马铃薯病害数据集（健康早晚疫病）

已于 2023-07-17 09:45:25 修改
阅读量371 收藏 1
点赞数
分类专栏： 马铃薯病害 土豆 数据集 文章标签： python 深度学习 数据挖掘
于 2023-05-30 09:51:51 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_45671994/article/details/130942060
版权

马铃薯健康叶片图片1430
马铃薯一般早疫病203    马铃薯一般晚疫病251
马铃薯严重早疫病510    马铃薯一般晚疫病446

IMU wang_xc
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 3
    评论
专栏目录
马铃薯病害数据集（健康早晚疫病）带部分标签
07-17
马铃薯病害数据集（健康早晚疫病）带部分标签
0031期基于深度学习的土豆疾病识别-含数据集
grehtsfrs的博客
01-28 790
083基于深度学习的手势识别小程序版本_含10多种模型包括alexnet、DenseNet、DLA、GoogleNet、Mobilenet、ResNet、ResNeXt、ShuffleNet、VGG、EfficientNet和Swin transformer等10多种模型。117nlp自然语言处理-文本情感分类-joy-sadness-anger-fear-love-surprise。运行02深度学习模型训练.py就会将txt文本中记录的训练集和验证集进行读取训练，训练好后会保存模型在本地。
【分类数据集】葡萄叶子病害分类数据集9027张4类别
最新发布
lwx666sl的博客
04-23 322
葡萄叶子病害是葡萄种植过程中常见的问题，这些病害对葡萄的生长和产量造成显著影响。白腐病则主要侵害果实和叶片，造成浅褐色病斑，严重时影响葡萄的整体健康。为了防治这些病害，种植者需要采取一系列措施，包括选择抗病性强的品种、加强田间管理、及时清除病枝病叶、合理施肥等。同时，在病害初期要及时采取治疗措施，以防止病害的扩散和加重。类别名称:["black_measles","black_rot","healthy","leaf_blight"]数据集格式：仅仅包含jpg图片，每个类别文件夹下面存放着对应图片。
[数据集][图像分类]土豆病害分类数据集451张7类别
FL1623863129的博客
03-06 542
类别名称:["black_scurf","blackleg","common_scab","dry_rot","healthy_potatoes","miscellaneous","pink_rot"]数据集格式：仅仅包含jpg图片，每个类别文件夹下面存放着对应图片。healthy_potatoes 图片数：80。black_scurf 图片数：58。common_scab 图片数：62。blackleg 图片数：60。pink_rot 图片数：57。dry_rot 图片数：60。
甜椒、马铃薯、西红柿植物病害分类数据集
10-01
甜椒、马铃薯、西红柿植物病害分类数据集 甜椒、马铃薯、西红柿植物病害分类数据集 共61900张图片；
马铃薯病害数据集
qq_40840797的博客
05-14 440
1..马铃薯数据集主要包好三种类别（Early_Blight（早期枯萎病），Late_Blight（晚期枯萎病）Healthy（正常））而且数据集已经分好训练集、验证集和测试集。Early_Blight 照片（训练集有1303张，验证集有163张，测试集有162张）Late_Blight 照片（训练集有1132张，验证集有151张，测试集有141张）Healthy照片（训练集有816张，验证集有102张，测试集有102张）Late_Blight（晚期枯萎病）文件夹。Early_Blight（早期枯萎病）
[数据集][图像分类]土豆马铃薯叶子病害分类数据集7128张3类别
FL1623863129的博客
03-06 422
类别名称:["early_blight","healthy","late_blight"]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分类存放。数据集格式：仅仅包含jpg图片，每个类别文件夹下面存放着对应图片。数据集类型：图像分类用，不可用于目标检测无标注文件。early_blight 图片数：2424。late_blight 图片数：2424。图片数量(jpg文件个数)：7128。healthy 图片数：2280。
马铃薯病害数据集.rar
12-03
马铃薯病害数据集，3类2152张RGB图像
无控制环境下马铃薯叶部病害数据集
