位置: IT常识 - 正文

农业病虫害数据集与算法——调研整理(2020年农业病虫害)

编辑:rootadmin
农业病虫害数据集与算法——调研整理 整理自博客农业病虫害研究图库

推荐整理分享农业病虫害数据集与算法——调研整理(2020年农业病虫害),希望有所帮助,仅作参考,欢迎阅读内容。

文章相关热门搜索词:2020年农业病虫害,农业病虫害数据统计,农业病虫害数据统计,农业病虫害数据查询,农业病虫害数据库有哪些,农业病虫害数据库有哪些,农业病虫害数据集,农业病虫害数据库有哪些,内容如对您有帮助,希望把文章链接给更多的朋友!

陈雷;袁媛.农业病虫害研究图库.(V1).中国科学院合肥物质科学研究院[创建机构],2021-10-27.国家基础学科公共科学数据中心[发布机构],CSTR:16666.11.nbsdc.feoakuia;http://resolve.pid21.cn/CSTR:16666.11.nbsdc.feoakuia

下载链接:仅有一些病虫害样本可供下载。

AI Studio

 该网站上有很多网友上传的数据集。

跳转链接:AI Studio

 AI Challenger 数据集

 AI Challenger 2018竞赛的数据,是农作物叶子图像的数据集,标注图片5万张,包含10种植物(苹果、樱桃、葡萄、柑桔、桃、草莓、番茄、辣椒、玉米、马铃薯)的27种病害,合计61个分类(按“物种-病害-程度”分)。

下载链接:病虫害分类数据集 - 飞桨AI Studio

Plant-Village数据集

 54303张健康和病害图片,分为39个类别。

下载链接:Data for: Identification of Plant Leaf Diseases Using a 9-layer Deep Convolutional Neural Network - Mendeley Data

苹果叶部病理图像 

苹果叶部病害图像数据集包含5类常见的苹果叶部病害:花叶病、锈病、灰斑病、斑点落叶病、褐斑病。共有20000余张图像

下载链接:苹果叶部病理图像 - 飞桨AI Studio

水稻叶片病害数据集 

 5932张图片,4类水稻叶片病害,包括白叶枯病、稻瘟病、东格鲁病、褐斑病。

下载链接:Rice Leaf Disease Image Samples - Mendeley Data

小麦病害数据集 LWDCD 2020 

12000张照片,其中9个病害类别和1个健康类别。

下载链接:https://drive.google.com/drive/folders/1OHKtwD1UrdmhqxrpQEeF_X_pqKotxRGD(部分数据集)

IP102数据集

用于目标分类与检测任务的农作物病虫害数据集,102个虫害类别,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,大约19000 幅图像添加了用于目标检测的边界框。

下载链接:https://drive.google.com/drive/folders/1svFSy2Da3cVMvekBwe13mzyx38XZ9xWo

整理自综述 图像分类

        根据分类网络方法完成任务的不同,可以将分类网络细分为三个类:使用网络作为特征提取器,使用网络直接进行分类,使用网络进行病变定位。

使用网络作为特征提取器

        Hasan等人利用从DCNN模型中提取的特征输入到SVM,对九种不同类型的水稻病害进行识别和分类,准确率达到97.5%。

使用网络直接进行分类 

         Tenmozhi等人提出了一种有效的深度CNN模型,并使用迁移学习来微调预训练模型。在三个公共昆虫数据集上对昆虫物种进行分类,准确率分别为 96.75%、97.47% 和 95.97%。

        Fang等人在植物病虫害检测中使用了ResNet50。 使用focus loss function代替标准的交叉熵损失函数,采用Adam优化方法识别叶片病害等级,准确率达到95.61%。

