农业领域自建数据集

已于 2023-03-08 10:14:41 修改
阅读量595 收藏 5
点赞数 2
文章标签： python
于 2023-02-20 19:19:40 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/qq_43732118/article/details/129129848
版权

农业领域命名实体识别数据集

使用BIO命名规则，预先定义好的命名实体类别包括病害、虫害、防治药剂、防治方法、为害症状、为害地区、作物，实体定义如表所示。

实体定义
病害农业病害名称
虫害农业虫害名称
防治药剂防治农业病虫害的药剂学名、俗名、生物防治药剂名
防治方法防治农业病虫害的农业防治方法、生物防治方法等
为害症状农业病虫害危害作物的特征
为害地区发生农业病虫害的地区
作物农作物名称及品种

标注样例如下图所示：
在这里插入图片描述
现将自建的数据集公开，供各位同仁使用及指正以作学术研究之用，欢迎大家补充数据集，github网址如下：https://github.com/shenjie-hyc/CropDiseaseNer

【数据集】中国农田栅格数据CACD（1986-2021）
WW、forever的博客
07-05 789
简介中国农田栅格数据CACD（1986-2021）
利用LSTM构建高精度气象功率预测模型（附代码与数据集）
专注AI大模型,软件混淆,授权
04-08 74
本项目数据集由多个开源气象平台和实测功率数据构成，具有高维度、多变量、时间对齐性强等特点。适应性强：适用于不同类型的气象数据（风电、光伏、农业等）非线性建模能力强：捕捉风速、温度等与功率输出之间的复杂关系支持多步预测：可以根据历史24小时数据预测未来1~12小时功率易于扩展：可嵌入Attention、Transformer等模块进一步增强表现轻量高效：适合部署在边缘端（如风电场本地控制器）
农业领域数据集.zip
06-23
农业领域数据集.zip 农业领域数据，支持知识挖掘、知识图谱构建等研究工作使用。
农业数据集：整理的农作物数据和土壤数据
2301_76444133的博客
03-16 725
覆盖气象、水文、农业、社会经济等多领域丰富数据、工具素材资源，助力开发者快速解决各领域问题，包括温度、降水量、湿度、霜天数、云量和潜在的蒸腾作用等月度数据。提供整合数据库、元数据数据集、土壤资源数据库、土壤肥力数据库、土壤生物数据库、典型地域土壤数据库、重大项目专题数据库等土壤数据。提供中国及世界作物种植数据（2000-2021年），包括小麦、玉米、水稻、油菜籽等作物的种植分布、物候、种植制度、灌溉等数据。提供2020年农田作物种类与产值数据集，包含作物类别、作物名称、播种量、播种面积、单产、产值等信息。
最新的农业相关数据集
qq_40481602的博客
12-04 2548
最新的农业相关数据集：涉及昆虫目标检测、作物与杂草识别、多生长阶段识别、分层识别、多模态（图片、基因序列、文本）等
各领域数据集
qq_27374315的博客
12-26 538
https://blog.csdn.net/wangqingbaidu/article/details/80635618
农作物、农业相关的数据集合
weixin_55694092的博客
02-04 1448
RiceSeedlingDataset：用于水稻目标检测，水稻幼苗分类。
公开数据集合：农作物、农业相关的数据集合
热门推荐
TSINGHUAJOKING
04-03 1万+
01公开数据集合01公开数据集合提取码：woqh链接：提取码：7o03链接：提取码：lpa5。
使用YOLO v8训练自己的数据集（苹果新鲜度识别）
湘妞妞的博客
10-31 4058
近年来，随着全球经济的发展，水果消费市场规模不断扩大，水果种类也日益丰富。水果检测与识别技术在农业生产、仓储物流、超市零售等领域具有重要的应用价值。传统的苹果检测与识别方法主要依赖于人工识别，这种方法在一定程度上受到人力成本、识别效率和准确性等方面的限制。因此，开发一种高效、准确的自动化水果检测与识别系统具有重要的研究意义和实际价值。计算机视觉作为人工智能的一个重要分支，在目标检测和识别方面取得了显著的研究进展。特别是深度学习技术的发展，极大地推动了计算机视觉在水果检测与识别领域的应用。
大数据领域数据建模的平原大数据农业规划
最新发布
大数据洞察的博客
05-03 572
