© 2023-2026 上海数据发展科技有限责任公司 版权所有
沪ICP备17003045号-15沪公网安备31010402336585号
浙江天演维真网络科技股份有限公司
企业浙江天演维真网络科技股份有限公司成立于2004年，属互联网和相关服务，主营技术服务、技术开发、技术咨询、技术交流。面向农业科技、机器视觉、湿度预测等领域提供数据服务，开放茶树嫩芽采摘数据（农业科技、机器视觉）、土壤湿度预测模型训练数据（湿度预测、机器学习）、茶小绿叶蝉高峰时间预测模型训练数据（农业害虫预测、回归分析），支撑模型训练与算法优化。
农业科技机器视觉湿度预测互联网服务高新技术企业
数据集列表
白菜虫害识别AI训练数据
本数据的应用场景是白菜虫害识别。通过采集多类虫害相关的高清图像数据，并利用深度学习框架对虫害的虫体特征及白菜叶片的虫害特征进行多维度的学习和分析，训练后的模型能够快速识别白菜的虫害类型及其严重程度，生成科学的诊断结果。本模型不仅显著提升了虫害识别的准确率，还通过精准定位虫害区域，显著减少农药的使用，降低环境污染风险，提升防治效率。一、加工前的数据说明
数据来源于企业采购相机等硬件设备拍摄的多类虫害相关高清图像，记录每张图像的采集时间、图像ID、文件路径、图像宽度、图像高度等关键信息。
二、处理规则
（一）图像预处理
对采集到的图像进行去噪，去除图像中的噪声干扰，提高图像的清晰度。同时，增强图像的对比度，突出图像中的虫害特征，为后续的特征提取和模型训练提供更好的基础。
（二）特征提取
从指定路径读取预处理后的图像数据，提取图像的虫害标签、目标框（虫害的位置）、目标数量等特征信息。
（三）模型训练
利用标记好的虫害图像数据，采用深度学习框架进行模型训练。并通过调整模型的超参数（如学习率、批次大小等），优化模型结构，减少训练过程中的损失值。同时，记录训练损失，监控模型的训练进度。
（四）模型评估
通过验证集对训练好的模型进行性能评估，计算验证损失、F1分数、精确率、召回率和AUC值等指标，全面评估模型的识别性能。
三、数据内容描述
最终形成的数据集合包含以下内容：白菜虫害图像集，以及采集时间、图像ID、文件路径、图像宽度、图像高度、虫害标签、目标数量、目标框、学习率、批次大小、精确率、召回率、F1分数、AUC值、训练损失、验证损失等模型训练信息。
本数据可应用于白菜虫害识别场景中，显著提升对白菜各类虫害的识别能力和精准度。
浙江省数据知识产权登记平台2026-07-29 更新50
白菜虫害识别AI训练数据
本数据的应用场景是白菜虫害识别。通过采集多类虫害相关的高清图像数据，并利用深度学习框架对虫害的虫体特征及白菜叶片的虫害特征进行多维度的学习和分析，训练后的模型能够快速识别白菜的虫害类型及其严重程度，生成科学的诊断结果。本模型不仅显著提升了虫害识别的准确率，还通过精准定位虫害区域，显著减少农药的使用，降低环境污染风险，提升防治效率。
浙江省数据知识产权登记平台2026-07-13 更新30
阳澄湖大闸蟹箱标蟹扣溯源二维码生成数据
本数据的应用场景是阳澄湖大闸蟹地理标志产品的市场流通防伪、渠道管控与消费者溯源验证。对于消费者和经销商而言，本数据通过“图标+颜色+角度+码段”四维随机组合算法及内嵌混淆码，赋予了每一箱标、每一枚蟹扣不可复制的物理身份，消费者和经销商通过扫描溯源二维码即可便捷验证整箱、单个产品的真伪，极大避免了因购买假冒产品导致的经济损失与食品安全风险，切实保障了公众权益；对于市场监管单位与品牌保护方而言，本数据能支持对阳澄湖大闸蟹产品进行全生命周期的精准追踪，并能为市场监管部门提供强有力的技术取证依据，有效遏制假冒伪劣产业链，维护“阳澄湖大闸蟹”的品牌公信力与市场形象；此外，本数据还可用于供应链数字化管理中，实现对阳澄湖大闸蟹产品仓储流转的精准追踪，防止运输过程中的“调包”或“窜货”行为，确保阳澄湖大闸蟹在流通中的全流程保真，为建立规范有序的特色农产品交易秩序提供了可落地的数据支撑。一、加工前的数据说明