        Nagasubramanian等人使用新的三维深度卷积神经网络(DCNN)和显著图可视化方法识别健康和受感染的大豆茎腐病样本,分类准确率达到 95.73%。

        Picon等人提出了一种 CNN 架构来识别 5 种作物中的 17 种疾病,该模型缓解了数据不平衡的问题,平均平衡精度为0.98。

使用网络进行病变定位

根据实现手段的不同,又可以进一步分为滑动窗口、热图和多任务学习网络三种形式。 

滑动窗口

       最简单的方法,但准确率不太行。

热图

       Dechant等人训练 CNN 来生成热图,显示玉米病害图像中每个区域的感染概率,使用热图对整个图像进行分类,将每个图像分类为包含或不包含受感染的叶子。 在运行时,为一张图像生成一张热图大约需要 2 分钟,而对一组(三个)热图进行分类只需不到一秒的时间。实验表明,在测试数据集上的准确率为 96.7%。

        Wiesner-Hanks等人使用热图法获得玉米病害的准确轮廓区域,该模型可以从无人机采集的图像中准确描绘低至毫米级的病变,准确率达到 99.79%。

多任务学习网络

       Ren等人构建了一个反卷积引导的VGNet(DGVGNet)模型来识别容易被阴影、遮挡和光强干扰的植物叶片病害。 反卷积用于引导 CNN 分类器将注意力集中在真实的病变部位。测试结果表明,疾病类别识别准确率为99.19%,病变分割像素准确率为94.66%,模型在遮挡、弱光等环境下具有良好的鲁棒性。

目标检测

         目标检测是最接近传统意义上的植物病虫害检测的任务,其目的是获取对象的准确位置和类别信息。基于深度学习的病虫害检测网络可以分为:以Faster R-CNN为代表的two-stage网络; 以SSD和 YOLO为代表的one-stage网络。 两个网络的主要区别在于two-stage网络需要首先生成一个可能包含病变的候选框(proposal),然后进一步执行目标检测过程。相比之下,one-stage 网络直接使用网络中提取的特征来预测病变的位置和类别。

Two-stage网络 

         Ozguven等人提出了一种Faster R-CNN结构,通过改变CNN模型的参数来自动检测甜菜叶斑病。训练和测试了 155 张图像,该方法的总体正确分类率为95.48%。

        Zhou等人提出了一种基于FCM-KM和Faster R-CNN融合的快速水稻病害检测方法。3010幅图像应用结果表明:稻瘟病、白叶枯病、纹枯病的检测准确率和时间分别为96.71%/0.65 s、97.53%/0.82 s和98.26%/0.53 s。

One-stage网络

       基于SSD和YOLO的网络很难上90%。

图像分割 

         分割网络将植物病虫害检测任务转换为病灶和正常区域的语义甚至实例分割,不仅对病变区域进行了精细划分,而且还获得了位置、类别和相应的几何属性(包括长度、宽度、面积、轮廓、中心等)。分割网络大致可以分为:全卷积网络(FCN)和Mask R-CNN。

FCN 

         FCN首先使用卷积对输入图像的特征进行提取和编码,然后通过反卷积或上采样将特征图像逐渐恢复到输入图像的大小。根据FCN网络结构的不同,病虫害分割方法可分为conventional FCN、U-net和SegNet。

conventional FCN

        Wang等人提出了一种基于全卷积神经网络的玉米叶片病害分割新方法,解决了传统计算机视觉易受不同光照和复杂背景影响的问题,分割精度达到96.26。

        Wang等人提出了一种基于改进FCN的病虫害分割方法。该方法利用卷积层从输入的玉米叶片病变图像中提取多层特征信息,通过反卷积操作恢复输入图像的大小和分辨率,准确率达到了95.87%。

U-Net

       Lin等人使用基于U-net的卷积神经网络对自然环境中采集的50片黄瓜白粉病叶片进行分割。与原始 U-net 相比,在每个卷积层后面增加了一个批归一化层,使得神经网络对权重初始化不敏感。实验表明,基于 U-net 的卷积神经网络可以在像素级上准确分割黄瓜叶片上的白粉病,平均像素精度为96.08%,优于现有的 K-means、Random-forest 和GBDT 方法。U-net方法可以在复杂背景下分割病灶区域,在样本较少的情况下仍具有较好的分割精度和分割速度。

