病虫害检测图像数据集介绍

已于 2023-11-03 13:57:01 修改
阅读量2.6k 收藏 23
点赞数 3
分类专栏： 深度学习 数据库和大数据 算法 文章标签： 深度学习
于 2023-01-19 10:23:27 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/LOLUN9/article/details/128732750
版权

对于机器学习来说，数据集永远是算法构建的第一步。今天作者就给小伙伴介绍一种在智能农业领域做病虫害检测和识别的数据集。病虫害检测识别不仅要求作物病害虫害的图片数量多、而且种类要全，那么以下这个数据集可以说是满足了这些要求。

该数据集包含了农作物、蔬菜、果树和农田杂草等四大系列的标准的农业虫草害图片、文字、视频等数据。数据集规模包含各种病虫草害高清图片约80万张，涵盖病虫害约1800种，农业昆虫约1200种，杂草约500种，可直接用于病虫害图像识别算法构建和对比测试。下载访问网址www.ipmphoto.com

该数据集分别农业虫害和农业病害两个部分。

农业虫害：

农业病害：

部分图片：

温室白粉虱

烟粉虱

黄胸蓟马

美洲斑潜蝇

甜菜螟

斜纹夜蛾

黄足黄守瓜

黄足黑守瓜

瓜绢

各种病虫害的高清数据集
03-30
病虫害高清数据集含有五个类别。jpg格式图片
植物保护-深度学习-YOLOv5-病虫害识别训练数据集
05-18
植物保护-深度学习-YOLOv5-病虫害识别训练数据集是一个精心策划的数据集，旨在为农业科技领域的研究人员提供强大的工具，以改善病虫害的识别和管理工作。数据集包含了10000张高清图像，覆盖了10余种常见的植物病虫害，每一张图像都经过了专业标注，确保了数据的质量和准确性。 为了进一步提升模型的泛化能力和鲁棒性，数据集经过了数据增强处理，包括随机旋转、翻转、缩放和裁剪等多种变换，从而扩大了训练数据的多样性。这种增强处理有助于模型学习到更多的特征，提高其在实际应用中的表现。 此数据集适用于深度学习框架YOLOv5，它是一个高效的目标检测模型，能够实时地识别和定位图像中的病虫害。通过使用这个数据集，研究人员可以训练和优化YOLOv5模型，使其在病虫害的早期检测和防治中发挥关键作用。 植物保护-深度学习-YOLOv5-病虫害识别训练数据集的推出，不仅能够促进农业科技的发展，还能够帮助农业生产者更有效地管理作物健康，减少农药使用，保护环境，实现可持续农业。
解锁水稻害虫检测黑科技，守护稻田“绿色防线”（附数据集地址）
最新发布
zzjlhlcd的博客
03-03 890
为了解决数据集中害虫种类和数量分布不均衡的问题，研究人员采用数据增强技术，对现有的图像进行旋转、缩放、裁剪、添加噪声等操作，生成大量新的图像样本，从而丰富数据集的内容，提高模型对不同形态和环境下害虫的识别能力。这些看似不起眼的小生物，却有着巨大的破坏力，堪称稻田里的隐形杀手。传统人工检测，一个人一天可能只能完成几亩稻田的检测，而基于目标检测技术的系统，借助计算机强大的计算能力，能够在短时间内处理大量的图像数据，几分钟内就能完成几十亩甚至上百亩稻田的检测，大大提高了检测效率，为及时防治害虫争取了宝贵的时间。
番茄病虫害数据集
10-15
番茄病虫害数据集
【数据集】【YOLO】【目标检测】病虫害识别数据集 4809 张，YOLO病虫害识别算法实战训练教程，yolo病虫害识别毕业设计。
CV 小涵的博客，计算机本硕211毕业，研究计算机视觉、模型微调、RAG等方向，收藏有国内外优质数据集，解决视觉相关项目方案，欢迎交流讨论。
12-25 4384
【数据集】【YOLO】【目标检测】病虫害识别数据集 4809 张，YOLO病虫害识别算法实战训练教程，yolo病虫害识别毕业设计，包含YOLO/VOC格式标注。 数据集中包含4种分类：names:['Healthy Leaf', 'Leaf Mold', 'Septoria leaf spot', 'Tomato leaf bacterial spot']，表示"健康、霉菌、叶斑、细菌班"。 数据集图片来自国内外网站、网络爬虫、监控采集等； 基于QT的yolo可视化界面详细教程。
YOLOV3林业病虫害数据集和数据预处理-paddle教程
weixin_43955293的博客
11-02 4486
林业病虫害数据集和数据预处理方法介绍 在本课程中，将使用百度与林业大学合作开发的林业病虫害防治项目中用到昆虫数据集。 读取AI识虫数据集标注信息 AI识虫数据集结构如下： 提供了2183张图片，其中训练集1693张，验证集245，测试集245张。 包含7种昆虫，分别是Boerner、Leconte、Linnaeus、acuminatus、armandi、coleoptera和linnaeus。 包含了图片和标注，请读者先将数据解压，并存放在insects目录下。 !conda list # packa
