© 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
金华浙农信息技术有限公司
企业金华浙农信息技术有限公司成立于2021年，位于浙江省。所属行业为软件和信息技术服务业。经营范围包括信息技术咨询服务；技术服务、技术开发、技术咨询、技术交流、技术转让、技术推广；软件销售；软件开发。
小微企业高新技术企业科技型中小企业软件和信息技术服务业
数据集列表
大豆模型训练样本数据
大豆数据集主要用于提升低空飞行数据的不同的作物类型及识别准确率。通过对这些数据集的训练，可以实现以无人机影像为数据源的不同作物亚类的识别及统计。本数据集包含具体的地理坐标信息，在有多期数据的情况下，可根据地理坐标信息复用并更新样本类型，实现数据集的快速新增与类型丰富。
杭州数据交易所2026-04-20 更新10
番薯模型训练样本数据
番薯数据集主要用于提升低空飞行数据的不同的作物类型及识别准确率。通过对这些数据集的训练，可以实现以无人机影像为数据源的不同作物亚类的识别及统计。本数据集包含具体的地理坐标信息，在有多期数据的情况下，可根据地理坐标信息复用并更新样本类型，实现数据集的快速新增与类型丰富。
杭州数据交易所2026-04-20 更新10
红花继木地栽苗模型训练样本数据
构建高质量的红花继木地栽苗模型训练样本数据集，可用于训练并提升红花继木地栽苗人工智能图像识别模型的识别能力及其准确度。样本来源主要通过无人机低空航拍获取厘米级精度的广域多期影像，覆盖丘陵、平原等多种地形区域，保障了样本地理来源与场景的多样性。在样本处理环节，利用SAM大模型实现半自动化标注，并严格结合人工复核方式进行精细化校正，确保标注样本的高质量与可靠性。这些经过严格质控的标注样本，是用于训练各类AI识别模型（基于TransCNN-Vision模型）的基础，可以满足对于精准提取红花继木地栽苗边界轮廓的需求。
杭州数据交易所2026-04-20 更新00
甘蔗模型训练样本数据
甘蔗数据集主要用于提升低空飞行数据的不同的作物类型及识别准确率。通过对这些数据集的训练，可以实现以无人机影像为数据源的不同作物亚类的识别及统计。本数据集包含具体的地理坐标信息，在有多期数据的情况下，可根据地理坐标信息复用并更新样本类型，实现数据集的快速新增与类型丰富。
杭州数据交易所2026-04-17 更新00
亮晶女贞绿化苗模型训练样本数据
构建高质量的亮晶女贞绿化苗模型训练样本数据集，可用于训练并提升亮晶女贞绿化苗人工智能图像识别模型的识别能力及其准确度。样本来源主要通过无人机低空航拍获取厘米级精度的广域多期影像，覆盖丘陵、平原等多种地形区域，保障了样本地理来源与场景的多样性。在样本处理环节，利用SAM大模型实现半自动化标注，并严格结合人工复核方式进行精细化校正，确保标注样本的高质量与可靠性。这些经过严格质控的标注样本，是用于训练各类AI识别模型（基于TransCNN-Vision模型）的基础，可以满足对于精准提取亮晶女贞绿化苗边界轮廓的需求。
杭州数据交易所2026-04-16 更新00
佛手模型训练样本数据
佛手数据集主要用于提升低空飞行数据的不同的作物类型及识别准确率。通过对这些数据集的训练，可以实现以无人机影像为数据源的不同作物亚类的识别及统计。本数据集包含具体的地理坐标信息，在有多期数据的情况下，可根据地理坐标信息复用并更新样本类型，实现数据集的快速新增与类型丰富。
杭州数据交易所2026-04-20 更新00
黑色地膜模型训练样本数据
构建高质量的黑色地膜模型训练样本数据集，可用于训练并提升黑色地膜人工智能图像识别模型的识别能力及其准确度。样本来源主要通过无人机低空航拍获取厘米级精度的广域多期影像，覆盖丘陵、平原等多种地形区域，保障了样本地理来源与场景的多样性。在样本处理环节，利用SAM大模型实现半自动化标注，并严格结合人工复核方式进行精细化校正，确保标注样本的高质量与可靠性。这些经过严格质控的标注样本，是用于训练各类AI识别模型（基于TransCNN-Vision模型）的基础，可以满足对于精准提取黑色地膜边界轮廓的需求。
杭州数据交易所2026-04-20 更新00
花椰菜模型训练样本数据
花椰菜数据集主要用于提升低空飞行数据的不同的作物类型及识别准确率。通过对这些数据集的训练，可以实现以无人机影像为数据源的不同作物亚类的识别及统计。本数据集包含具体的地理坐标信息，在有多期数据的情况下，可根据地理坐标信息复用并更新样本类型，实现数据集的快速新增与类型丰富。
杭州数据交易所2026-04-17 更新30
莲藕模型训练样本数据
构建高质量的莲藕模型训练样本数据集，可用于训练并提升莲藕人工智能图像识别模型的识别能力及其准确度。样本来源主要通过无人机低空航拍获取厘米级精度的广域多期影像，覆盖丘陵、平原等多种地形区域，保障了样本地理来源与场景的多样性。在样本处理环节，利用SAM大模型实现半自动化标注，并严格结合人工复核方式进行精细化校正，确保标注样本的高质量与可靠性。这些经过严格质控的标注样本，是用于训练各类AI识别模型（基于TransCNN-Vision模型）的基础，可以满足对于精准提取莲藕边界轮廓的需求。
杭州数据交易所2026-04-16 更新00
红花继木绿化苗模型训练样本数据
构建高质量的红花继木绿化苗模型训练样本数据集，可用于训练并提升红花继木绿化苗人工智能图像识别模型的识别能力及其准确度。样本来源主要通过无人机低空航拍获取厘米级精度的广域多期影像，覆盖丘陵、平原等多种地形区域，保障了样本地理来源与场景的多样性。在样本处理环节，利用SAM大模型实现半自动化标注，并严格结合人工复核方式进行精细化校正，确保标注样本的高质量与可靠性。这些经过严格质控的标注样本，是用于训练各类AI识别模型（基于TransCNN-Vision模型）的基础，可以满足对于精准提取红花继木绿化苗边界轮廓的需求。
杭州数据交易所2026-04-16 更新00