当前位置：首页 > news >正文

各类大豆相关数据集大合集

news 来源：原创 2025/5/13 10:17:32

数据集已经上传至CSDN，请直接搜索！！
一、【高级大豆农业数据集（2025）】
关键词: 大学和大学, 农业, 人工智能, 分类, 功能工程, 深度学习
描述:
“先进的大豆农业数据集”是一款精心策划的数据集，旨在支持农业研究和机器学习应用程序。该数据集于2025年汇编，作为Tikrit大学农业学院的合作研究工作的一部分。该数据集是在：
蒂克里特大学农业学院的助理讲师巴斯姆·法哈德·阿卜杜拉（Basim Fahad Abdullah）。
蒂克里特大学农业学院的助理教授Dawood Salman Madad博士。
蒂克里特大学计算机科学与数学学院助理教授Wisam Dawood Abdullah。
该数据集由55,450行和13列组成，捕获了与大豆植物有关的基本农业参数。该数据集包括各种特征，例如植物高度，豆荚数量，生物重量，叶绿素含量，蛋白质百分比，种子产量和叶片中的相对水含量。这些属性对于了解不同环境条件下大豆作物的生长，生产力和营养价值至关重要。
该数据集的一个关键特征是参数列，该参数列编码影响大豆生长的基本实验条件。参数列中的字母表示以下：
G：指大豆的基因型，由六种不同的基因型组成。
C：代表水杨酸，具有两个水平（250 mg和450 mg），以及第三级作为标准对照。
S：表示水应力，其中包括两个级别：
水应力的5％，占地容量的5％。
水应力的70％的田间容量。
先进的大豆农业数据集旨在促进各种分析和预测性建模应用，尤其是在精确农业，产量预测和作物健康评估方面。该数据集凭借其全面的功能和随机样本，非常适合研究人员，农艺师和数据科学家，对农业优化和决策感兴趣。
在这里插入图片描述

==================================================
二、【四十种大豆品种数据集】
关键词: 巴西, 农业, 初学者, 中间的, 表格
描述:
**摘要：**选择更适合不利条件（例如水稀缺或干雨期）的觅食草非常重要。主要是由于严重的气候变化以及寻找更可持续的农业方式。草草构成了肉牛饮食的基础，也被用作生物燃料的来源，用于侵蚀和土壤改善。这项工作提出了一种机器学习方法，以获取九个草料品种的分类模型，但要遵守适度和严重的水压力。幼稚的贝叶斯算法与内核密度估计方法一起使用，以获得分类模型中使用的密度。在学习模型之前，使用分组的横瓦数字技术以及G RID搜索来搜索最佳的超参数集。最佳准确性和精度结果分别为0.88和0.90。据观察，分类性能取决于训练和测试集中使用的品种。最后，还通过将它们与对每个变量和水应力或控制环境获得的一些统计数据进行比较，可以分析估计的概率密度。所提出的方法是一种互补的统计方法。它提供了用于获取有关该品种收获环境的信息的抽象模型。
引用： Oliveira，B.R。;Zuffo，A。M。；Silva，F。C。;Mezzomo，R；Barrozo，L.M。;Zanatta，T。S。；Santos，J.C。;Sousa，C。H。；Coelho，Y。P。;Caldas，A。D。（2023）。数据集：随后收获的40个大豆品种。农业和环境科学的趋势，（E230005），doi：10.46420/taes.e230005
论文链接： https：//editorapantanal.com.br/journal/index.php/taes/article/view/8
在这里插入图片描述

==================================================
三、【大豆的liming和根神经根腐数据】
关键词: 植物, 农业, 数据可视化, 统计分析
描述:
这项研究的目的是验证liming对根部腐烂发生率的影响和在具有不同土壤类别的四个领域提供最高大豆产量的石灰石剂量。处理以4个领域的阶乘方案排列，该田地具有不同的土壤类别（古老的，Cambisol TA，Cambisol TB和Nitosol）X 2位置x 2个位点（斑块的内部和外部）x 4剂量的石灰石（0、3、6和9 mg ha-1）。现场每个站点内的实验设计是在一个完整的随机块中，具有四个复制。评估的变量为：疾病的发生率（％）（INC）；疾病进度曲线（AUDPC），大豆产量（产量），植物高度（PLH），第一个POD（INSH）插入的高度（cm），每植物的分支数（BRA），每植物的节点数量（TNOD）（TNOD），每植物的肥沃节点数量（FNOD），每个工厂的数量（FNOD），繁殖（FNOD）数量（FNOD）（FNOD）数量（FNOD）（Qudains and pods）（繁殖），繁殖物（pods），繁殖物（pods），繁殖物（pods），繁殖物，繁殖物（pod），繁殖物（pod od a pod s）每米（植物）的1000粒重量（重量）和植物数量。
＃类别
农艺学，土壤，农业土壤，植物病理学
＃致谢和来源
Jaqueline Huzar-Novakowiski，Maicon Balbinotti，Edson Bortoluzzi
[数据源：]（https://data.mendeley.com/datasets/h6v8j338ds/1）
[图像来源：大豆上的根源腐腐 -bugwoodwiki]（https://www.google.com/url?sa=i&url=https%3A%2F%2F%2FWIKI.BUGWOOD.ORGMWOOD.ORG%2FNPIPM%3ARHIZOCTONIA_ROOT_ROOT_ROOT_ROT_ROT_ROT_ROT_ROT_ON_SOY_SOYBEAN&pSIG = aOVVAW00SXKI4ZOLELOMEEEUKFWQ0＆UST = 1714115014010000＆source = Images＆CD = VFE＆OPI = 89978449＆VED = 0CBQQQJHXQFWOTCFWOTCMIE25JM3IUDFQAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAABAE）
在这里插入图片描述