02-18
无控制环境下马铃薯叶部病害数据集 数据说明： 现有的马铃薯叶片数据集可能无法准确地反映马铃薯叶病的真实情况，因为图像采集所处的控制环境和疾病类型信息的缺乏，只能捕捉真菌引起的病害。因此，我们获得了新的...
马铃薯叶片病害数据集，共160高清张病害图片
12-15
马铃薯叶片病害数据集是一个专门为机器学习和深度学习领域设计的图像资源，它包含了160张高清的马铃薯叶片病害图片。这些图片对于开发和训练计算机视觉模型，尤其是那些专注于农作物病害识别的应用至关重要。数据集...
不同马铃薯品种叶片SPAD值的变化特征以及归一化指标的建立
02-10
不同马铃薯品种叶片SPAD值的变化特征以及归一化指标的建立，陈俊辉，秦永林，由于马铃薯叶片SPAD仪读数因品种而异，因此探索一种适于不同马铃薯品种的SPAD仪氮素营养诊断指标非常必要。本文通过2个试验点、7个�
叶子分类数据集.rar
12-14
kaggle叶子分类数据集，
深度学习数据集—水果数据集大合集
weixin_44906759的博客
04-02 5081
深度学习数据集—水果数据集大合集
农业病虫害数据集与算法——调研整理
热门推荐
qq_40481602的博客
10-08 1万+
通过博客和文献调研整理的一些农业病虫害数据集与算法。
立即学习AI：03-使用卷积神经网络进行马铃薯分类
weixin_26752765的博客
09-04 449
今天学习AI (LEARN AI TODAY) This is the 3rd story in the Learn AI Today series! These stories, or at least the first few, are based on a series of Jupyter notebooks I’ve created while studying/learning P...
深度学习—玉米图像数据集大合集
weixin_44906759的博客
03-12 3501
目前玉米的育种表型监测、玉米病虫害监测分析、以及在日常的农业生产中应用深度学习的技术与手段可以很好的解决传统的行业难题，因此深度学习在农业生产中也迅速发展，因此本文，将我自己在工作与学习中收集的各类有关玉米的深度学习数据集分享给大家，包含玉米病虫害、籽粒质量、玉米无人机航、作物分类等多个类型，希望能为大家在农业生产、农作物研究等方面提供一些帮助。
小麦麦穗品种识别数据集
weixin_44906759的博客
10-22 1500
它包含从全球多个国家处于不同生育阶段的，具有广泛基因型的高分辨率RGB图像和带标签的小麦头。这些图像用于估计不同品种的小麦头的密度和大小。农民在自己的领域做出管理决策时可以使用这些数据评估其健康和成熟度。
马铃薯叶片常用数据增强
12-29
马铃薯叶片常用的数据增强方法有以下几种： 1. 随机裁剪（Random Cropping）：随机裁剪是指在原始图像中随机选择一个区域，并将该区域作为新的图像。这种方法可以增加数据集的多样性，使模型更好地学习到不同的特征。 2. 随机旋转（Random Rotation）：随机旋转是指对原始图像进行随机角度的旋转。这种方法可以模拟不同角度下的叶片形态，增加数据集的多样性。 3. 随机缩放（Random Scaling）：随机缩放是指对原始图像进行随机比例的缩放。这种方法可以模拟不同大小的叶片，增加数据集的多样性。 4. 随机翻转（Random Flipping）：随机翻转是指对原始图像进行随机方向的翻转，包括水平翻转和垂直翻转。这种方法可以模拟不同方向的叶片，增加数据集的多样性。 5. 随机亮度调整（Random Brightness Adjustment）：随机亮度调整是指对原始图像进行随机亮度的调整。这种方法可以模拟不同光照条件下的叶片，增加数据集的多样性。 6. 随机噪声添加（Random Noise Addition）：随机噪声添加是指对原始图像进行随机噪声的添加。这种方法可以模拟不同环境下的叶片，增加数据集的多样性。 7. 随机色彩调整（Random Color Adjustment）：随机色彩调整是指对原始图像进行随机色彩的调整，包括亮度、对比度、饱和度等。这种方法可以模拟不同环境下的叶片，增加数据集的多样性。 通过使用这些数据增强方法，可以扩充马铃薯叶片数据集的规模，并提高模型的泛化能力和鲁棒性。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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

IMU wang_xc

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