图像分类：茶叶病害分类数据集

已于 2024-03-08 12:45:47 修改
阅读量671 收藏 12
点赞数 14
分类专栏： 数据集 文章标签： 目标检测 人工智能 机器学习 深度学习 分类 神经网络
于 2024-02-10 20:54:46 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/m0_73878864/article/details/136092593
版权

茶叶病害分类数据集，近七千张茶叶病害图像数据，无标注，适用于图像分类，包含藻斑病、褐斑病、健康茶叶等7个类别，全部原始图像，未使用图像增强。

1.茶叶褐斑病-980张

2.茶叶红斑病-1143

3.茶叶灰斑病-1000

4.茶叶藻斑病-1113

5.茶蚊病（茶角盲蝽）-1000

6.残缺茶叶-439

7.健康茶叶-1074

适用于CV项目，毕设，科研，实验等

需要此数据集或其他任何数据集请私信

MM-FF
关注
  • 14
    点赞
  • 踩
  • 12
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 3
    评论
专栏目录
用卷积神经网络识别实际田间条件下茶叶病虫害（自然环境下拍摄的数据集不用太多预处理）
慕云
09-21 1650
用卷积神经网络识别实际田间条件下茶叶病虫害 Identification of tea foliar diseases and pest damage under practical field conditions using a convolutional neural network Abstract 茶叶病变对茶树生长不利。它们的不利影响包括茶叶的进一步病害以及产量和利润的直接下降。因此，茶叶病变的早期检测和现场监测对于有效控制感染和防止产量进一步损失是必要的。在这项研究中，1，822幅茶叶图像带
植物叶片病害数据集 含4500多张
07-20
植物叶片病害数据集 含4500多张
茶叶病害检测
whaosoft143ai的博客
08-16 306
所提出的模型改进了不同尺度茶叶病害特征的融合，更加关注茶叶病害区域，对小目标茶叶病害具有更好的检测效果，能够更好地利用全局信息推断茶叶病害。CIoU Loss综合考虑了覆盖面积、纵横比和中心距离，可以很好地测量其相对位置，解决了优化预测框的水平和垂直方向的问题，但这种方法没有考虑目标框和预测框之间的方向匹配，导致收敛速度慢。因此，我们采用了SIoU损失。迁移学习是一种将已知领域的知识应用于目标领域的技术，它可以将训练好的网络模型从大型数据集转移到新的数据集，并实现网络模型参数和权重在新数据集上的重用。
英文论文（sci）解读复现【NO.12】YOLO-Tea: YOLOv5改进的茶叶病害检测模型
m0_70388905的博客
05-26 2048
茶叶病虫害每年给茶叶产业造成巨大的经济损失，准确识别病虫害具有重要意义。卷积神经网络 (Convolutional neural network, CNNs)可以自动从茶叶病虫害图像中提取特征。然而，在自然环境下拍摄的茶树叶片照片存在叶片遮光、光照、物体尺寸小等问题。受这些问题的影响，传统的 cnn识别性能不佳。为了应对这一挑战，我们提出了 YOLO-Tea，这是一个基于 You Only Look Once version 5 (YOLOv5)的改进模型。
茶叶病害数据集(7类病害和1种正常)
qq_40840797的博客
07-20 996
茶叶病害数据集还包含一类健康茶叶。每个类都包含100多个图像)
病虫害检测图像数据集介绍
LOLUN9的博客
01-19 1498
深度学习——病虫害检测图像数据库
茶叶病害数据集data.zip
05-07
专栏数据集
植物病害识别：茶叶叶片病害识别数据集
m0_73878864的博客
01-14 726
茶叶病害识别数据集：9500多张高质量图片，标注完整，包含黑腐病，褐疫病，叶锈病，健康茶叶等八个类别，没有应用增强。
基于英特尔开发套件的实时AI图像处理技术的茶叶病害监测物联网系统
英特尔开发人员专区
03-28 1777
本项目开发了一种基于英特尔开发套件 - AlxBoard的计算机视觉和深度学习技术的茶叶病虫害监测物联网系统。系统预装了英特尔OpenVINO™工具套件，通过连接摄像头实时捕捉茶叶叶片的图像，并利用预先训练好的深度学习模型对图像进行分析，实现对茶叶病虫害的自动识别和分类。
毕业设计：基于深度学习的叶片病虫害识别分类系统
毕设帮助,疑难解答,欢迎打扰!
03-01 1084