SegNet

       Kerkech等人提出了一种无人机的图像分割方法,使用SegNet对可见光和红外图像(每个范围的480个样本)进行分割,以识别四个类别:阴影、地面、健康和有症状的葡萄藤。该方法对葡萄藤和叶子的检测率分别为92%和87%。

Mask R‑CNN

        Stewart等人训练了一个Mask R-CNN模型来分割无人机图像中的玉米北方叶枯病(NLB)病变。 经过训练的模型可以准确地检测和分割单个病变。 在 IOU 阈值为 0.50 时,平均准确率为0.96。(Stewart E L, Wiesner-Hanks T, Kaczmar N, et al. Quantitative phenotyping of Northern Leaf Blight in UAV images using deep learning[J]. Remote Sensing, 2019, 11(19): 2209.)无人机收集,植物病理学家标注:CyVerse Data Commons

用于训练和验证 Mask R-CNN 模型的代码:GitHub - GoreLab/NLB_Mask-RCNN

        Wang等人使用了两个不同的模型,Faster R-CNN 和 Mask R-CNN,其中 Faster R-CNN 用于识别番茄病害的类别,Mask R-CNN 用于检测和分割番茄病害的位置和感染区域的形状。结果表明,所提出的模型可以快速准确地识别出11类番茄病害,并划分感染区域的位置和形状。Mask R-CNN对各类番茄病害的检出率高达99.64%。

一些数据集汇总农业病虫害数据集与算法——调研整理(2020年农业病虫害)

数据集

采集环境

链接

PlantVillage-Dataset:14个作物品种,26种病害,50,000 张植物病害图像

在一个简单的背景上分离的叶子

https://github.com/spMohanty/PlantVillage-Dataset

稻叶病害数据集,三类病害:细菌性叶枯病、褐斑病和叶黑穗病,每类有 40 张图像

在阳光直射下以白色背景拍摄

https://archive.ics.uci.edu/ml/datasets/Rice+Leaf+Diseases

植物病害症状图像数据库(PDDB): 21种植物,171种疾病,2326张图像

大田

https://www.digipathos-rep.cnptia.embrapa.br/

新植物病害数据集(增强型):87K rgb 健康和病害作物叶片图像, 38个类别

在一个简单的背景上分离的叶子

https://www.kaggle.com/vipoooool/new-plant-diseases-dataset/

背景图像数据集(DAGS):来自 PlantVillage 数据集的 38 个疾病类别和一个来自斯坦福的背景类

网络

https://github.com/MarkoArsenovic/DeepLearning_PlantDiseases

18222张图像标注了105,705个北方叶枯病(NLB)病变

大田

https://osf.io/p67rz/

来自水稻、玉米、大豆、甘蔗和棉花作物的 40 类昆虫

大田

https://www.nbair.res.in/insectpests/pestsearch.php

17624张200GB水稻、小麦、玉米的高质量JPG图片数据

大田

/

PlantDoc数据集:共2598个数据,涵盖13种植物和多达17类疾病

大田

https://github.com/pratikkayal/PlantDoc-Object-Detection-Dataset

玉米北叶枯病(NLB)数据集

大田

https://bisque.cyverse.org/client_service/browser?resource=/data_service/dataset

3651张苹果叶片病害图像

大田

/

IP102:害虫识别数据库,75000张图片,102个类别

大田

https://github.com/xpwu95/IP102

8种常见的番茄害虫图像数据库

网络

https://data.mendeley.com/datasets/s62zm6djd2/1

其他 

Tomato Diseases and Pests Detection Based on Improved Yolo V3 Convolutional Neural Network (The datasets analyzed in this article are not publicly available. Requests to access the datasets should be directed to liu_jun860116@wfust.edu.cn.)

CropDeep: The Crop Vision Dataset for Deep-Learning-Based Classification and Detection in Precision Agriculture(CropDeep 数据集可通过电子邮件从通讯作者处获得。)

CropDeep,与许多现有的计算机数据集相比:(1)由非计算机视觉研究人员出于明确目的而收集的;(2) 包括31种常见温室作物, (3) 数据集中部分类别间具有较高相似度;(4)包含一些作物整个生长周期的状态。

本文链接地址:https://www.jiuchutong.com/zhishi/292357.html 转载请保留说明!

