数据集:农业病虫害问答数据集,可用于农业病虫害知识问答对话Ai的训练

080农业病虫害检测-基于CNN卷积神经网络识别包含数据集及训练及预测推理 在02中可以选择的模型有10多种,可以都训练进行对比、包括alexnet、DenseNet、DLA、GoogleNet、Mobilenet、ResNet、ResNeXt、ShuffleNet、VGG、EfficientNet和Swin transformer等10多种模型。需要注意的是,基于卷积神经网络的农业病虫害检测需要大量的数据集和专业的知识来进行模型的构建和训练。同时,模型的泛化能力也是需要考虑的因素,即模型在不同场景下的表现。运行02train.py可以对txt文本中的图片路径读取并训练模型, 阅读详情

农业病虫害知识问答数据集简介

本农业病虫害知识问答数据集是一份极具价值的知识资源,专注于为农业病虫害知识问答对话 AI 提供丰富且专业的训练素材。

一、数据规模

该数据集包含 3350 个不同种类的农业作物及其病虫害相关数据,涵盖了众多常见的农作物,如水稻、小麦、苹果、柑橘、香蕉、芒果、番茄、黄瓜、辣椒、茄子、西瓜、南瓜、豆类、花生、棉花、烟草、草莓、葡萄、桃、梨、樱桃、橄榄、菠菜、白菜、胡萝卜、土豆、甘蔗、玉米、芝麻、大豆、油菜、苜蓿、甜菜、向日葵、亚麻、大麦、燕麦、高粱等。总对话量高达三万多条,为模型训练提供了海量的数据支持。

二、数据内容

数据集中每个作物的病虫害信息都以问答的形式呈现,包含了病虫害的定义、病原体或害虫特征、病症表现、传播途径、对作物产量和质量的影响以及预防和防治方法等多个方面的内容。例如对于白菜白斑病,涵盖了从 “白菜白斑病是什么” 这一基础认知问题,到详细的 “白菜白斑病的病原体是什么”“白菜白斑病的症状有哪些”“白菜白斑病是如何传播的”“白菜白斑病对白菜产量和质量有什么影响” 以及 “如何预防白菜白斑病”“白菜白斑病的化学防治方法有哪些”“白菜白斑病的生物防治方法有哪些”“白菜白斑病的物理防治方法有哪些” 等全方位的问答内容。

三、数据价值

如此丰富且系统的数据集,能够帮助农业病虫害知识问答对话 AI 深入学习各类作物病虫害的相关知识,提升其在面对用户提问时的准确性和全面性,为农业从业者、研究人员以及相关爱好者提供专业、可靠的病虫害知识解答服务,助力农业的健康可持续发展。

数据集为.zip格式,其中包含主文件agriculture_species.json和json文件夹内三千多个json文件

数据集下载地址:

农业病虫害问答数据集,可用于农业病虫害知识问答对话Ai的训练-数据集详情|下载-集智数据集 - 集智数据集

农业病虫害问答数据集:构建智能对话AI的基石与实战应用 本文深入探讨了农业病虫害问答数据集在构建智能对话AI中的核心作用。该数据集作为领域知识的“金种子”,通过结构化组织超过三万条问答,为AI模型提供了精准的农业专业知识。文章详细介绍了从数据预处理、模型微调到实战应用的全流程,展示了如何利用该数据集训练出能准确诊断并提供防治建议的农业AI助手,是推动智慧农业落地的关键基石。 阅读详情

相关推荐

【智慧农业 × 国产大模型】智能病虫害识别与作物产量预测工程实践全流程解析

随着农业智能化进程加速,传统依赖人力经验的病虫害识别与作物产量评估方式,已无法满足大规模、精细化生产需求。本文基于国产大模型的实际应用案例,深入解析如何构建面向田间场景的“病虫害识别+产量预测”一体化系统。系统涵盖多模态图像采集、时序数据建模、模型推理部署与边缘端优化,结合真实农田数据与工程部署细节,提供一条从数据到决策闭环的农业AI落地路径。

