© 2023-2026 上海数据发展科技有限责任公司 版权所有
沪ICP备17003045号-15沪公网安备31010402336585号
浙江天演维真网络科技股份有限公司
企业浙江天演维真网络科技股份有限公司，成立于2004年，位于浙江省，所属行业为互联网和相关服务，经营范围涵盖技术服务、技术开发、技术咨询、技术交流、技术转让、技术推广、软件开发、计算机系统服务、大数据服务、数据处理和存储支持服务、物联网技术服务、物联网应用服务、信息系统集成服务、信息技术咨询服务、区块链技术相关软件和服务等。
新三板高新技术企业科技型中小企业专精特新专精特新企业
数据集列表
白菜虫害识别AI训练数据
本数据的应用场景是白菜虫害识别。通过采集多类虫害相关的高清图像数据，并利用深度学习框架对虫害的虫体特征及白菜叶片的虫害特征进行多维度的学习和分析，训练后的模型能够快速识别白菜的虫害类型及其严重程度，生成科学的诊断结果。本模型不仅显著提升了虫害识别的准确率，还通过精准定位虫害区域，显著减少农药的使用，降低环境污染风险，提升防治效率。
浙江省数据知识产权登记平台2026-07-13 更新00
阳澄湖大闸蟹箱标蟹扣溯源二维码生成数据
本数据的应用场景是阳澄湖大闸蟹地理标志产品的市场流通防伪、渠道管控与消费者溯源验证。对于消费者和经销商而言，本数据通过“图标+颜色+角度+码段”四维随机组合算法及内嵌混淆码，赋予了每一箱标、每一枚蟹扣不可复制的物理身份，消费者和经销商通过扫描溯源二维码即可便捷验证整箱、单个产品的真伪，极大避免了因购买假冒产品导致的经济损失与食品安全风险，切实保障了公众权益；对于市场监管单位与品牌保护方而言，本数据能支持对阳澄湖大闸蟹产品进行全生命周期的精准追踪，并能为市场监管部门提供强有力的技术取证依据，有效遏制假冒伪劣产业链，维护“阳澄湖大闸蟹”的品牌公信力与市场形象；此外，本数据还可用于供应链数字化管理中，实现对阳澄湖大闸蟹产品仓储流转的精准追踪，防止运输过程中的“调包”或“窜货”行为，确保阳澄湖大闸蟹在流通中的全流程保真，为建立规范有序的特色农产品交易秩序提供了可落地的数据支撑。一、加工前的数据说明
该数据包含阳澄湖大闸蟹箱标及蟹扣的二维码及其颜色组合方案、排布坐标、身份码及其字体参数等10余项结构化字段，用于生成阳澄湖大闸蟹防伪箱标及蟹扣的溯源二维码。
二、处理规则
防伪箱标、蟹扣溯源二维码的生成算法、颜色与图标组合规则、角度及坐标参数均为企业自主编写设计，其中包括制定 4 套主色调、32 枚图标库、随机字体角度区间，确保同批次印刷无重复视觉特征；采用“图标+颜色+角度+码段”四维随机组合算法，重复概率＜1/10^8；字体旋转角度采用随机角度，增加仿造难度；二维码 URL 内嵌 10 位混淆码，与外部视觉特征无映射关系，实现反向破解成本高。
三、数据内容描述
通过以上算法规则为每一箱阳澄湖大闸蟹生成特定唯一的箱标溯源二维码，为每一只阳澄湖大闸蟹生成特定唯一的蟹扣溯源二维码，通过二维码溯源，保证售卖、购买的阳澄湖大闸蟹的真实可验证性。
浙江省数据知识产权登记平台2026-05-26 更新10
数字烟草综合管理平台作物长势监测配方数据
本分析数据的应用场景是数字烟草综合管理解决方案。通过采集温室大棚烤烟生长的气象和土壤数据，并进行敏感性分析及判别分析，得出烤烟作物长势状况与相应的水肥管理方案。本分析数据能够为种植方提供定制化的作物水肥管理方案，调整优化作物生长环境，提高烟草的产量和品质；还能够实时监测作物长势状况，防控作物潜在的灾害风险，确保烟草作物的健康生长。1、数据采集：数据来源于温室大棚内监控设备和土壤监测系统，主要包括大气温度（°C）、大气湿度（%RH）、土壤温度（°C）、土壤湿度（%vol）、pH值、电导率（um/cm）等实时采集的烤烟作物生长环境气象和土壤数据，构建烤烟作物长势状况的表征参数。