植物病虫害：YOLO水稻虫害识别数据集（6类，五千余张图像，标注完整）
m0_73878864的博客
03-08 1736
YOLO水稻虫害识别数据集，包含褐飞虱，绿叶蝉，正常叶片，稻虫，二化螟，蝇蛆6个类别，共五千余张图像，yolo标注完整。
植物病害数据集大类叶片病害数据集 1.水稻病害数据集 9类 44229 Yolo 2.柑橘叶片病害检测数据集 5类 5588 Yolo 3.小麦病害数据集 yolo 904 12类 玉米病害4类9千张
2401_88441190的博客
10-26 2365
植物病害数据集大类叶片病害数据集 1.水稻病害数据集 9类 44229 Yolo 2.柑橘叶片病害检测数据集 5类 5588 Yolo 3.小麦病害数据集 yolo 904 12类 玉米病害4类9千张
植物病虫害检测数据集-番茄叶病虫害检测训练数据集-提供标注信息-645张训练图像+测试+验证图-含7个类别病害-高质量数据集
04-17
植物病虫害检测数据集_番茄叶病虫害检测训练数据集_提供标注信息_645张训练图像+测试+验证图_含7个类别病害_高质量数据集 类别 Bacterial Spot Early Blight Healthy Late Blight Leaf Mold Target Spot Black Spot...
可用于深度学习或者图像处理研究的农作物病虫害数据集
07-13
该数据集包含了水稻、玉米、小麦、甜菜、苜蓿、葡萄、柑橘 、芒果共8种作物的75000 多幅图像。前五种作物为大田作物（FC， field crops），后三种为经济作物（EC，economic crops）。该数据集可以用于深度学习与农...
虫害数据集，包含7种害虫数据集
03-09
虫害数据集，包含7种害虫数据集
病虫害识别系统
10-11
包含轻微、中等、正常、严重四个等级的叶片照片，完整的matlab代码。
自然环境下，4种水稻叶片病虫害数据集
05-04
自然环境下，4种水稻叶片病虫害数据集 Bacterial blight（白叶枯病）共1548张，Blast（稻瘟病）共1440张，Brown Spot（褐斑病）共1600张，Tungro(水稻東格魯桿狀病毒)共1308张。自然环境下，水稻叶片病虫害数据集。
十种林业害虫数据集，采取VOC格式标注，可用于目标前检测模型训练
07-13
压缩包提供下载的百度网盘链接，请放心购买，永久不失效。 该数据集为自采集数据集，包含的数据类别：10类（丝带凤蝶、人纹污灯蛾、松墨天牛、日本脊吉丁、杨小舟蛾、杨扇舟蛾、柳蓝叶甲、桑天牛、褐边绿刺蛾、黄刺蛾），数据量：2262张，其中标注格式为VOC格式，可用于RCNN、YOLOv1-YOLOv7等各种目标检测模型训练。 该数据集为自采集数据集，包含的数据类别：10类（丝带凤蝶、人纹污灯蛾、松墨天牛、日本脊吉丁、杨小舟蛾、杨扇舟蛾、柳蓝叶甲、桑天牛、褐边绿刺蛾、黄刺蛾），数据量：2262张，其中标注格式为VOC格式，可用于RCNN、YOLOv1-YOLOv7等各种目标检测模型训练。 该数据集为自采集数据集，包含的数据类别：10类（丝带凤蝶、人纹污灯蛾、松墨天牛、日本脊吉丁、杨小舟蛾、杨扇舟蛾、柳蓝叶甲、桑天牛、褐边绿刺蛾、黄刺蛾），数据量：2262张，其中标注格式为VOC格式，可用于RCNN、YOLOv1-YOLOv7等各种目标检测模型训练。
图像数据集
12-14
包含十种物体，每一类100张图片，已经分好测试集和训练集了，小样本量的数据集，挺好用
农业病虫害命名实体识别数据集.zip
09-06
图像识别技术在病虫害检测中的应用是一个快速发展的领域，它结合了计算机视觉和机器学习算法来自动识别和分类植物上的病虫害。以下是这一技术的一些关键步骤和组成部分： 1. **数据收集**：首先需要收集大量的植物...
植物病害识别数据集
这里是Mae。
05-11 3250
植物病害识别数据集。
农业病虫害图像数据集及构建
LOLUN9的博客
08-30 1018
农业害虫3.6T，包含26个目，313个科，共1600余种（覆盖所有一类农作物）。6.申请农业病虫害训练平台账号，申请数据集，进行模型与数据隔离训练。想用训练平台或者数据集进行训练的小伙伴可以给我留言或者发邮件。3.将标注后的数据转化为VOC,COCO或者YOLO格式。基于上一版本，近期团队又对农业病虫害图像数据集做个补充。农业病害1.5T，包含160种作物，共1500余种。4.针对某一种作物，或者某几种害虫建立数据子集。杂草1.0T，共500余种。5.增加病虫害语料数据集。
8种作物病虫害深度学习图像数据集发布
在当今数字化时代，利用人工智能技术，尤其是深度学习，在农作物病虫害检测领域正逐渐成为一种趋势。这个特定的数据集旨在支持机器学习特别是深度学习领域的研究者和开发者，通过提供丰富的图像数据来训练和测试他们...
评论 9
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值