Cocoa Diseases (YOLOv4): Monilia & Phytophthora (Diseases in Cocoa Pods) is a dataset for an object detection task. It is used in the agricultural industry, and in the agricultural research.

The dataset consists of 312 images with 1591 labeled objects belonging to 3 different classes including healthy, phytophthora, and monilia.

Images in the Cocoa Diseases dataset have bounding box annotations. All images are labeled (i.e. with annotations). There is 1 split in the dataset: all (312 images). The dataset was released in 2020 by the Autonomous University of Bucaramanga, Colombia.

Cocoa Diseases (YOLOv4): Monilia & Phytophthora (Diseases in Cocoa Pods) is under ODbL v1.0 license.

Source

If you make use of the Cocoa Diseases data, please cite the following reference:

@misc{20.500.12749_13367,
      author = {Serrano Arenas Juan Sebastián and Torres Villamizar Camilo Andrés},
      title = {Prototipo de aplicación móvil para la identificación de mazorcas de cacao enfermas haciendo uso de visión por computadora y aprendizaje de máquina},
      year = {2020},
      abstract = {Según fuentes de Fedecacao, para el 2018 se determinó que la producción total de cacao Theobroma cacao L en Colombia superó las 56 mil toneladas, la segunda más alta en toda la historia puesto que hubo una reducción de la producción del 6% en comparación al 2017, al pasar de 60 mil a 56 mil toneladas (Fedecacao, 2018). La reducción se dio debido a los flujos de floración, al incremento de la enfermedad llamada Monilia y a las inundaciones causadas por las precipitaciones de comienzos de año. Teniendo en cuenta que la inspección semanal es un procedimiento confiable para evaluar el grado de infección en los cultivos, el presente proyecto desarrolla un prototipo de aplicación móvil que permita identificar mediante técnicas de inteligencia artificial y análisis de imágenes las mazorcas de cacao enfermas. Mediante el levantamiento de datos esta investigación realiza la consolidación de un conjunto de datos que contiene las enfermedades más preocupantes como son la Fitóftora y la Monilia. Para mejorar el procedimiento de inspección se entrena una máquina de aprendizaje con YOLOv4 obteniendo un 60% de precisión en la detección de mazorcas de cacao. Los resultados prometen una herramienta móvil útil a los agricultores e investigadores agrícolas para la toma de decisiones, permitiendo evaluar y realizar con precisión el proceso de inspección de las mazorcas sin la necesidad de un experto capacitado en el manejo fitosanitario en los cultivos de cacao.},
      url = {http://hdl.handle.net/20.500.12749/13367}
      }

Source

Dataset Cocoa Diseases can be downloaded in Supervisely format:

As an alternative, it can be downloaded with dataset-tools package:

pip install --upgrade dataset-tools

… using following python code:

import dataset_tools as dtools

dtools.download(dataset='Cocoa Diseases', dst_dir='~/dataset-ninja/')

Make sure not to overlook the python code example available on the Supervisely Developer Portal. It will give you a clear idea of how to effortlessly work with the downloaded dataset.

The data in original format can be downloaded here.