Open Sprayer Images
Este conjunto de datos contiene imágenes de muelles latifoliados e imágenes de terrenos sin estas plantas, destinadas al entrenamiento de drones agrícolas autónomos para la detección y el tratamiento selectivo de las malas hierbas.
Aproximadamente 6.700 imágenes en formato JPG/PNG, fotos de alta resolución, categorías de plantas y terrenos
CC0: Dominio público
Descripción
El conjunto de datos «Open Sprayer Images» ofrece casi 6.700 imágenes divididas entre fotos de muelles latifoliados e imágenes de terrenos desnudos. Estas imágenes están destinadas a entrenar modelos de inteligencia artificial para un dron agrícola autónomo capaz de detectar y rociar las malas hierbas.
¿Para qué sirve este conjunto de datos?
- Entrenamiento de modelos de visión artificial para la detección automática de malezas
- Contribuir al desarrollo de drones agrícolas autónomos a un costo menor
- Mejorar la precisión de los tratamientos específicos en la agricultura de precisión
¿Se puede enriquecer o mejorar?
Sí, este conjunto de datos se puede enriquecer con imágenes adicionales tomadas en diferentes condiciones de luz y estaciones, así como añadiendo anotaciones más precisas de los tipos de plantas y otras malezas. Se alienta la contribución de la comunidad para mejorar la diversidad y la calidad.
🔎 En resumen
🧠 Recomendado para
- Investigadores de agricultura de precisión
- Desarrolladores de IA en visión
- Proyectos de drones autónomos
🔧 Herramientas compatibles
- TensorFlow
- PyTorch
- OpenCV
- LabelImg
💡 Consejo
Agregue imágenes en diferentes condiciones climáticas para mejorar la robustez del modelo.
Preguntas frecuentes
¿Este conjunto de datos contiene anotaciones detalladas sobre malezas?
No, las imágenes simplemente se clasifican entre un muelle latifoliado y un campo sin muelle, sin anotaciones finas.
¿Se puede usar este conjunto de datos para entrenar un dron agrícola en condiciones reales?
Sí, este conjunto de datos está diseñado para entrenar modelos para drones autónomos, pero es posible que sea necesario enriquecerlo para la diversidad de casos reales.
¿Es un conjunto de datos adecuado para principiantes en aprendizaje profundo?
Sí, es simple y claro, ideal para proyectos que le inicien en la clasificación de imágenes agrícolas.
