2023年南京农业病虫害图像识别数据集

doi:10.19788/j.issn.2096-6369.230214

农业大数据学报 ›› 2023, Vol. 5 ›› Issue (2): 91-96.doi: 10.19788/j.issn.2096-6369.230214

2023年南京农业病虫害图像识别数据集

王伯元¹(), 管志浩¹, 杨杨¹, 胡林^2,^3,^*(), 王晓丽^2,^3,^*()

1.南京理工大学计算机科学与工程学院，南京 210094
2.中国农业科学院农业信息研究所，北京 100081
3.国家农业科学数据中心，北京 100081

收稿日期:2023-06-21 出版日期:2023-06-26 发布日期:2023-08-15
通讯作者: 胡林,王晓丽
作者简介:王伯元，硕士研究生，研究方向：数据挖掘；E-mail:boyuanwang@njust.edu.cn。
基金资助:
农业育种科学数据自主应用软件研发(2022YFF 0712100);中央级公益性科研院所基本科研业务费专项(Y2023LM01)

The Agricultural Pest and Disease Image Recognition Dataset in Nanjing, Jiangsu Province, in 2023

WANG BoYuan¹(), GUAN ZhiHao¹, YANG Yang¹, HU Lin^2,^3,^*(), WANG XiaoLi^2,^3,^*()

1. School of Computer Science and Engineering, Nanjing University of Science and Technology, Nanjing 210094, China
2. Agricultural Information Institute of Chinese Academe of Agricultural Sciences, Beijing 100081, China
3. National Agriculture Science Data Center, Beijing 100081, China

Received:2023-06-21 Online:2023-06-26 Published:2023-08-15
Contact: HU Lin,WANG XiaoLi

摘要/Abstract

摘要：

农业病虫害对农作物的产量和品质造成了严重的威胁，因此准确、高效地检测和识别病虫害是农业生产中的重要任务。本文介绍了一个综合的农业病虫害数据集，由农业虫害检测数据集、农业病害检测数据集、农业病害分类数据集和水稻表型分割数据集组成，包含55个类别、48576张，共4.14 GB的图像样本。从公开数据源和学术论文中收集和整理数据，保证了数据集的多样性和代表性。在数据的筛选、清洗和标注过程中，采用了严格的质量控制和验证措施，以确保数据集的准确性和可靠性。该数据集可用于农业病虫害识别和水稻表型鉴定等农业视觉任务，能够为农业病虫害研究提供有价值的资源，并促进农业生产的可持续发展。

关键词: 水稻, 病虫害, 图像

Abstract:

Agricultural pests and diseases pose a serious threat to crop yield and quality, making accurate and efficient detection and identification of pests and diseases crucial in agricultural production. In this paper, we propose a comprehensive agricultural pests and diseases dataset, which includes agricultural pest detection dataset, agricultural disease detection dataset, agricultural disease classification dataset, and rice phenotype segmentation dataset. By collecting and curating data from public sources and academic papers, we ensured the diversity and representativeness of the dataset. Rigorous quality control and validation measures were implemented during the data filtering, cleaning, and annotation processes to ensure the accuracy and reliability of the dataset. This dataset can be used for agricultural pest and disease recognition, as well as rice phenotype identification and other agricultural visual tasks. It provides valuable resources for agricultural pest and disease research and contributes to the sustainable development of agricultural production.

Key words: rice, pests and diseases, images

王伯元, 管志浩, 杨杨, 胡林, 王晓丽. 2023年南京农业病虫害图像识别数据集[J]. 农业大数据学报, 2023, 5(2): 91-96.

WANG BoYuan, GUAN ZhiHao, YANG Yang, HU Lin, WANG XiaoLi. The Agricultural Pest and Disease Image Recognition Dataset in Nanjing, Jiangsu Province, in 2023[J]. Journal of Agricultural Big Data, 2023, 5(2): 91-96.

