Advertisement

柑橘病虫害智慧农业数据集522张含标注-voc与yolo格式.zip

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


简介:
本资源提供包含522张图片的柑橘病虫害数据集,附带VOC及YOLO格式标注信息,适合用于训练图像识别模型。 智慧农业_3类柑橘病虫害数据集包含522张已标注图片,提供VOC格式和YOLO格式标签。病害类别包括三类:0代表HLB,1代表ill,2代表健康状态。由于文件较大,上传了下载链接以便获取完整资源。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • 522-vocyolo.zip
    优质
    本资源提供包含522张图片的柑橘病虫害数据集,附带VOC及YOLO格式标注信息,适合用于训练图像识别模型。 智慧农业_3类柑橘病虫害数据集包含522张已标注图片,提供VOC格式和YOLO格式标签。病害类别包括三类:0代表HLB,1代表ill,2代表健康状态。由于文件较大,上传了下载链接以便获取完整资源。
  • 苹果树叶(花叶和斑点落叶)916图片,包VOC/YOLO/JSON签.zip
    优质
    本数据集包含916张针对苹果树花叶病和斑点落叶病的图像,提供VOC、YOLO及JSON格式标签,适用于智慧农业中机器视觉与深度学习研究。 苹果叶病害(包括花叶病、斑点落叶病、叶枯病)识别检测数据集适用于课程作业、设计比赛及实际项目应用,如智慧农业与植物疾病智能识别app等。该数据集中共有916张图片,背景丰富多样,目标物大小不一且角度各异,分布均匀,整体上具有较高的多样性。标签格式包括VOC(xml)、YOLO(txt)和JSON三种类型,适用于多种目标检测算法直接使用。所有标注均为人工完成,并确保了框选的准确性及数据质量的高度可靠性。
  • 图像分类
    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。
  • 橙子子桔子检测VOC+YOLO2814图片,4个类别).zip
    优质
    本数据集包含2814张图像,涵盖四种橙子疾病类型,采用VOC与YOLO两种标注格式,旨在提升机器学习模型在检测柑橘病害中的准确度。 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txt文件) 图片数量(jpg文件个数):2814 标注数量(xml文件个数):2814 标注数量(txt文件个数):2814 标注类别数:4 重要说明:数据集中的橘子果实病害不是叶子病害,请仔细查看以下更多信息。 标注类别名称:“blackspot”,“canker”,“fresh”,“grenning”
  • 茶叶VOC+YOLO883图片,8个类别).zip
    优质
    本资料包提供了一个包含883张图片的茶叶病害数据集,涵盖八大类病害。采用VOC与YOLO两种标注格式,便于机器学习和深度学习模型训练使用。 数据集格式采用Pascal VOC与YOLO两种形式。其中VOC格式包含xml文件用于存储每个图片的标签信息;而YOLO格式则为对应的txt文件(不含路径),仅包括jpg图像及其相应的VOC xml文件及yolo txt文件。 该集合共有883张图片,每一张都有其相对应的标注数据和类别标签。具体来说,一共有8个不同的分类:algalleaf、Anthracnose、birdeyespot、brownblight、graylight、healthy、redleafspot以及whitespot。每个类别的样本数量分别为: - Anthracnose: 99 - algalleaf: 114 - birdeyespot: 100 - brownblight: 113 - graylight: 100 - healthy: 74 - redleafspot: 143 - whitespot: 141 总计标注框数量为884。所有标签工作均通过labelImg工具完成,遵循使用矩形框标记类别的规则。 每个图片内的内容仅限于单一叶子的检测与分类任务上。
  • 机航拍检测VOC+YOLO4596图片,4个类别).zip
    优质
    本数据集包含4596张图片,涵盖农田及农机设备的航拍图像,并提供VOC和YOLO两种标注格式,支持四种不同类别的精准识别。 样本图展示在服务器上,请务必通过电脑端资源详情页面查看并下载。 重要提示:数据集的一半经过了增强处理,由于文件超过1GB,建议使用百度云盘进行下载。 **数据格式**: - Pascal VOC 格式 + YOLO 格式(不包含分割路径的txt文件,仅提供jpg图片及对应的VOC格式xml文件和yolo格式txt文件) **图像数量 (jpg 文件个数)**:4596 **标注数量 (xml 文件个数)**:4596 **标注数量 (txt 文件个数)**:4596 **类别总数**:4 具体类别名称及框的数量: - car: 7345 - people: 7958 - tractor: 6177 - van: 7524 总标注数量(所有框):29004 使用的标签工具为 LabelImg,标注规则是对每个类别进行矩形框标记。 **特别说明**: 提供的数据集不保证训练模型或权重文件的精度,仅确保提供的标注准确且合理。