中国苹果叶片病虫害2015年光谱和图像数据集

doi:10.19788/j.issn.2096-6369.200415

农业大数据学报 ›› 2020, Vol. 2 ›› Issue (4): 120-124.doi: 10.19788/j.issn.2096-6369.200415

• 数据论文 • 上一篇

中国苹果叶片病虫害2015年光谱和图像数据集

高飞^1,⁵(), 王晓丽^1,^3,⁴, 刘婷婷^1,^3,⁴(), 李壮², 满芮^1,^3,⁴

^1.中国农业科学院农业信息研究所，北京 100081
^2.中国农业科学院果树研究所，辽宁 125100
^3.国家农业科学数据中心，北京 100081
^4.农业农村部农业大数据重点实验室，北京 100081
^5.广东省农业科学院农业经济与农村发展研究所，广东 510640

收稿日期:2020-10-09 出版日期:2020-12-26 发布日期:2021-03-11
通讯作者: 刘婷婷 E-mail:gaofei20120214@163.com;liutingting@caas.cn
作者简介:高飞，男，博士，助理研究员，研究方向：农业科学数据获取与分析研究;E-mail:gaofei20120214@163.com
基金资助:
中国农业科学院创新工程：数据整合与应用服务研究(2020CX017)

Spectral and Imaging Datasets of Apple Leaf Disease and Insect Pests in China in 2015

Fei Gao^1,⁵(), Xiaoli Wang^1,^3,⁴, Tingting Liu^1,^3,⁴(), Zhuang Li², Rui Man^1,^3,⁴

^1.Agricultural Information Institute of Chinese Academy of Agricultural Sciences, Beijing 100081, China
^2.Institute of Pomology of Chinese Academy of Agricultural Sciences, Liaoning 125100, China
^3.National Agriculture Science Data Center, Beijing 100081, China
^4.Key Laboratory of Big Agri-Data, Ministry of Agriculture, Beijing 100081, China
^5.Guangdong Academy of Agriculture Sciences, Guangdong 510640, China

Received:2020-10-09 Online:2020-12-26 Published:2021-03-11
Contact: Tingting Liu E-mail:gaofei20120214@163.com;liutingting@caas.cn

摘要/Abstract

摘要：

中国苹果种植面积和总产量居世界首位，但目前在果树光谱和图像数据采集研究中，多数集中在对受害苹果果实的光谱和图像数据采集，对苹果叶片病虫害数据采集的研究报道较少。本研究通过收集国家苹果资源圃中分别患有斑点落叶病、红蜘蛛虫害、白粉病3种不同病虫害的苹果叶片光谱反射率和图像数据，为苹果叶片在不同病虫害胁迫下进行有效识别提供数据基础，并为今后利用航空航天遥感进行大面积果树病虫害监测提供数据基础。

关键词: 苹果叶片, 病虫害, 近红外光谱, 图像, 科学数据

Abstract:

China’s apple planting area and total output rank first in the world, but most of the current collection of spectral and imaging data from fruit trees focuses on apple leaf diseases and insect pests. In this study, the spectral reflectance and imaging data from apple leaves having three different diseases, spot leaf fall and powdery mildew, or the red spider insect pest, were collected from the National Apple Resource Nursery to provide data for the effective identification of apple leaves exposed to different diseases and insect pests. This will provide a foundation for the future use of aerospace remote sensing to monitor large-scale fruit tree diseases and associated insect pests.

Key words: apple leaf diseases, insect pests, near-infrared spectrum, image, scientific data

中图分类号:

高飞, 王晓丽, 刘婷婷, 李壮, 满芮. 中国苹果叶片病虫害2015年光谱和图像数据集[J]. 农业大数据学报, 2020, 2(4): 120-124.

Fei Gao, Xiaoli Wang, Tingting Liu, Zhuang Li, Rui Man. Spectral and Imaging Datasets of Apple Leaf Disease and Insect Pests in China in 2015[J]. Journal of Agricultural Big Data, 2020, 2(4): 120-124.