毕业设计：基于深度学习的叶片病虫害识别分类系统利用深度学习技术和计算机视觉方法，实现了对叶片病虫害的准确识别和分类。通过深入研究叶片病虫害的图像特征提取、卷积神经网络模型构建等关键技术，我们的系统能够在叶片病虫害的识别和分类中提供高准确性和高效性。对于计算机专业、软件工程专业、人工智能专业、大数据专业的毕业生而言，提供了一个具有挑战性和创新性的研究课题。无论您对深度学习技术保持浓厚兴趣，还是希望探索机器学习、算法或人工智能的领域的同学，能为您提供灵感和指导。
图像分类数据集：水稻病害分类数据集（4分类，包含训练集、验证集）
04-29
数据包含：水稻病害分类数据集（4分类，包含训练集、验证集），数据保存按照文件夹保存，经测试，可直接作为图像分类数据集，用ImageFolder打开，无需额外处理。 【数据集介绍】水稻病害图像分类，4类别：健康、...
茶叶病害检测数据集-含7种病害分类+885张高质量真实采集茶叶病害图片+已按类别划分-可用于深度学习算法训练.zip
04-23
茶叶病害检测数据集_含7种病害分类+885张高质量真实采集茶叶病害图片+已按类别划分_可用于深度学习算法训练
图片数据集-数据集
04-01
图片数据集
玉米生长状态数据集(健康及病害)
07-08
玉米生长状态数据集，包括玉米的4种生长状态。玉米健康、大斑病、小斑病和玉米锈病，文件夹中分别用0、1、2、3表示。各类图片分别有433、354、187、432张，共1406张。
深度学习—玉米病害数据集（主要七种病害）.zip
03-20
共有7个文件夹分别为 aihuayebing 矮花叶病 healthy 健康 huibanbing 灰斑病一般 huibanbings灰斑病严重 xiubing 锈病一般 xiubings 锈病严重 yebanbing 叶斑病一般 yebanbings 叶斑病严重
图像分类数据集：小麦叶片病害分类数据集（7分类，包含训练集、验证集）
最新发布
05-01
数据包含：小麦叶片病害分类数据集（7分类，包含训练集、验证集），数据保存按照文件夹保存，经测试，可直接作为图像分类数据集，用ImageFolder打开，无需额外处理。 【数据集介绍】小麦叶片病害图像分类，7类别：...
深度学习之图像分类数据集：大白菜病害图像分类数据集（3分类）
02-03
数据集包含大白菜病害图像分类数据集（3分类），数据按照文件夹储存，不需要处理可直接用作深度学习训练数据。 数据分为以下3类：蛀虫、潜叶虫和霉菌（每个类别有200-1500张图片） 数据集总大小：352MB 下载解压后...
苹果病害分类图片数据集
12-15
苹果病害分类图片数据集，真实环境拍摄，共分为4类吗，每类在200-600张图片 苹果病害分类图片数据集，真实环境拍摄，共分为4类吗，每类在200-600张图片 苹果病害分类图片数据集，真实环境拍摄，共分为4类吗，每类在...
[数据集][目标检测]茶叶病害数据集VOC+YOLO格式883张8类别
FL1623863129的博客
01-15 1461
标注类别名称:["algalleaf","Anthracnose","birdeyespot","brownblight","graylight","healthy","redleafspot","whitespot"]数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注。标注数量(txt文件个数)：883。
路面病害图像识别数据集
04-05
以下是几个常用的路面病害图像识别数据集： 1. MAI-ROAD：该数据集包含了12种常见的路面病害类型，如裂缝、坑洼、沉降等。共有1000张图像，其中每种类型各有80张。 2. CEDD：这是一个基于欧洲标准的路面病害图像数据集。共有5种类型的病害，包括裂缝、坑洼、路面损坏、油迹和标记。数据集包含400张图像，每种类型各有80张。 3. KITTI Road：这是一个公路图像数据集，其中包含了路面病害、车辆、行人等多种目标。数据集共有289图像，其中包含了不同种类的路面病害。 4. DeepCrack：这是一个面向裂缝检测的数据集，其中包含了不同类型和大小的裂缝图像。数据集中共有480张图像，其中200张是真实路面图像，280张是合成图像。 5. CRACK500：这是一个专门针对路面裂缝检测的数据集，其中包含了500张图像，分别包括人工裂缝、天然裂缝和复合裂缝。数据集中还提供了图像的标注信息。 这些数据集都是广泛使用的路面病害图像识别数据集，可以用于训练和评估路面病害检测和分类算法。
评论 3
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

打赏作者

MM-FF

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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