带有 YOLO 和 Pascal 标签的芝麻作物和不同杂草的农业数据

关于数据集

内容

该数据集包含 1300 张芝麻作物和不同类型杂草的图像，每张图像均带有标签。
每张图像均为 512 x 512 彩色图像。图像标签采用 YOLO 格式。

对于 Pascal-voc 格式，请查看此笔记本

数据准备

步骤：

1. 首先，我们必须收集数据集。为此，我们必须拍摄杂草和农作物的照片。我们总共收集了 589 张图片
2. 收集照片后，我们必须清理数据集。这一步非常重要，因为如果数据集中残留任何床的照片，都会对检测模型造成更差的影响。清理后我们有 546 张图像。
3. 现在进行图像处理。我们的照片尺寸是 4000X3000 颜色，非常大，模型需要很长时间进行训练，所以我们将所有图像转换为 512X512X3 尺寸。
4. 现在 546 张图像不足以进行训练，因此我们采取了一些措施，将 546 张图像转换为 1300 张图像。我们使用数据增强技术来增加数据集。（在谷歌上查看 keras ImageDataGenerator）
5. 这一步非常繁琐，需要手动标记图像数据！在这一步中，我们必须在照片上绘制边界框，无论是杂草还是裁剪。

问题

杂草是农业中不受欢迎的生物。杂草会消耗原本应该分配给作物的养分、水分、土地等诸多资源，导致作物减产。农民经常使用杀虫剂去除杂草，虽然这种方法有效，但有些杀虫剂可能会残留在作物上，对人类造成危害。

目的

我们的目标是开发一种只在杂草上喷洒农药而不在作物上喷洒农药的系统，这将减少与作物的混合问题并减少农药的浪费。