图/表 4

图1

图2

图3

参考文献 10

1	田有文,程怡,王小奇,等.基于高光谱成像的苹果虫害检测特征向量的选取[J]. 农业工程学报, 2014, 30(12): 132-139.
	Tian Y W, Cheng i, Wang X Q, et al. Feature vectors determination for pest detection on apples based on hyperspectral imaging[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE),2014, 30(12): 132-139.
2	Haff R P, Saranwong S, Thanapase W, et al. Automatic image analysis and spot classification for detection of fruit fly infestation in hyperspectral images of mangoes[J].Postharvest Biology and Technology, 2013, 86(1): 23-28.
3	Purcell D. E., O’Shea M. G., Johnson R. A., et al. Near-infrared spectroscopy for the prediction of disease ratings for Fiji leaf gall in sugarcane clones[J].Applied Spectroscopy,2009,63(4):450-457.
4	Teixeira R., Fernandéz J. I., Pereira J., et al. Identification of grapholita molesta (Busk) (Lepidoptera: Tortricidae) biotypes using infrared spectroscopy[J]. Neotropical Entomology, 2015, 44(2): 129-133.
5	程立真,朱西存,高璐璐,等.基于随机森林模型的苹果叶片磷素含量高光谱估测[J].果树学报, 2016, 33(10): 1219-1229.
	Cheng L Z, Zhu X C, Gao L L,al el. Hyperspectral estimation of phosphorus content for apple leaves based on the random forest model[J]. Journal of Fruit Science, 2016, 33(10): 1219-1229.
6	刘思伽,田有文,冯迪,等.基于高光谱成像的苹果病害无损检测方法[J].沈阳农业大学学报,2016,47(05):634-640.
	Liu S J, Tian Y W, Feng D, al el. Nondestructive Detection Method of Hyperspectral Imaging for Apple Disease[J].Journal of Shenyang Agricultural University,2016,47(05):634-640.
7	夏雪,李壮,吴定峰,等.苹果品种标准叶片图像和光谱数据集[J/OL].中国科学数据,2016,1(1).
	Xia X, Li Z, Wu D F,et al. An image and spectral dataset for standard leaves of apple varieties[J/OL].China Scientific Data,2016,1(1)
8	赵良斌,曹卫彬. 地物光谱仪在野外光谱测量中的使用[J].新疆农机化,2008(1):41-42.
	Zhao L B,Cao W B. Use of ground feature spectrometer in field spectrum measurement[J].Xinjiang Agricultural Mechanization,2008(1):41-42.
9	Beers R. V., Aernouts B., Gutiérrez L. L., et al. Optimal illumination-detection distance and detector size for predicting braeburn apple maturity from Vis/NIR laser reflectance measurements[J].Food and Bioprocess Technology,2015,8(10): 2123-2136.
10	王晓丽. 基于光谱分析技术的果树花、叶理化性状信息提取及建模[D].北京林业大学,2017.
	Wang X L. Extraction and Modeling of Physical and Chemical Properties of Fruit Trees Flowers and Leaves Based on Spectral Analysis Technique[D]. Beijing Forestry University,2017.

数据集中文名称	中国苹果叶片病虫害2015年光谱和图像数据集
数据集英文名称	An spectrum and image data sets of China's apple leaf disease and insect pest in 2015
作者	高飞、王晓丽、刘婷婷、李壮、满芮
通讯作者	刘婷婷（liutingting@caas.cn）
采集时间	2015年	采集区域	中国辽宁兴城
格式	.asd, .jpeg	数据量	247MB
数据访问地址	http://www.agridata.cn/data.html#/paperdetail?id=4363
基金项目	中国农业科学院创新工程：数据整合与应用服务研究(2020CX017)
数据集组成	数据集由近红外光谱和图像两部分数据组成，包括： 1. 叶片近红外光谱数据中包含斑点落叶病、红蜘蛛虫害、白粉病3种不同类别苹果叶片病虫害光谱数据，数据量36MB； 2. 叶片图像数据中包含3个叶片病虫害图像数集，数据量211MB。

