MangoLeafBD

MangoLeafBD是由孟加拉国东西大学和达卡大学合作创建的全面图像数据集，旨在分类病态和健康的芒果叶。该数据集包含从孟加拉国四个芒果园收集的4000张图像，涵盖约1800片不同的叶子和七种疾病。数据集的创建过程包括手动捕捉图像、专家标注、图像大小调整和背景噪声清理。MangoLeafBD适用于机器学习和深度学习模型，用于自动化农业中的植物疾病检测，特别是芒果树疾病的识别，以提高芒果产量。MangoLeafBD is a comprehensive image dataset co-created by East West University and the University of Dhaka in Bangladesh, specifically developed for classifying diseased and healthy mango leaves. This dataset comprises 4000 images collected from four mango orchards across Bangladesh, covering approximately 1800 individual mango leaves and seven types of mango diseases. The workflow for dataset creation includes manual image capture, expert annotation, image resizing and background noise removal. MangoLeafBD is applicable to machine learning and deep learning models for automated plant disease detection in agricultural applications, particularly for identifying mango tree diseases to boost mango production yield.

搜集汇总

数据集介绍

构建方式

MangoLeafBD数据集的构建旨在为机器学习研究者和实践者提供一个全面的芒果叶图像数据集，用于疾病检测。数据集的构建过程包括四个主要步骤：首先，研究影响芒果的常见疾病；其次，根据农业专家的建议，选择芒果园进行数据收集；第三，从树上收集健康和病态的芒果叶图像；最后，对图像进行验证，包括手动标记、调整图像大小以及清除图像背景噪声。为了增加数据集的多样性，研究人员还对一些图像进行了缩放和旋转处理。

特点

MangoLeafBD数据集具有以下特点：首先，它包含4000张图像，涵盖了约1800张独特的叶子，覆盖了七种疾病，包括炭疽病、细菌溃疡病、切叶象鼻虫、枯萎病、瘿蚊病、白粉病和煤污病；其次，数据集图像是在2021年冬季前拍摄的，保证了图像的时效性；第三，数据集经过手动标记和专家验证，确保了标签的准确性；最后，数据集图像大小统一，便于直接用于机器学习模型。

使用方法

MangoLeafBD数据集的使用方法如下：首先，研究人员可以从Mendeley Data Repository下载数据集；其次，数据集可以直接用于机器学习模型，无需进一步的数据预处理；第三，数据集适用于区分健康和病态叶子（二分类预测）以及区分各种疾病（多分类预测）；第四，由于数据集规模较大，它还可以用于迁移学习设置，以预测其他国家的芒果疾病。

背景与挑战

背景概述

MangoLeafBD数据集由孟加拉国东西南大学计算机科学与工程学院的研究团队开发，旨在为机器学习在农业领域的应用提供数据支持。该数据集于2021年冬季收集，包含约4000张孟加拉国芒果叶片的图像，涵盖了1800张不同叶片的图片，并覆盖了七种常见病害。MangoLeafBD数据集的创建填补了孟加拉国芒果叶片图像数据集的空白，为全球的农业研究人员提供了宝贵的资源。由于芒果病害在多个国家普遍存在，该数据集有望帮助识别其他国家的芒果病害，从而提高芒果产量。

当前挑战

MangoLeafBD数据集在创建过程中面临了多个挑战。首先，芒果病害种类繁多，需要研究人员对各种病害进行深入研究，以确保数据集的全面性和准确性。其次，芒果园的地理分布广泛，研究人员需要精心选择采集地点，以确保能够收集到各种病害的叶片图像。此外，在图像采集过程中，由于芒果树较高，研究人员需要克服技术困难，以获取高质量的叶片图像。最后，在数据验证过程中，研究人员需要选择合适的数据验证技术，以确保数据集的质量。

常用场景

经典使用场景

MangoLeafBD数据集主要用于芒果叶片病害的图像分类。研究者们可以运用此数据集来训练和测试机器学习模型，以便识别和分类芒果叶片上的多种病害，如炭疽病、细菌溃疡病、剪叶象甲病、枯萎病、瘿蜂病、白粉病和煤污病。这些模型能够帮助农业专家和种植者快速准确地诊断芒果树的健康状况，从而采取及时有效的防治措施，提高芒果产量。

衍生相关工作

MangoLeafBD数据集的发布为后续研究提供了重要的基础。基于此数据集，研究者们可以进一步探索更先进的机器学习模型，以提高病害识别的准确率。此外，该数据集还可以用于开发其他作物病害识别的数据集，以推动农业领域的智能化发展。

数据集最近研究

最新研究方向

MangoLeafBD数据集的最新研究方向主要集中在利用深度学习模型进行芒果叶病害的分类和识别。研究人员正在探索更先进的深度学习架构，如ResNet50和CNN-SVM混合模型，以进一步提高病害识别的准确性和鲁棒性。此外，该数据集也被用于迁移学习场景，以便在数据稀缺的情况下，利用其他国家的芒果叶病害数据进行预测。同时，研究人员也在关注数据集的扩展和优化，通过数据增强技术来扩充数据集，以提高模型的泛化能力。

相关研究论文

• MangoLeafBD: A Comprehensive Image Dataset to Classify Diseased and Healthy Mango Leaves

  东西大学计算机科学与工程系，达卡，孟加拉国 · 2022年