该数据包含阳澄湖大闸蟹箱标及蟹扣的二维码及其颜色组合方案、排布坐标、身份码及其字体参数等10余项结构化字段，用于生成阳澄湖大闸蟹防伪箱标及蟹扣的溯源二维码。
二、处理规则
防伪箱标、蟹扣溯源二维码的生成算法、颜色与图标组合规则、角度及坐标参数均为企业自主编写设计，其中包括制定 4 套主色调、32 枚图标库、随机字体角度区间，确保同批次印刷无重复视觉特征；采用“图标+颜色+角度+码段”四维随机组合算法，重复概率＜1/10^8；字体旋转角度采用随机角度，增加仿造难度；二维码 URL 内嵌 10 位混淆码，与外部视觉特征无映射关系，实现反向破解成本高。
三、数据内容描述
通过以上算法规则为每一箱阳澄湖大闸蟹生成特定唯一的箱标溯源二维码，为每一只阳澄湖大闸蟹生成特定唯一的蟹扣溯源二维码，通过二维码溯源，保证售卖、购买的阳澄湖大闸蟹的真实可验证性。
浙江省数据知识产权登记平台2026-05-26 更新50
数字烟草综合管理平台作物长势监测配方数据
本分析数据的应用场景是数字烟草综合管理解决方案。通过采集温室大棚烤烟生长的气象和土壤数据，并进行敏感性分析及判别分析，得出烤烟作物长势状况与相应的水肥管理方案。本分析数据能够为种植方提供定制化的作物水肥管理方案，调整优化作物生长环境，提高烟草的产量和品质；还能够实时监测作物长势状况，防控作物潜在的灾害风险，确保烟草作物的健康生长。1、数据采集：数据来源于温室大棚内监控设备和土壤监测系统，主要包括大气温度（°C）、大气湿度（%RH）、土壤温度（°C）、土壤湿度（%vol）、pH值、电导率（um/cm）等实时采集的烤烟作物生长环境气象和土壤数据，构建烤烟作物长势状况的表征参数。
2、数据处理：首先，运用敏感性分析对采集的气象和土壤数据进行挖掘，识别出影响作物长势的关键变量特征；然后，综合利用敏感性分析结果及判别分析方法，计算作物的长势评分（分），对作物长势进行分等定级，得到地块尺度的作物长势状况监测结果；最后，匹配农业知识库，整合决策输出作物水肥管理的调整方案。作物长势分等定级规则如下：长势评分大于等于95，小于等于100，长势评级为特优；长势评分大于等于85，小于95，长势评级为优；长势评分大于等于75，小于85，长势评级为较优；长势评分大于等于70，小于75，长势评级为良；长势评分大于等于60，小于70，长势评级为一般；长势评分小于60，长势评级为差。
3、数据应用：上述分析数据可以应用到烟草平台智能管理场景，通过对烤烟作物生长环境气象和土壤数据进行敏感性分析和判别分析，实现作物长势监测状况与水肥管理方案的精准输出，为决策者提供科学依据。
浙江省数据知识产权登记平台2025-10-10 更新110
可视化茶园平台测土配方模型数据
本分析数据的应用场景是可视化茶园平台智能化监控管理解决方案。通过采集茶园的土壤样本数据，加以精确的土壤分析，为茶园提供个性化的土壤改良方案；能够在不同季节和不同茶园区域为茶农提供定制化的施肥建议，优化土壤结构，提高茶叶的产量和品质；能够监测土壤健康状况，预警潜在的土壤退化问题，确保茶园的可持续发展。1、数据采集：数据来源于茶园土壤样本，包括土壤的温度、湿度、电导率等物理性质，以及pH值、氮、磷、钾等主要养分含量，并通过数据预处理步骤确保土壤分析的准确性。