[1]	庄严, 杨帅, 刘照坤, 樊景超, 周舒雅. 农业科学观测数据权属与保护路径研究[J]. 农业大数据学报, 2020, 2(4): 107-112.
[2]	王晓丽, 胡乾浩, 樊景超, 李壮. 辽北苹果叶片氮含量、近红外光谱与图像数据集[J]. 农业大数据学报, 2020, 2(4): 113-119.
[3]	樊景超, 满芮, 张翔鹤, 周国民. 国家农业观测数据共享元数据标准研究[J]. 农业大数据学报, 2020, 2(4): 14-19.
[4]	陈彦清, 曹永生, 林雨楠, 方沩. 国家作物种质资源观测鉴定站点体系布局方法研究[J]. 农业大数据学报, 2020, 2(4): 20-28.
[5]	薛沐涵, 刘慧媛, 鲁峰, 蒋庆朝. 渔业科学观测数据的开放共享与应用研究[J]. 农业大数据学报, 2020, 2(4): 29-37.
[6]	顾金刚, 马锐, 李世贵, 马晓彤, 梁瑞珍. 农用微生物数据与资源关联应用研究[J]. 农业大数据学报, 2020, 2(4): 38-46.
[7]	杨帅, 周国民, 庄严. 国际农业科学观测工作网络化发展的经验与启示[J]. 农业大数据学报, 2020, 2(4): 5-13.
[8]	安炳星, 张路培, 段星海, 张家春, 赵屿姗, 熊兰玲, 朱波, 李岩, 徐凌洋, 袁维峰, 张军民, 李俊雅, 高会江. 我国主要肉牛品种生长曲线拟合分析[J]. 农业大数据学报, 2020, 2(4): 63-69.
[9]	胡国铮, 干珠扎布, 余沛东, 杨振琳, 高清竹. 基于农业环境的农业科学观测数据融合研究[J]. 农业大数据学报, 2020, 2(4): 86-94.
[10]	王姝, 孙善鹏, 樊景超, 刘佳, 郭志斌, 王丽娟, 李成赞, 周国民, 周园春. 基于区块链的农业科学数据溯源应用初探[J]. 农业大数据学报, 2020, 2(2): 47-54.
[11]	侯玥, 彭长辉, 杨铭霞, 刘智豪, 周晓路. 基于区块链技术的生态观测数据存储与共享模式[J]. 农业大数据学报, 2020, 2(2): 55-66.
[12]	程锦祥, 孙英泽, 胡婧, 闫雪, 欧阳海鹰. 我国渔业大数据应用进展综述[J]. 农业大数据学报, 2020, 2(1): 11-20.
[13]	黄铭瑞, 李国庆, 李静, 范湘涛. 国家科学数据中心管理模式的国际对比研究[J]. 农业大数据学报, 2019, 1(4): 14-29.
[14]	熊森林, 邹自明, 胡晓彦, 纪珍. 空间科学数据产品组织模型[J]. 农业大数据学报, 2019, 1(4): 30-36.
[15]	米琳莹, 崔辰州, 樊东卫, 郝晋新, 薛艳杰, 李长华, 李珊珊, 何勃亮, 陶一寒, 韩军, 许允飞, 杨涵溪, 杨丝丝, 和兰, 马捷, 刘梁, 陈肖, 谌俊毅, 张海龙, 刘峰, 肖健, 于策, 袁海波. 国家天文科学数据中心发展思路浅析[J]. 农业大数据学报, 2019, 1(4): 37-45.

中国苹果叶片病虫害2015年光谱和图像数据集

Spectral and Imaging Datasets of Apple Leaf Disease and Insect Pests in China in 2015

RichHTML

PDF (PC)

赞

可视化

摘要/Abstract

引用本文

使用本文

图/表 4

参考文献 10

相关文章 15

Metrics

本文评价

推荐阅读 10