2、数据处理：首先，运用敏感性分析对采集的气象和土壤数据进行挖掘，识别出影响作物长势的关键变量特征；然后，综合利用敏感性分析结果及判别分析方法，计算作物的长势评分（分），对作物长势进行分等定级，得到地块尺度的作物长势状况监测结果；最后，匹配农业知识库，整合决策输出作物水肥管理的调整方案。作物长势分等定级规则如下：长势评分大于等于95，小于等于100，长势评级为特优；长势评分大于等于85，小于95，长势评级为优；长势评分大于等于75，小于85，长势评级为较优；长势评分大于等于70，小于75，长势评级为良；长势评分大于等于60，小于70，长势评级为一般；长势评分小于60，长势评级为差。
3、数据应用：上述分析数据可以应用到烟草平台智能管理场景，通过对烤烟作物生长环境气象和土壤数据进行敏感性分析和判别分析，实现作物长势监测状况与水肥管理方案的精准输出，为决策者提供科学依据。
浙江省数据知识产权登记平台2025-10-10 更新80
可视化茶园平台测土配方模型数据
本分析数据的应用场景是可视化茶园平台智能化监控管理解决方案。通过采集茶园的土壤样本数据，加以精确的土壤分析，为茶园提供个性化的土壤改良方案；能够在不同季节和不同茶园区域为茶农提供定制化的施肥建议，优化土壤结构，提高茶叶的产量和品质；能够监测土壤健康状况，预警潜在的土壤退化问题，确保茶园的可持续发展。1、数据采集：数据来源于茶园土壤样本，包括土壤的温度、湿度、电导率等物理性质，以及pH值、氮、磷、钾等主要养分含量，并通过数据预处理步骤确保土壤分析的准确性。
2、数据处理：运用主成分分析(PCA)和随机森林(RF)算法对采集的土壤数据进行分析，识别影响茶叶生长的关键土壤因素，揭示土壤数据与茶叶生长之间的相关性，匹配农学知识库，综合决策输出土壤改良建议、肥料配方推荐以及土壤健康评估等分析结果。
3、数据应用：上述数据处理、分析、输出的土壤改良建议、肥料配方推荐以及土壤健康评估可以应用到可视化茶园平台智能化监控管理场景，通过对土壤数据进行主成分分析和随机森林学习，实现土壤管理建议的精确输出，为茶园管理者提供科学的决策依据。
浙江省数据知识产权登记平台2025-10-10 更新120
绿色农田数字化平台打药行为识别AI训练数据
本训练数据主要应用场景集中在绿色农田数字化平台智能化监控管理解决方案。通过前期采集的海量农田打药图片数据，经过专业预处理、精准打标及深度模型训练，最终生成高效识别模型文件。系统实时抓取农田高清摄像头图像，利用训练成熟的AI模型自动识别农田中的农药喷洒行为，实现农田管理的智能化升级。通过这一创新技术，农田管理从传统经验依赖转向数据驱动的精准决策，为现代农业的可持续发展提供强有力的技术支撑。1、数据采集：数据来源于企业自行拍摄收集所需图像，并记录每张图像的设备ID、图片ID、文件路径、标签、数据集类型、先验框、目标数量、目标框等关键信息，为模型训练提供高质量的标注数据。从指定路径读取图像数据，进行预处理，并提取标注信息，为模型训练做好准备。
2、图像预处理：对采集的图像进行去噪、增强对比度、归一化等预处理操作，提升图像质量并突出农药喷洒行为的特征，提升图像质量，为后续的特征提取和模型训练提供更好的基础。