2、数据处理：运用主成分分析(PCA)和随机森林(RF)算法对采集的土壤数据进行分析，识别影响茶叶生长的关键土壤因素，揭示土壤数据与茶叶生长之间的相关性，匹配农学知识库，综合决策输出土壤改良建议、肥料配方推荐以及土壤健康评估等分析结果。
3、数据应用：上述数据处理、分析、输出的土壤改良建议、肥料配方推荐以及土壤健康评估可以应用到可视化茶园平台智能化监控管理场景，通过对土壤数据进行主成分分析和随机森林学习，实现土壤管理建议的精确输出，为茶园管理者提供科学的决策依据。
浙江省数据知识产权登记平台2025-10-10 更新200
白菜病害识别AI训练数据
本数据的应用场景是白菜病害识别。通过采集多类白菜病害的高清图像数据，并利用深度学习框架对白菜表面的病害特征进行多维度的学习和分析，训练后的模型能够快速识别白菜的病害类型及其严重程度，生成科学的诊断结果。本模型不仅显著提升了白菜病害识别的准确率，还通过精准定位病害区域，显著减少农药的使用，降低环境污染风险，提升防治效率。一、加工前的数据说明
数据来源于企业采购相机等硬件设备拍摄的多类白菜病害高清图像，记录每张图像的采集时间、图像ID、文件路径、图像宽度、图像高度等关键信息。
二、处理规则
（一）图像预处理
对采集到的图像进行去噪，去除图像中的噪声干扰，提高图像的清晰度。同时，增强图像的对比度，突出图像中的病害特征，为后续的特征提取和模型训练提供更好的基础。
（二）特征提取
从指定路径读取预处理后的图像数据，提取图像的病害标签、目标框（病害的位置）、目标数量等特征信息。
（三）模型训练
利用标记好的病害图像数据，采用深度学习框架进行模型训练。并通过调整模型的超参数（如学习率、批次大小等），优化模型结构，减少训练过程中的损失值。同时，记录训练损失，监控模型的训练进度。
（四）模型评估
通过验证集对训练好的模型进行性能评估，计算验证损失、F1分数、精确率、召回率和AUC值等指标，全面评估模型的识别性能。
三、数据内容描述
最终形成的数据集合包含以下内容：白菜病害图像集，以及采集时间、图像ID、文件路径、图像宽度、图像高度、病害标签、目标数量、目标框、学习率、批次大小、精确率、召回率、F1分数、AUC值、训练损失、验证损失等模型训练信息。
本数据可应用于白菜病害识别场景中，显著提升对白菜各类病害的识别能力和精准度。
浙江省数据知识产权登记平台2026-07-22 更新20
白菜病害识别AI训练数据
本数据的应用场景是白菜病害识别。通过采集多类白菜病害的高清图像数据，并利用深度学习框架对白菜表面的病害特征进行多维度的学习和分析，训练后的模型能够快速识别白菜的病害类型及其严重程度，生成科学的诊断结果。本模型不仅显著提升了白菜病害识别的准确率，还通过精准定位病害区域，显著减少农药的使用，降低环境污染风险，提升防治效率。
浙江省数据知识产权登记平台2026-07-06 更新20
阳澄湖大闸蟹箱标蟹扣溯源二维码生成数据
本数据的应用场景是阳澄湖大闸蟹地理标志产品的市场流通防伪、渠道管控与消费者溯源验证。对于消费者和经销商而言，本数据通过“图标+颜色+角度+码段”四维随机组合算法及内嵌混淆码，赋予了每一箱标、每一枚蟹扣不可复制的物理身份，消费者和经销商通过扫描溯源二维码即可便捷验证整箱、单个产品的真伪，极大避免了因购买假冒产品导致的经济损失与食品安全风险，切实保障了公众权益；对于市场监管单位与品牌保护方而言，本数据能支持对阳澄湖大闸蟹产品进行全生命周期的精准追踪，并能为市场监管部门提供强有力的技术取证依据，有效遏制假冒伪劣产业链，维护“阳澄湖大闸蟹”的品牌公信力与市场形象；此外，本数据还可用于供应链数字化管理中，实现对阳澄湖大闸蟹产品仓储流转的精准追踪，防止运输过程中的“调包”或“窜货”行为，确保阳澄湖大闸蟹在流通中的全流程保真，为建立规范有序的特色农产品交易秩序提供了可落地的数据支撑。