随着全球农业面临资源约束趋紧、气候变化加剧、劳动力成本上升等挑战，平原地区作为粮食主产区，亟需通过数据建模实现精细化管理。本文旨在构建一套适用于平原农业的大数据建模框架，覆盖数据治理、模型构建、决策支持三大核心环节，解决种植结构优化、灌溉调度、病虫害预警等实际问题。平原农业典型数据类型（气象、土壤、作物生长、遥感影像、市场数据）的建模方法数据驱动的农业规划决策流程设计模型落地的技术选型与工程化实现核心概念：解析数据建模在农业中的独特价值，构建技术架构图算法与模型。
基于单片机构建智慧农业无线传感器网络.pdf
07-12
智慧农业是集互联网、云计算、移动通信网络和物联网技术于一体，实现了对农作物生长环境的实时监测，包括土壤湿度、光照强度、灌溉需求、二氧化碳浓度等关键因素。通过智能化监测分析系统，智慧农业可以提高农业产量...
agridat:农业数据集
05-09
阿格里达 主页： ： 仓库： : agridat软件包提供了来自农业实验的大量数据集。 数据集来自与农业有关的书籍，论文和网站。 包括示例图形和分析。 数据来自小规模试验，多环境试验，均匀性试验，产量监测仪等。 主要特征： 详尽的文档。 （几乎）每个数据集的示例。 安装 # Install the released version from CRAN: install.packages( " agridat " ) # Install the development version from GitHub: install.packages( " devtools " ) devtools :: install_github( " kwstat/agridat " ) 用法 library( agridat ) ? agridat # list all dataset
永久基本农田数据库标准（2019版）.pdf
07-11
规定了永久基本农田数据库的分类代码、数据分层、数据文件命名规则、图形数据与属性数据的结构、数据交换格式、元数据等。
基本农田数据库标准
09-12
　　　为统一各业务管理部门基本农田数据，规范基本农田建库工作，推动基本农田管理信息化建设，在考虑到基本农田数据库与第二次全国土地调查基本农田上图成果、土地利用总体规划数据库基本农田数据相衔接，以及实现基本农田数据的日常管理维护和年度更新功能需求基础上，遵循《基本农田划定技术规程》（TD/T1032-2011）（以下简称《规程》）的基本要求，面向目前基本农田建库工作实际，对《基本农田数据库标准》（TD/T1019-2009）（以下简称《标准》）的部分内容做以下调整补充。
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图像数据，这些数据包括健康植物的图像以及受不同病虫害影响的植物图像。 2. **图像预处理**：对收集到的图像进行处理，以提高后续分析的准确性。这可能包括调整亮度、对比度、去噪、裁剪、缩放等。 3. **特征提取**：从图像中提取有助于识别病虫害的特征。这些特征可能包括颜色、纹理、形状、边缘等。 4. **模型训练**：使用机器学习算法（如支持向量机、随机森林、卷积神经网络等）来训练模型。训练过程中，算法会学习如何根据提取的特征来识别不同的病虫害。 5. **模型验证和测试**：在独立的测试集上验证模型的性能，以确保其准确性和泛化能力。 6. **部署和应用**：将训练好的模型部署到实际的病虫害检测系统中，可以是移动应用、网页服务或集成到智能农业设备中。 7. **实时监测**：在实际应用中，系统可以实时接收植物图像，并快速给出病虫害的检测结果。 8. **持续学习**：随着时间的推移，系统可以不断学习新的病虫害样本，以提高其识别能力。 9. **用户界面**：为了方便用户使用，通常会有一个用户友好的界面，显示检测结果，并提供进一步的指导或建议。 这项技术的优势在于它可以快速、准确地识别出病虫害，甚至在早期阶段就能发现问题，从而及时采取措施。此外，它还可以减少对化学农药的依赖，支持可持续农业发展。随着技术的不断进步，图像识别在病虫害检测中的应用将越来越广泛。
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
压缩包内提供百度网盘下载链接，永不过期！ 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作物方面图像处理研究。 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作物方面图像处理研究。 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作物方面图像处理研究。
