CabbageAmaranth

小白菜与红叶苋数据集

简介

本数据集旨在为作物幼苗识别和分类提供视觉数据支持，特别是针对京研快菜（青梗小白菜）和红叶苋。数据集包含两种作物的幼苗图片，收集于2024年1月至3月期间。

数据集内容

• 作物种类:

  • 白菜（cabbage）
  • 红叶苋（amaranth）

• 图片收集时间: 2024年1月底至3月

• 图片来源: 使用手机拍摄的原图，分辨率为3648x2736

• 处理方法: 使用Python脚本裁剪成1080p分辨率的图片

• 标注工具: 使用Labelme软件进行标注。

• 数据集格式: 标注后的数据已转换为YOLO数据集格式，并使用CloDSA进行图像增强。

数据集结构

CabbageAmaranth/
├── images
│   ├── train
│   │   ├── 0_0_00000.jpg
│   │   ├── ...
│   │   └── 567_0_00567.jpg
│   └── val
│       ├── 5_0_00005.jpg
│   │   ├── ...
│       └── 647_3_00647.jpg
└── labels
    ├── train
    │   ├── 0_0_00000.txt
    │   ├── ...
    │   └── 567_0_00567.txt
    └── val
        ├── 5_0_00005.txt
        ├── ...
        └── 647_3_00647.txt

使用方法

以ultralytics出品的yolov8项目为例：

1. 将本repo下载至ultralytics数据集指定位置，一般是用户目录下的\Ultralytics\datasets
2. 编写yaml配置文件，例子会在后面给出
3. 使用数据集训练模型

一个yaml的例子：CabbageAmaranth.yaml

path: ../datasets/CabbageAmaranth # dataset root dir
train: images/train # train images
val: images/val # val images
test: # test images (optional)

# Classes
names:
  0: cabbage
  1: amaranth

许可证和使用限制

本数据集遵循MIT。在使用数据集前，请确保您了解并遵守许可证条款。

贡献和反馈

如果您在使用数据集时遇到问题，或有任何改进建议，请通过[email protected]与我们联系。