浙江省数据知识产权登记平台2026-05-09 更新170
现代农业智慧葡萄园测土配方模型数据
本分析数据的应用场景是现代农业葡萄园智能化监控管理解决方案。通过采集葡萄园的土壤样本数据，经过先进土壤数据分析模型、算法的处理，为葡萄园提供精准的土壤改良和施肥建议。本分析数据能够为葡萄果农提供定制化的施肥方案，优化土壤结构，提高葡萄的产量和品质；还能够监测土壤健康状况，预警潜在的土壤退化问题，确保葡萄园的可持续发展。1、数据采集：数据来源于葡萄园土壤样本，包括土壤的温度、湿度、电导率等物理性质，以及pH值、氮、磷、钾等主要养分含量，并通过数据预处理步骤确保土壤分析的准确性。
2、数据处理：运用主成分分析(PCA)和随机森林(RF)算法对采集的土壤数据进行分析，识别影响葡萄生长的关键土壤因素，挖掘土壤数据与葡萄生长的关联性，匹配农学知识库，综合决策输出土壤改良建议、肥料配方推荐以及土壤健康评估等分析结果。
3、数据应用：上述数据处理、分析、输出的土壤改良建议、肥料配方推荐以及土壤健康评估可以应用到现代农业葡萄园智能化监控管理场景，通过对土壤数据进行主成分分析和随机森林学习，实现土壤管理建议的精确输出，为葡萄园管理者提供科学的决策依据。
浙江省数据知识产权登记平台2025-10-10 更新190
高标准农田服务平台打药行为识别AI训练数据
本训练数据主要应用场景集中在农田服务平台智能化监控管理解决方案，通过采集的海量农田打药作业图片，经过严格的预处理、精准标注及多轮模型训练，AI模型能够在复杂农田环境中快速、准确地识别农药喷洒行为，实现对于农田农药使用的精准调控与高效管理。这不仅提升了农田监控管理的智能化水平，还能为农户科学规划用药周期，严格遵守农药使用规范，有效降低农药残留风险，守护农田生态与食品安全。1、数据采集：数据来源于园区摄像头采集的实时图像，并记录每张图像的设备ID、图片ID、文件路径等关键信息。
2、图像预处理：对采集的图像进行去噪、增强对比度、调整分辨率等预处理操作，提高图像质量并突出农药喷洒行为的关键特征；预处理后的图像数据标注目标边界框及类别标签，形成结构化的训练数据集。
3、模型训练：从指定路径读取预处理后的图像数据，加载标注信息，将数据集的划分为训练集、验证集、测试集；采用YOLOv5目标检测框架，基于卷积神经网络（CNN）进行端到端训练；通过数据增强（如随机裁剪、旋转、缩放）和动态学习率调整，优化模型对复杂农田场景的适应性；训练过程中实时监控损失曲线，确保模型收敛稳定。
4、模型评估：使用验证集评估模型性能，计算精确率、召回率、F1分数、训练损失、验证损失等关键指标，全面量化模型对于打药行为的识别效果。
5、结果分析与优化：通过混淆矩阵和AUC值分析模型的优缺点，针对误检和漏检情况调整超参数，进一步提升识别精度和鲁棒性；通过持续迭代和优化训练过程，模型的泛化能力和适应性不断提升，确保在真实场景中的长期稳定性和实用性。
6、数据应用：上述AI训练数据可以应用于高标准农田服务平台智能化监控管理场景下，通过结合公开数据集与园区实时图像数据开展训练，实现在复杂农田环境中快速、准确地识别农药喷洒行为，支持农田管理的智能化升级。
浙江省数据知识产权登记平台2025-10-10 更新240