論文の概要: MangoLeafBD: A Comprehensive Image Dataset to Classify Diseased and
Healthy Mango Leaves
- arxiv url: http://arxiv.org/abs/2209.02377v1
- Date: Sat, 27 Aug 2022 16:07:16 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-11 13:16:29.647372
- Title: MangoLeafBD: A Comprehensive Image Dataset to Classify Diseased and
Healthy Mango Leaves
- Title（参考訳）: MangoLeafBD:病気や健康なマンゴーの葉を分類する総合的な画像データセット
- Authors: Sarder Iftekhar Ahmed, Muhammad Ibrahim, Md. Nadim, Md. Mizanur
Rahman, Maria Mehjabin Shejunti, Taskeed Jabid, Md. Sawkat Ali
- Abstract要約: 我々は,マンゴー葉の1番めの標準,使用可能な,公開可能なデータセットを開発した。
データセットには、約1800個の異なる葉の4000枚の画像が含まれており、7つの病気をカバーしている。
このデータセットは、自動農業の分野で機械学習の研究者や実践家から広く注目を集めることが期待されている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Agriculture is of one of the few remaining sectors that is yet to receive
proper attention from the machine learning community. The importance of
datasets in the machine learning discipline cannot be overemphasized. The lack
of standard and publicly available datasets related to agriculture impedes
practitioners of this discipline to harness the full benefit of these powerful
computational predictive tools and techniques. To improve this scenario, we
develop, to the best of our knowledge, the first-ever standard, ready-to-use,
and publicly available dataset of mango leaves. The images are collected from
four mango orchards of Bangladesh, one of the top mango-growing countries of
the world. The dataset contains 4000 images of about 1800 distinct leaves
covering seven diseases. Although the dataset is developed using mango leaves
of Bangladesh only, since we deal with diseases that are common across many
countries, this dataset is likely to be applicable to identify mango diseases
in other countries as well, thereby boosting mango yield. This dataset is
expected to draw wide attention from machine learning researchers and
practitioners in the field of automated agriculture.
- Abstract（参考訳）: 農業は、まだ機械学習コミュニティから適切な注目を集めていない数少ない分野の1つである。
機械学習分野におけるデータセットの重要性は強調できない。
農業に関連する標準データと公開データセットの欠如は、これらの強力な計算予測ツールとテクニックの利点を最大限に活用するこの分野の実践者を妨げている。
このシナリオを改善するために、私たちは、私たちの知る限り、最初の標準であり、使用可能で、公開されているマンゴーの葉のデータセットを開発します。
画像はバングラデシュの4つのマンゴー果樹園から収集されている。
このデータセットは7つの病気をカバーする約1800の異なる葉の4000枚の画像を含んでいる。
このデータセットはバングラデシュのマンゴー葉のみを用いて開発されているが、多くの国で共通する疾患を扱うため、他の国のマンゴー病の特定にも応用できる可能性が高いため、マンゴー収率を高めることができる。
このデータセットは、自動化農業の分野で機械学習の研究者や実践者から広く注目されるだろう。
関連論文リスト
- Open the Data! Chuvash Datasets [50.59120569845975]
Chuvash言語用の包括的データセットを4つ紹介する。
これらのデータセットには、モノリンガルデータセット、ロシア語による並列データセット、英語による並列データセット、オーディオデータセットが含まれる。
論文 参考訳（メタデータ） (2024-05-31T07:51:19Z) - MetaFruit Meets Foundation Models: Leveraging a Comprehensive Multi-Fruit Dataset for Advancing Agricultural Foundation Models [10.11552909915055]