努力分享一些人工智能、计算机视觉、影像等相关的知识干货! 1万+

AI大型语言模型在农业领域的应用

1. 背景介绍 1.1 农业的重要性 农业作为人类社会的基石,为全球人口提供了食物和生活必需品。随着世界人口的不断增长,农业生产效率的提高成为了当务之急。在这个过程中,人工智能技术的发展为农业领域带来了前所未有的机遇。 1.2 人工智能在农业领域

AI天才研究院 513

农业病虫害目标检测数据集.zip

数据集介绍:农业病虫害目标检测数据集 一、基础信息 数据集名称:农业病虫害目标检测数据集 图片数量: - 训练集:5,343张 - 验证集:777张 - 测试集:306张 - 总计:6,426张农业场景图片 分类类别: - ants(蚂蚁): 常见农业害虫,可能影响植物根系与土壤结构 - aphids(蚜虫): 吸食植物汁液的典型害虫,可导致叶片卷曲 - black-spot(黑斑病): 真菌性植物病害,常见于潮湿环境 - catterpillar(毛毛虫): 鳞翅目幼虫,造成叶片啃食损伤 - ladybug(瓢虫): 益虫类别,用于生物防治 - powdery-mildew(白粉病): 植物表面白粉状真菌感染 - thrips(蓟马): 微小刺吸式害虫,传播植物病毒 - whitefly(白蝇): 温室常见害虫,引发煤污病 标注格式: YOLO格式标注,含边界框坐标与类别标签,适配目标检测模型训练 数据特性: 包含田间环境、温室场景及近景特写,涵盖病虫害不同发育阶段表现 二、适用场景 智能农业监测系统开发: 支持构建病虫害实时检测模型,可集成至无人机巡检系统或固定式农田监控设备 精准施药决策支持: 通过病虫害识别定位,为变量施药设备提供空间分布数据 农业科研与教育: 适用于植物保护算法研究、生物防治效果评估等交叉领域课题 农业AI应用开发: 为移动端病虫害识别APP、农业物联网设备提供核心数据支撑 三、数据集优势 全面覆盖关键物种: 包含8类高发性病虫害及益虫,平衡正负样本比例,支持精细化识别需求 真实场景多样性: 覆盖不同光照条件、拍摄角度及植物生长阶段,增强模型环境适应能力 标注专业性强: 采用多级质检流程,确保边界框精准贴合虫体/病斑区域 实践价值突出: 特别包含瓢虫类益虫标注,支持生物防治与害虫识别的协同分析 技术兼容性好: YOLO格式可直接适配主流检测框架(Y

农作物害虫检测数据集VOC+YOLO格式18975张97类别.7z

数据集格式:Pascal VOC格式+YOLO格式(不包含分割路径的txt文件,仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数):18975 标注数量(xml文件个数):18975 标注数量(txt文件个数):18975 标注类别数:97 更多数据集信息请参考博客:https://blog.youkuaiyun.com/FL1623863129/article/details/138444584

自然语言处理数据集-近四万条农业银行问答数据

自然语言处理数据集-近四万条农业银行问答数据 可用于问答系统的智能实验

DisplayPort 1.4扰码原理与16位并行LFSR实现

DisplayPort物理层信号完整性依赖于数据扰码技术,其本质是通过线性反馈移位寄存器(LFSR)对传输数据进行伪随机化处理,以改善频谱分布、抑制低频能量堆积、提升时钟恢复能力并降低EMI辐射。该技术广泛应用于高速串行接口如DP、PCIe和USB,核心在于确定性伪随机序列生成与收发端同步。DisplayPort 1.4强制要求符合ANSI X3.230标准的16级LFSR,并在8b/10b编码后执行扰码;而传统串行实现难以满足21.6Gbps速率下的时序约束,必须采用并行展开结构——将16拍移位压缩为单周

weixin_29192211的博客 313

MagicDraw小白必看:BDD图中模块的5种属性详解(含SysML v1.6最新端口配置指南)