==================================================
四、【世界大豆生产的国家清单数据】

关键词: 农业, 数据可视化, 数据分析, 表格, 熊猫
描述:
＃语境
根据食品和农业组织公司统计数据库的数据，这是2016年至2020年大豆生产的国家清单。2020年大豆的全球总产量为353,463,735吨，2019年的336,329,392吨增长了5.1％。
巴西是最大的生产商，占世界产量的34％，其次是美国的32％。
在这里插入图片描述

==================================================
五、【大豆种子质量图像数据集】

关键词: 农业, 计算机视觉, 深度学习, 图像, 图像分类
描述:
学分-IN，WEI；fu，Youhao;Xu，Peiquan；Liu，Shuo；MA，Daoyi；Zitian的江；张，西阳；Yao，Heyang；Su，Qin（2023），“大豆种子”，Mendeley Data，V6，doi：10.17632/v6vzvfszj6.6.6
该数据集包括五种单独的大豆种子图像，总计5513：完整，发现，不成熟，破碎和皮肤受损。此外，每个类别中都有1000多个大豆种子图像。根据大豆分类的标准（GB1352-2009）将各个大豆的图像分为五类。带有种子的大豆图像是由工业摄像头捕获的。随后，使用图像处理算法（分割精度超过98％）将单个大豆图像（227×227像素）与大豆图像（3072×2048像素）分开。该数据集可以用于研究大豆种子的分类或质量评估。
在这里插入图片描述

==================================================
六、【大豆农业数据】
关键词: 农业, 先进的, 数据可视化, 数据分析
描述:
想象一下，您是研究植物如何生长的科学家。在某些条件下，某些植物的生长更好，例如当它们获得适量的水，阳光和营养时。科学家收集有关植物的信息，以了解什么可以帮助他们发展最佳。此信息集合称为数据集。
“先进的大豆农业数据集”是有关大豆植物的特殊信息。它是由Tikrit大学农业学院的智能研究人员于2025年创建的。这些研究人员希望帮助农民种植更好的农作物并改善粮食生产。
谁制作了这个数据集？
三位重要的教授帮助将该数据集整合在一起：
助理讲师Basim Fahad Abdullah
助理教授Dawood Salman Madad博士
助理教授Wisam Dawood Abdullah
他们研究了数千种大豆植物，并写下了每种大豆植物。
数据集内部有什么？
该数据集有55,450行和13列。这意味着它有很多信息！每行代表一个大豆植物，每一列都告诉我们一些重要的东西，例如：
植物有多高
它有多少个豆荚（种子持有者）
它的重量
它拥有多少叶绿素（叶绿素有助于植物制造食物）
种子中有多少蛋白质
叶子里有多少水
该植物产生多少种子
特殊的实验条件
科学家还测试了不同的条件，以了解它们如何影响大豆的生长。他们在称为“参数”的特殊列中记录了此信息。本专栏中的字母意味着不同的事情：
G：大豆植物的类型（或“基因型”）（有6种类型）。
C：如果给植物的水杨酸（天然植物增强剂）。有三个级别：
250毫克
450毫克
没有水杨酸（对照组）。
S：对植物经历的水压力多少。有两个级别：
很少的水（占场容量的5％）
更多的水（70％的现场容量）
为什么这个数据集很重要？
该数据集对科学家，农民和研究人员非常有用。他们可以使用此信息来：
预测大豆植物在不同条件下的生长情况。
找到种植健康和生产性大豆的最佳方法。
使用计算机和人工智能帮助农民做出更好的决定。
这个数据集就像是一本植物秘密的大书，可以帮助未来改善农业和粮食生产！

==================================================
七、【大豆病叶数据集】
关键词: 研究, 计算机视觉, 分类, Python, 图像分类
描述:
大豆病植物叶图像是患病大豆叶的图像的数据集。该数据集包含10种不同类型的大豆疾病的图像，包括细菌疫病，棕色斑点，青蛙眼，生锈和猝死综合症。这些图像是高质量且标签良好的，使其非常适合用于植物疾病分类的机器学习模型。
在这里插入图片描述