基于生命周期理论的农业科学数据中心化管理模式
weixin_45585364的博客
02-28 768
基于生命周期理论的农业科学数据中心化管理模式高飞1,2,周国民2,3,满芮2,41中国农业科学院作物科学研究所，北京 1000812国家农业科学数据中心，北京 1000813中国...
使用遥感图像农田分割数据集进行目标检测任务_采用YOLOv5作为模型框架训练使用遥感类_遥感图像农田分割数据集,从数据准备到模型训练、评估、优化以及结果可视化的完整过程
2401_88440984的博客
02-20 300
使用遥感图像农田分割数据集进行目标检测任务_采用YOLOv5作为模型框架训练使用遥感类_遥感图像农田分割数据集,从数据准备到模型训练、评估、优化以及结果可视化的完整过程
依据SAM大模型识别的英国农田（农业田野）边界（FIBOA）矢量数据集
此星光明博客
06-01 1377
我们很高兴地宣布 fiboa（农业田间边界）是我们与泰勒地理空间引擎（TGE）合作开展的一个新项目，其重点是提高农场田间边界数据和其他相关农业数据的互操作性。我们对这个项目的巨大潜力感到非常兴奋，而且我们已经建立了一个与我们同样兴奋的社区。fiboa 是 TGE 农田边界计划的第一个具体成果，该计划旨在将人工智能和计算机视觉实际应用于地球观测图像，以更好地了解全球粮食安全。该倡议促进了学术界、工业界、非政府组织和政府组织之间的合作，以创建共享的全球田间边界数据集，用于创建更可持续、更公平的农业部门。
病蚕数据集购买
03-14
### 关于病蚕数据集的信息 目前公开可用的病蚕数据集较为有限，通常这类特定领域的小众数据集可能不会广泛存在于公共平台中。然而，可以通过一些途径获取或定制此类数据集： #### 1. **科研机构合作** 许多农业研究机构专注于害虫识别和农作物健康监测的研究工作。这些机构可能会拥有与病蚕相关的图像或其他形式的数据集合。可以尝试联系从事家蚕疾病研究的相关高校实验室或者研究所，寻求合作机会[^1]。 #### 2. **开源数据集平台** 尽管专门针对病蚕的数据集较少见，但仍可探索通用昆虫或动物病理学方面的开放资源库。例如 Kaggle、Figshare 和 Zenodo 这些平台上有时会发布由研究人员上传的独特专题数据集。如果未找到现成匹配项，则可通过提议共同开发新项目来促进该领域的发展[^2]。 #### 3. **自建数据采集方案** 当无法获得已有合适数据时，建立自己的数据收集体系成为另一种可行办法。这包括但不限于拍摄患病蚕宝宝样本照片，并运用前述提到的各种预处理手段如旋转、裁剪等增加多样性以构建训练所需的充足素材量级达到至少每种类别500张以上标准。 以下是实现自动化标注流程的一个简单 Python 脚本示例： ```python import os from PIL import Image, ImageOps def preprocess_image(input_path, output_dir): img = Image.open(input_path) # Random rotation between 0 to 30 degrees angle = random.randint(0, 30) rotated_img = img.rotate(angle) # Save processed image into the specified directory base_name = os.path.basename(input_path).split('.')[0] new_file_name = f"{base_name}_rotated_{angle}.jpg" full_output_path = os.path.join(output_dir, new_file_name) rotated_img.save(full_output_path) # Example usage of function with a single file path and destination folder preprocess_image('/path/to/your/image.jpg', '/desired/output/directory/') ``` 此脚本能帮助快速扩充基础图片资料至满足机器学习算法需求的程度。 --- ####
评论 4
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