本文面向MagicDraw初学者,详细解析SysML BDD图中模块的五种核心结构属性,包括组成部分、引用、值、约束属性及端口。重点阐述了SysML v1.6中端口设计的范式转移,对比了完整端口与代理端口的区别与应用场景,并通过实战案例指导如何利用代理端口进行清晰的接口定义与系统架构设计。

rum55的博客 373

68页|大型车企集团数字化转型汽车数字化信息系统平台规划方案

这份PPT文档提供了一个全面的汽车集团数字化转型规划方案,涵盖了项目目标、规划思路、实施关注点、解决方案建议以及合作优势等多个方面。

baidu_25525561的博客 1328

rk3568 rockit编译测试

编译rockit不能使用SDK默认编译kernel的交叉编译,需要采用编译buildroot的,而编译buildroot的编译器SDK并没有存放,需要编译过buildroot之后才可以用。命令参数相关解析可查阅代码,这里提醒一下-l参数,这是程序运行计数,默认是100,时间很短,基本上显示画面一闪而过,一度以为是程序哪里出问题了,改用-l 1000,画面显示时间加长。此处跳过系统,单领出来编译。rockit组件包在4.10版本需要手动编译,奈何我的版本怎么都编译不了,后来改用5.10版本才编译通过。

zfenggo的博客 4196

【ComfyUI】QwenImageEdit + Z-Image 面部融合图生图

本文介绍了一种基于Stable Video Diffusion(SVD)模型的ComfyUI图生视频工作流,能够将静态图片转换为动态视频。工作流包含模型加载、图像导入、条件生成、视频采样、解码合成等8个核心步骤,通过SVD_img2vid_Conditioning节点实现视觉语义转换。该方案适用于创意视频制作、产品演示等场景,支持设计师和AI爱好者快速实现"以图生动"效果。文中详细说明了工作流架构、关键节点功能、操作流程及应用案例,并提供了模型参数和使用注意事项。

Mr数据杨 1812

猫群优化算法(CSO)详解:从生物灵感到智能优化

猫群优化算法(CSO)是一种模拟猫科动物行为的群体智能优化算法。该算法基于猫的两种主要行为模式:搜寻状态(全局探索)和跟踪状态(局部开发)。CSO通过混合率(MR)动态调整两种模式的比例,实现探索与开发的平衡。算法核心包括搜寻模式的变异操作和跟踪模式的速度-位移模型,具有收敛性能好、全局搜索能力强等特点。相比传统优化算法,CSO在高维复杂问题中表现优异,已成功应用于函数优化、图像处理等多个领域。算法性能受混合率、变化域等参数影响,自适应参数策略可进一步提升优化效果。

qq_42212808的博客 617

数据结构课程设计C/C++版--美团餐馆预定信息的管理与分析 5 6

第5关:注销个人信息。

m0_62222486的博客 2124

uniapp - 最新实现hbuilder项目运行到ios基座或苹果ios真机设备详细教程,如何在ios苹果手机上真机运行测试,IOS自定义基座在线打包调试(uniapp项目如何在苹果手机上运行调试)

uni-app,苹果,app,ios,设备,自定义基座,运行app到苹果手机,mac电脑,Xcode,hbuilderX,运行ios基座调试Uniapp,无需打包,苹果证书,ipa,运行失败,报错,无法启动,连接失败,出错,详细教程,如何解决这个问题,怎么办,申请iOS证书,运行项目到iOS基座,打包ios自定义基座,在iOS真机上运行,新手小白,超级详细的教程,dcloud如何苹果ios系统真机测试,调试基座失败,真机调试ios app,App基座安装后无法打开问题,真机运行时检测不到手机的问题或者基座安

✅ 精选推荐文章 1万+

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

pscad IEEE标准系统搭建说明

pscad IEEE标准系统搭建说明,包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

汉书HE8,好用的汇编代码编写工具

汉书HE8,好用的汇编代码编写工具早期编写汇编代码所用功能强大

上一篇: BERT模型在文本纠错中的应用技术博客文章
下一篇: 数据集分享:国内&国际新闻,多维度新闻分析增强数据集
jizhi-dataset
博客等级 码龄12年 1020粉丝 400原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值