上一篇:RGB-T追踪——【多模态融合】Visible-Thermal UAV Tracking: A Large-Scale Benchmark and New Baseline(rgbt目标跟踪)

下一篇:Less预处理——混合方法(less预处理器详解)

  • 疫情轨迹图怎么查询(疫情轨迹图怎么查)

    疫情轨迹图怎么查询(疫情轨迹图怎么查)

  • excel怎么拉长单元格(excel如何拉长)

    excel怎么拉长单元格(excel如何拉长)

  • 电脑没声音是怎么回事(电脑没声音是怎么一回事)

    电脑没声音是怎么回事(电脑没声音是怎么一回事)

  • 快手怎么看我浏览过的视频(快手怎么看我浏览过谁)

    快手怎么看我浏览过的视频(快手怎么看我浏览过谁)

  • 抖音几十个播放量是怎么回事(抖音几十个播放量是不是废了)

    抖音几十个播放量是怎么回事(抖音几十个播放量是不是废了)

  • wps个人版和企业版区别(wps个人版和企业版功能区别)

    wps个人版和企业版区别(wps个人版和企业版功能区别)

  • 现场6s管理内容是什么(现场6s管理内容说法正确的是)

    现场6s管理内容是什么(现场6s管理内容说法正确的是)

  • 恐龙快打怎么下载(恐龙快打怎么下载苹果版本)

    恐龙快打怎么下载(恐龙快打怎么下载苹果版本)

  • 抖音说发个库存是什么意思(抖音发一个库存写什么标题)

    抖音说发个库存是什么意思(抖音发一个库存写什么标题)

  • edlal10是什么型号(edl-al10是什么型号的手机)

    edlal10是什么型号(edl-al10是什么型号的手机)

  • ppu是什么意思(ppu是什么材料)

    ppu是什么意思(ppu是什么材料)

  • ssd m2接口有几种(固态硬盘m2接口类型)

    ssd m2接口有几种(固态硬盘m2接口类型)

  • 打印机一定要连接电脑才能打印吗(打印机一定要连电脑才能用吗)

    打印机一定要连接电脑才能打印吗(打印机一定要连电脑才能用吗)

  • 打印键盘按哪个键ctrl(打印键盘按哪个按键)

    打印键盘按哪个键ctrl(打印键盘按哪个按键)

  • 华为sla-al00是什么型号(华为slaal00是什么型号手机)

    华为sla-al00是什么型号(华为slaal00是什么型号手机)

  • 苹果手表怎么配对不上(苹果手表怎么配对三星手机)

    苹果手表怎么配对不上(苹果手表怎么配对三星手机)

  • 台式电脑键盘坏了怎么用模拟键盘(台式电脑键盘坏了怎么输入开机密码)

    台式电脑键盘坏了怎么用模拟键盘(台式电脑键盘坏了怎么输入开机密码)

  • opporeno3什么屏幕(opporeno3屏幕多少厘米)

    opporeno3什么屏幕(opporeno3屏幕多少厘米)

  • word怎么排版4张图片(word文档怎么排成4个块)

    word怎么排版4张图片(word文档怎么排成4个块)

  • twsi7配对双耳机使用(twsi7蓝牙耳机双耳配对)

    twsi7配对双耳机使用(twsi7蓝牙耳机双耳配对)

  • mac连着wifi能开热点吗(mac 连上wifi)

    mac连着wifi能开热点吗(mac 连上wifi)

  • 小米bm49是什么型号(bm4j是小米什么型号吗)

    小米bm49是什么型号(bm4j是小米什么型号吗)

  • 饿了吗到店自取在哪(饿了吗到店自取怎么操作)

    饿了吗到店自取在哪(饿了吗到店自取怎么操作)

  • 为什么酷狗音乐会突然停止播放(为什么酷狗音乐不显示在状态栏)