==================================================
八、【大豆价格因素数据1962-2018年】
关键词: 商业, 食物, 投资
描述:
＃＃＃语境
大豆是主要农作物。
＃＃＃内容
汇编大豆价格和影响大豆价格的因素。每日数据。温度柱是美国主要增长地区的每日温度。生产和面积是每个国家 /地区的年度计数（2018年是估计）。商品的价格来自CME期货，未根据通货膨胀进行调整。这些CME期货的更新可以在Quandl上找到。可以添加其他数据，例如利率，国家货币价格，国家进口数据，国家温度。
我用来组装的更多原始数据。
https://github.com/motorcitycobra/soy_data_collection
浏览我的其他项目，并为我提供工作。
###致谢
https://www.quandl.com/
横幅照片由[rawpixel on insplash] [1]
[1]：https：//unsplash.com/photos/pkwa8pei3-c

==================================================
九、【大豆种子成熟度预测数据集】
关键词: 农业, 食物
描述:
该数据集包括五种单独的大豆种子图像，总计5513：完整，发现，不成熟，破碎和皮肤受损。此外，每个类别中都有1000多个大豆种子图像。根据大豆分类的标准（GB1352-2009）将各个大豆的图像分为五类。带有种子的大豆图像是由工业摄像头捕获的。随后，使用图像处理算法（分割精度超过98％）将单个大豆图像（227×227像素）与大豆图像（3072×2048像素）分开。该数据集可以用于研究大豆种子的分类或质量评估。
在这里插入图片描述

==================================================
十、【大豆虫害图像数据集】

关键词: 生物学, 农业
描述:
该数据集由三个图像文件夹组成：毛毛虫，diabrotica speciosa和健康。图像是大豆叶受到毛毛虫，diabrotica speciosa健康图像破坏的大豆叶。这些图像是由尺寸500 x 500标准化的。研究人员可以将此数据集用于人工智能，机器学习，深度学习等。有6,410张图像，为：Caterpillar -3,309，Diabrotota Speciosa -2,205和Healthy -896。
内部不仅仅是行和列。通过描述您如何获取数据以及其代表的时间段来使其他人轻松开始。

==================================================
十一、【USDA玉米和大豆增长统计数据】
关键词: 农业
描述:
＃＃＃语境
玉米和大豆生活在美国中西部，是总是 *让我着迷的主食。

＃＃＃内容
数据包含种植，收获的英亩和作物产量的价值的年度数字。没有报告一些数据，这使使用更有趣！

###致谢
该数据是从国家农业统计服务（NASS）提供的快速统计数据的，这是一个在线数据库，其中包含与美国农业生产相关的官方发表的总估计。NASS从通过以下数据收集的数据中得出这些估计：
1.每年进行数百个样本调查实际上涵盖
美国农业的各个方面
2。每五年进行一次农业的人口普查
州和县级的聚合

==================================================
十二、【玉米和大豆价格2008-2017年】
关键词: 商业, 金融, 农业
描述:
＃＃＃语境
美国农业部（USDA）发布了每月一次的世界农业供应和需求估算报告（WASDE）报告，其中包括对各种美国农作物的供应和需求的预测。报告中的数据表明（除其他方面）预计农作物供应的稀缺性 - 会影响商品市场上的价格变动。（python内核很快就会跟随。）
＃＃＃内容
USDA数据是通过从5月2007年至2018年5月开始下载所有历史WASDE报告来获取的。（Python脚本汇总了数据并在此数据集中输出CSV文件。）
了解许多数据列的最佳方法是查看一份WASDE报告，并访问[带有历史报告的官方网站] [1] - 但是在此处介绍的日期之前进行预测是有用的。我已经为其他农作物生成了相应的文件 - 如果其他作物感兴趣的话，我很乐意添加它们。
价格数据已从公共网站上刮擦，并重新安排了易用性。
任何时候都有多个商品合同开放，“附近”是第一个过期的合同。“附近”文件显示在2008年2月至12月期间附近合同的近距离价格。其中包括两个单独合同的文件-Soybeans_jul14和Corn_jul14：以及开放，高，低，关闭，音量和开放式访问的文件，最后一列表示该日期所有大豆（和玉米）合同的总开放兴趣。

[1]：http：//usda.mannlib.cornell.edu/mannusda/viewdocumentInfo.do?documentId=1194

==================================================
十三、【大豆作物的杂草检测图像数据集】

关键词: 生物学, 农业
描述:
＃＃＃语境
从无人机捕获的一组图像中，选择了所有有杂草的人，总共有400张图像。通过使用SLIC算法的Pynovisão软件，这些图像进行了细分，并用各自的类手动注释段。这些段用于构建图像数据集。
＃＃＃内容
此图像数据集有15336个细分市场，是土壤的3249个，7376个大豆，3520草和1191个阔叶杂草。
在这里插入图片描述