图/表 5

参考文献 6

[1]	温艳兰, 陈友鹏, 王克强, 等. 基于机器视觉的病虫害检测综述[J]. 中国粮油学报, 2022, 37(10):271-279.
	Wen Y L, Chen Y P. Wang K Q, et al. An overview of plant diseases and insect pests detection based on Machine Vision[J]. Journal of the Chinese Cereals and Oils Association, 2022, 37(10): 271-279. (in Chinese)
[2]	蒋心璐, 陈天恩, 王聪, 等. 农业害虫检测的深度学习算法综述[J]. 计算机工程与应用, 2023, 59(6):30-44. doi: 10.3778/j.issn.1002-8331.2205-0604
	Jiang X L, Chen T E, Wang C, et al. Survey of deep learning algorithms for agricultural pest detection[J]. Computer Engineering and Applications, 2023, 59(6):30-44. (in Chinese) doi: 10.3778/j.issn.1002-8331.2205-0604
[3]	陈浪浪, 张艳. 基于改进深度卷积神经网络的水稻病虫害识别[J]. 山东农业科学, 2023, 55(5):164-172.
	Chen L L, Zhang Y. Identification of rice diseases and pests based on improved deep convolutional neural network[J]. Shandong Agricultural Sciences, 2023, 55(5):164-172. (in Chinese)
[4]	王卫星, 刘泽乾, 高鹏, 等. 基于改进YOLO v4的荔枝病虫害检测模型[J]. 农业机械学报, 2023, 54(5):227-235.
	Wang W X, Liu Z Q, Gao P, et al. Detection of litchi diseases and insect pests based on improved YOLO v4 Model[J]. Transactions of the Chinese Society for Agricultural Machinery, 2023, 54(5): 227-235. (in Chinese)
[5]	李凯雨, 张慧, 马浚诚, 等. 基于语义分割和可见光谱图的作物叶部病斑分割方法[J]. 光谱学与光谱分析, 2023, 43(4):1248-1253.
	Li K Y, Zhang H, Ma J C, et al. Segmentation method for crop leaf spot based on semantic segmentation and visible spectral images[J]. Spectroscopy and Spectral Analysis, 2023, 43(4): 1248-1253. (in Chinese)
[6]	王振, 张善文, 赵保平. 基于级联卷积神经网络的作物病害叶片分割[J]. 计算机工程与应用, 2020, 56(15):242-250. doi: 10.3778/j.issn.1002-8331.1905-0193
	Wang Z, Zhang S W, Zhao B P. Crop diseases leaf segmentation method based on cascade convolutional neural network[J]. Computer Engineering and Applications, 2020, 56(15):242-250. (in Chinese) doi: 10.3778/j.issn.1002-8331.1905-0193

名称	类别数量	图像数量（张）
水稻表型分割数据集	3	1754
农业虫害检测数据集	8	7839
农业病害检测数据集	6	1625
农业病害分类数据集	38	37358

[1]	石航, 胡军, 李宇飞, 刘昶希, 张辉, 张建业. 对靶施药机器人及其关键技术的研究现状与分析[J]. 农业大数据学报, 2023, 5(2): 54-61.
[2]	张海峰, 张宇, 来永才, 郑妍妍, 刘凯, 毕洪文. 寒地盐碱地监测平台的构建与应用[J]. 农业大数据学报, 2023, 5(2): 122-131.
[3]	王雪莹, 陈先冠, 汤顺杰, 冯利平. RiceSM水稻模型参数敏感性分析与适应性研究[J]. 农业大数据学报, 2023, 5(2): 97-108.
[4]	胡天赐, 王瑞利, 蒋呈祥, 白涛, 胡林, 王晓丽, 郭雷风. 2022年内蒙古无人机马铃薯图像数据集[J]. 农业大数据学报, 2023, 5(1): 40-45.
[5]	陈佳云, 徐向英, 章永龙, 周烨, 汪红江, 谭昌伟. 多模态知识图谱在农业中的研究进展[J]. 农业大数据学报, 2022, 4(3): 126-134.
[6]	高飞, 王晓丽, 胡林, 樊景超, 刘婷婷, 闫燊, 曹姗姗. 2016年辽宁兴城富士、华红、嘎啦苹果叶片光谱与图像数据集[J]. 农业大数据学报, 2022, 4(1): 109-113.
[7]	张翔鹤, 王晓丽, 刘婷婷, 胡林, 樊景超. 桔小实蝇等六种常见果园害虫图像数据集[J]. 农业大数据学报, 2022, 4(1): 114-118.
[8]	周玲莉, 任妮, 张文翔, 程雅雯, 陈诚, 易中懿. 应用于农业场景视觉解析任务的番茄数据集[J]. 农业大数据学报, 2021, 3(4): 70-76.
[9]	孟怡君, 邱小雷, 刘蕾蕾, 刘兵, 朱艳, 曹卫星, 汤亮. RiceGrow水稻模型品种参数敏感性分析[J]. 农业大数据学报, 2021, 3(3): 23-32.
[10]	王晓丽, 胡乾浩, 满芮, 刘婷婷. 中国果树花期2016年近红外光谱和图像数据集[J]. 农业大数据学报, 2021, 3(1): 88-93.
[11]	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.
[12]	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.
[13]	丁国辉,许昊,温明星,陈佳玮,王秀娥,周济. 基于经济型低空无人机对小麦重要产量表型性状的多生育时期获取和自动化分析[J]. 农业大数据学报, 2019, 1(2): 19-31.
[14]	冯芳君,严明,沈国辉,陈振挺,田志慧,范佩清,梅捍卫. 基于幼苗图像分析鉴定水稻品种旱直播耐深播特性[J]. 农业大数据学报, 2019, 1(2): 32-40.
[15]	戴国新,陈国兴,杨万能,冯慧. 基于高光谱的水稻精米品质参数测量技术研究[J]. 农业大数据学报, 2019, 1(2): 51-63.

2023年南京农业病虫害图像识别数据集

The Agricultural Pest and Disease Image Recognition Dataset in Nanjing, Jiangsu Province, in 2023

RichHTML

PDF (PC)

赞

可视化

摘要/Abstract

引用本文

使用本文

图/表 5

参考文献 6

相关文章 15

Metrics

本文评价

推荐阅读 0