CD&S 数据集：田间条件下获取用于玉米病害识别与严重度估计的手持影像数据集
计算机视觉与模式识别
2021-10-26 v1
摘要
准确的病害识别及其严重度估计是病害管理的重要考量。研究界正日益探索利用影像数据集基于深度学习解决病害管理的方法。然而，多数已报道研究依赖于在受控实验室条件下获取的影像数据集。因此，此类模型缺乏田间识别病害的能力。为此，为训练用于田间使用的鲁棒深度学习模型，我们使用手持传感器在田间条件下获取的原始影像以及具有不同背景的增强影像创建了一影像数据集。玉米病害与严重度 (CD&S) 数据集包含分别对应三种常见玉米叶部病害——即北方叶枯病 (NLB)、灰叶斑病 (GLS) 和北方叶斑病 (NLS)——的 511、524 和 562 张田间原始影像。为训练病害识别模型，每种病害的一半影像数据使用边界框进行标注，并用于通过三种不同背景的增强生成 2343 张额外影像。对于严重度估计，额外获取了 515 张 NLS 原始影像，并划分为从 1（抗病）到 5（感病）的严重度等级。总体而言，CD&S 数据集由 4455 张影像组成，包括 2112 张田间影像和 2343 张增强影像。
引用
@article{arxiv.2110.12084,
title = {CD&S Dataset: Handheld Imagery Dataset Acquired Under Field Conditions for Corn Disease Identification and Severity Estimation},
author = {Aanis Ahmad and Dharmendra Saraswat and Aly El Gamal and Gurmukh Johal},
journal= {arXiv preprint arXiv:2110.12084},
year = {2021}
}