    为什么酷狗音乐会突然停止播放(为什么酷狗音乐不显示在状态栏)

  • 计算机常见接口都有哪些(计算机常见接口解释)

    计算机常见接口都有哪些(计算机常见接口解释)

  • Las Catedrales海滩,西班牙加利西亚 (© Davide Seddio/Getty Images)(laccadive islands)

    Las Catedrales海滩,西班牙加利西亚 (© Davide Seddio/Getty Images)(laccadive islands)

  • 工资薪金税前扣除标准是14%吗
  • 金税盘维护费应该计入什么科目
  • 上年度暂估的票回不来一直挂帐吗
  • 增值税即征即退收入要交企业所得税吗
  • 房屋中介机构可以资金托管吗
  • 单位搬迁员工怎么办
  • 公司土地转让另外公司
  • 哪些票据可以挂公司名下
  • 农产品一般纳税人免税吗
  • 已认证未抵扣发票冲红流程
  • 核定应税所得税会计分录
  • 没有道路许可证可上营运吗
  • 利息 财务费用
  • 转籍车辆是什么意思
  • 小规模销项负数怎么报税
  • 分公司给总公司管理费的会计分录
  • 直接快递到国外的货物如何收汇?
  • 电脑网页游戏打不开了怎么办
  • m1 mac 恢复出厂
  • 华为鸿蒙双击背面打开健康码
  • 账户禁用无法登录怎么办
  • 健康检查查询系统
  • 一般纳税人是什么发票
  • 收到收据的会计分录
  • 平时发票未上传怎么回事
  • 科技研发公司经营范围包括哪些
  • 系统托盘右键
  • 国有企业上缴利润的账务处理怎么处理?
  • 进项税额转出怎么算
  • 进口的增值税票能抵扣吗
  • 企业会计核算利润表
  • php 截断
  • 企业研发费用加计扣除最新政策
  • 企业从应付职工工资中代扣的职工房租应借记
  • 前端开发常用技术
  • 中小企业内部分析
  • 开了专票就不能享受政策
  • 建筑行业预交增值税怎么结转
  • 存货盘盈盘亏会涉及到其他应收款吗
  • 未入账的发票可以抵扣吗
  • 职工教育经费支出比例
  • 机器学习——果蔬分类
  • mysql binlog详解
  • 资本公积和盈余公积都与利润有关
  • 税控盘每年要交年费吗
  • sql server数据库连接端口1434
  • 欠款在公司注销怎么处理
  • 制造费用是费用吗?
  • 工程项目需要交5000万保证金合理吗
  • 现金日记账采用哪一种账簿的形式
  • 销项负数发票如何作废
  • 计提销售费用什么意思
  • 股东出资做什么科目
  • 转售水电费收入确认
  • 支付的劳务派遣服务费计入什么科目
  • 营改增后的增值税税目税率表
  • 收购一家公司需要多少股份
  • 建筑施工企业劳务费怎么入成本
  • 企业购买固定资产要交什么税
  • 高新技术企业的税收优惠政策
  • 社保基数在哪里申报
  • 工会经费的列支范围有哪些
  • 实收资本的主要用途
  • 分公司给总公司分红怎么入账
  • win10 没有用户
  • linux大型软件
  • 系统之家一键重装系统教程
  • windows xp如何进入dos
  • mac屏保怎么换
  • 360安全卫士升级后的安装包在哪里
  • windows8.1怎么设置密码
  • npm 发布组件
  • nodejs事件队列
  • python简要介绍
  • 税收和社保不在同一地缴纳怎么办
  • 所有的酒店真的有摄像头吗
  • steam 申请
  • 国家税务总局风险识别报告
  • 四川地税务局官网
  • 印花税票有什么用
  • 免责声明:网站部分图片文字素材来源于网络,如有侵权,请及时告知,我们会第一时间删除,谢谢! 邮箱:opceo@qq.com

    鄂ICP备2023003026号

    网站地图: 企业信息 工商信息 财税知识 网络常识 编程技术

    友情链接: 武汉网站建设