3、模型训练：使用核心算法模型，基于深度学习的目标检测框架进行端到端训练。利用标记的图像数据进行端到端训练。通过图像缩放、网络预测及结果处理，模型能够实时输出农药喷洒行为的识别结果。训练过程中采用多尺度训练、数据增强及动态学习率调整等技术，优化模型性能，减少过拟合风险，并在每个在每个训练周期（Epoch）结束时记录训练损失和精度。
4、模型评估：使用独立验证集对模型性能进行评估，计算验证损失，检验模型对未见过数据的识别能力，计算F1分数、精确率和召回率，并生成混淆矩阵和AUC值，全面量化模型的识别效果。
5、结果分析与优化：通过分析模型输出的各项指标，识别模型的优缺点，优化算法参数，进一步提高识别精度和鲁棒性。通过持续迭代和优化训练过程，模型的泛化能力和适应性不断提升，确保在真实场景中的长期稳定性和实用性。
浙江省数据知识产权登记平台2025-10-10 更新290
白菜病害识别AI训练数据
本数据的应用场景是白菜病害识别。通过采集多类白菜病害的高清图像数据，并利用深度学习框架对白菜表面的病害特征进行多维度的学习和分析，训练后的模型能够快速识别白菜的病害类型及其严重程度，生成科学的诊断结果。本模型不仅显著提升了白菜病害识别的准确率，还通过精准定位病害区域，显著减少农药的使用，降低环境污染风险，提升防治效率。
浙江省数据知识产权登记平台2026-07-06 更新00
阳澄湖大闸蟹箱标蟹扣溯源二维码生成数据
本数据的应用场景是阳澄湖大闸蟹地理标志产品的市场流通防伪、渠道管控与消费者溯源验证。对于消费者和经销商而言，本数据通过“图标+颜色+角度+码段”四维随机组合算法及内嵌混淆码，赋予了每一箱标、每一枚蟹扣不可复制的物理身份，消费者和经销商通过扫描溯源二维码即可便捷验证整箱、单个产品的真伪，极大避免了因购买假冒产品导致的经济损失与食品安全风险，切实保障了公众权益；对于市场监管单位与品牌保护方而言，本数据能支持对阳澄湖大闸蟹产品进行全生命周期的精准追踪，并能为市场监管部门提供强有力的技术取证依据，有效遏制假冒伪劣产业链，维护“阳澄湖大闸蟹”的品牌公信力与市场形象；此外，本数据还可用于供应链数字化管理中，实现对阳澄湖大闸蟹产品仓储流转的精准追踪，防止运输过程中的“调包”或“窜货”行为，确保阳澄湖大闸蟹在流通中的全流程保真，为建立规范有序的特色农产品交易秩序提供了可落地的数据支撑。
浙江省数据知识产权登记平台2026-05-09 更新90
现代农业智慧葡萄园测土配方模型数据
本分析数据的应用场景是现代农业葡萄园智能化监控管理解决方案。通过采集葡萄园的土壤样本数据，经过先进土壤数据分析模型、算法的处理，为葡萄园提供精准的土壤改良和施肥建议。本分析数据能够为葡萄果农提供定制化的施肥方案，优化土壤结构，提高葡萄的产量和品质；还能够监测土壤健康状况，预警潜在的土壤退化问题，确保葡萄园的可持续发展。1、数据采集：数据来源于葡萄园土壤样本，包括土壤的温度、湿度、电导率等物理性质，以及pH值、氮、磷、钾等主要养分含量，并通过数据预处理步骤确保土壤分析的准确性。
2、数据处理：运用主成分分析(PCA)和随机森林(RF)算法对采集的土壤数据进行分析，识别影响葡萄生长的关键土壤因素，挖掘土壤数据与葡萄生长的关联性，匹配农学知识库，综合决策输出土壤改良建议、肥料配方推荐以及土壤健康评估等分析结果。
3、数据应用：上述数据处理、分析、输出的土壤改良建议、肥料配方推荐以及土壤健康评估可以应用到现代农业葡萄园智能化监控管理场景，通过对土壤数据进行主成分分析和随机森林学习，实现土壤管理建议的精确输出，为葡萄园管理者提供科学的决策依据。
