器学习挑战赛，参赛者通过分析和分类不同植物叶片图像来提高对各种作物品种的理解与区分能力。 KaggleLeaf分类竞赛是关于植物幼苗分类的。参赛者需要根据不同的特征来识别和分类植物幼苗。这是一个很好的机会，可以利用机器学习技术提高对植物学的认识，并与其他数据科学家竞争。
  • 基于机器学习的rice leaf disease数据集分类识别方法
    优质
    本研究提出了一种基于机器学习算法的水稻叶片病害分类识别方法，利用rice leaf disease数据集进行训练与测试，实现高效准确的疾病诊断。 Bacterial leaf blight, Brown spot, and Leaf smut are three common diseases that affect rice leaves. For each of these diseases, there is a corresponding image showing the symptoms on a white background for better visibility. The dataset can be expanded to include more images depicting various stages of infection and different environmental conditions under which these diseases occur.
  • ICL Leaf Database.rar
    优质
    ICL Leaf Database 是一个包含大量叶片图像的数据集，用于植物学研究和计算机视觉技术的发展。该数据库旨在帮助研究人员识别、分类及分析不同种类的叶子特征。 植物叶片数据集包含多种植物的叶片图像，涵盖了220类不同的植物。每种植物有60张不同角度的单幅图像供学习和下载。
  • Cassava - CSV編輯軟件
    优质
    Cassava是一款功能强大的CSV编辑软件，提供直观易用的界面和高效的文件处理能力，适用于数据分析师、程序员及各类需要频繁操作CSV文件的专业人士。 Cassava是一款轻巧但功能丰富的CSV编辑软件。使用它可以轻松创建和编辑CSV文件，并以与文本编辑器相同的方式操作表格数据。它提供了多种实用功能，包括宏功能和简单的电子表格工具，满足用户在工作中所需的各种需求。