今回紹介するMetaFruitは,4,248のイメージと248,015のラベル付きインスタンスからなる,公開可能な最大規模のマルチクラスフルーツデータセットである。
本研究では, 先進的ビジョン基礎モデル(VFM)を応用したオープンセット果実検出システムを提案する。
論文 参考訳（メタデータ） (2024-05-14T00:13:47Z) - Generating Diverse Agricultural Data for Vision-Based Farming Applications [74.79409721178489]
このモデルは, 植物の成長段階, 土壌条件の多様性, 照明条件の異なるランダム化フィールド配置をシミュレートすることができる。
我々のデータセットにはセマンティックラベル付き12,000の画像が含まれており、精密農業におけるコンピュータビジョンタスクの包括的なリソースを提供する。
論文 参考訳（メタデータ） (2024-03-27T08:42:47Z) - Dates Fruit Disease Recognition using Machine Learning [0.0]
健康期, 病期, 栄養期, 寄生虫の感染状況など, 871枚の画像からなるデータセットを作成した。
最も高い平均精度は、L*a*b、統計、DWT特徴を組み合わせることで達成された。
論文 参考訳（メタデータ） (2023-11-17T07:37:41Z) - HarvestNet: A Dataset for Detecting Smallholder Farming Activity Using
Harvest Piles and Remote Sensing [50.4506590177605]
HarvestNetは、2020-2023年のエチオピアのティグレイとアムハラの農場の存在をマッピングするためのデータセットである。
本研究は,多くの小作システムの特徴ある収穫杭の検出に基づく新しい手法を提案する。
本研究は, 農作物のリモートセンシングが, 食品の安全地帯において, よりタイムリーかつ正確な農地評価に寄与することが示唆された。
論文 参考訳（メタデータ） (2023-08-23T11:03:28Z) - BOLLWM: A real-world dataset for bollworm pest monitoring from cotton
fields in India [2.6481410812267145]
本稿では,インド全土の小規模農家や農業拡張労働者が5年間にわたって収集した農薬画像のデータセットについて述べる。
このデータセットは、農夫が害虫管理の決定を行うのを助けるために、人工知能に依存するモバイルアプリケーションをサポートするために使われてきた。
論文 参考訳（メタデータ） (2023-04-03T07:31:30Z) - Fruit Ripeness Classification: a Survey [59.11160990637616]
食品を格付けするための特徴記述子を多用する多くの自動的手法が提案されている。
機械学習とディープラーニング技術がトップパフォーマンスの手法を支配している。
ディープラーニングは生のデータで操作できるため、複雑なエンジニアリング機能を計算する必要がなくなる。
論文 参考訳（メタデータ） (2022-12-29T19:32:20Z) - Paddy Doctor: A Visual Image Dataset for Paddy Disease Classification [0.0]
パディドクター(Paddy Doctor)は、水田病を識別するための画像データセットである。
本データセットは10クラス(9つの疾患と正常な葉)に13,876点の注釈付き水田葉画像を含む。
我々は、畳み込みニューラルネットワーク(CNN)とVGG16とMobileNetの2つの移行学習アプローチを用いて、パディドクターをベンチマークした。
論文 参考訳（メタデータ） (2022-05-23T07:57:40Z) - A Deep Learning-based Detector for Brown Spot Disease in Passion Fruit
Plant Leaves [0.5485240256788552]
この研究は2つの主要な病気(ウイルス)と茶色の斑点(真菌)に焦点を当てている。
我々はウガンダ国立作物研究所(NaCRRI)と共同で、熱心にラベル付けされた果物の葉と果実のデータセットを開発しました。
論文 参考訳（メタデータ） (2020-07-28T10:17:43Z) - The 1st Agriculture-Vision Challenge: Methods and Results [144.57794061346974]
第1回農業ビジョンチャレンジは、航空画像から農業パターン認識のための新しい効果的なアルゴリズムの開発を奨励することを目的としている。
約57の参加チームが、航空農業のセマンティックセグメンテーションの最先端を達成するために競っている。
本報告では,課題における注目すべき手法と成果について概説する。
論文 参考訳（メタデータ） (2020-04-21T05:02:31Z) - Agriculture-Vision: A Large Aerial Image Database for Agricultural
Pattern Analysis [110.30849704592592]
本稿では,農業パターンのセマンティックセグメンテーションのための大規模空中農地画像データセットであるGarmry-Visionを提案する。
各画像はRGBと近赤外線(NIR)チャンネルで構成され、解像度は1ピクセルあたり10cmである。
農家にとって最も重要な9種類のフィールド異常パターンに注釈を付ける。
論文 参考訳（メタデータ） (2020-01-05T20:19:33Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。