浙江省数据知识产权登记平台2025-10-10 更新120
高标准农田服务平台打药行为识别AI训练数据
本训练数据主要应用场景集中在农田服务平台智能化监控管理解决方案，通过采集的海量农田打药作业图片，经过严格的预处理、精准标注及多轮模型训练，AI模型能够在复杂农田环境中快速、准确地识别农药喷洒行为，实现对于农田农药使用的精准调控与高效管理。这不仅提升了农田监控管理的智能化水平，还能为农户科学规划用药周期，严格遵守农药使用规范，有效降低农药残留风险，守护农田生态与食品安全。1、数据采集：数据来源于园区摄像头采集的实时图像，并记录每张图像的设备ID、图片ID、文件路径等关键信息。
2、图像预处理：对采集的图像进行去噪、增强对比度、调整分辨率等预处理操作，提高图像质量并突出农药喷洒行为的关键特征；预处理后的图像数据标注目标边界框及类别标签，形成结构化的训练数据集。
3、模型训练：从指定路径读取预处理后的图像数据，加载标注信息，将数据集的划分为训练集、验证集、测试集；采用YOLOv5目标检测框架，基于卷积神经网络（CNN）进行端到端训练；通过数据增强（如随机裁剪、旋转、缩放）和动态学习率调整，优化模型对复杂农田场景的适应性；训练过程中实时监控损失曲线，确保模型收敛稳定。
4、模型评估：使用验证集评估模型性能，计算精确率、召回率、F1分数、训练损失、验证损失等关键指标，全面量化模型对于打药行为的识别效果。
5、结果分析与优化：通过混淆矩阵和AUC值分析模型的优缺点，针对误检和漏检情况调整超参数，进一步提升识别精度和鲁棒性；通过持续迭代和优化训练过程，模型的泛化能力和适应性不断提升，确保在真实场景中的长期稳定性和实用性。
6、数据应用：上述AI训练数据可以应用于高标准农田服务平台智能化监控管理场景下，通过结合公开数据集与园区实时图像数据开展训练，实现在复杂农田环境中快速、准确地识别农药喷洒行为，支持农田管理的智能化升级。
浙江省数据知识产权登记平台2025-10-10 更新200
可视化茶园平台打药行为识别AI训练数据
本训练数据主要应用场景集中在可视化茶园智能化监控管理解决方案，茶园平台打药行为可视化，通过这些数据的训练，AI模型能更精准识别与有效的智能分析茶园平台打药行为，确保茶叶品质与食品安全。这一功能不仅提升了茶园管理的智能化水平，还为茶农提供了科学依据，帮助其严格遵守农药使用规范，减少农药残留风险，从而显著提升茶叶的市场竞争力。1、数据采集和预处理：数据来源于企业自行拍摄收集所需图像，并记录每张图像的设备ID、图片ID、文件路径、标签、数据集类型、先验框、目标数量、目标框等关键信息，为模型训练提供高质量的标注数据。从指定路径读取图像数据，进行预处理，并提取标注信息，为模型训练做好准备。
2、模型训练：使用核心算法模型，基于深度学习的目标检测框架进行端到端训练。通过数据增强和迁移学习，优化模型对农药喷洒行为的识别能力。在训练过程中，动态调整模型参数，减少训练损失，并在每个在每个训练周期（Epoch）结束时记录训练损失和精度。
3、模型评估：使用独立验证集对模型性能进行评估，计算验证损失，检验模型对未见过数据的识别能力，计算F1分数、精确率和召回率，并生成混淆矩阵和AUC值，全面量化模型的识别效果。
4、结果分析与优化：通过分析模型输出的各项指标，识别模型的优缺点，优化算法参数，进一步提高识别精度和鲁棒性。通过持续迭代和优化训练过程，模型的泛化能力和适应性不断提升，确保在真实场景中的长期稳定性和实用性。
浙江省数据知识产权登记平台2025-06-25 更新210