学术中心
近年来，计算机视觉技术引起了人们对精准农业的极大兴趣。作为机器人技术和人工智能的核心，计算机视觉使我们能够在作物生产周期实现自动、高效地执行各种任务。然而，公共图像数据集的缺乏仍然是计算机视觉和机器学习算法快速原型化和评估的关键瓶颈。
田间机器人进行图像采集(左)，采集样本(中)和注释(右)的图像
带有真实水果注解的图像示例(从左到右的苹果，芒果和杏)
为了缓解该瓶颈，自2015年以来已经建立了一批图像数据集，并将其公开。尽管取得了如此进展，但目前仍缺乏对这些数据集的专门调查。为了填补这一空白，本文首次对在田间条件下收集的促进精准农业公共图像数据集进行了全面、详尽的回顾，其中包括15个杂草控制数据集、10个水果检测数据集和9个其他应用数据集。本文调查了这些数据集的主要特点和应用，并讨论了创建高质量公共图像数据集的关键考虑因素。综上所述，本文对在选择合适图像数据集进行算法开发和识别需要创建新的图像数据集以支持精准农业方面具有重要价值。
从玉米病害数据集中随机选择的图像示例(Wiesner-Hanks等，2018)，其中红线表示基于提供的线注释的病害病变位置
来源：
Lu Y, Young S. A survey of public datasets for computer vision tasks in precision agriculture. Computers and Electronics in Agriculture. https://doi.org/10.1016/j.compag.2020.105760.
扫二维码用手机看
推荐新闻
发布时间 : 2022-11-13 07:26:55
发布时间 : 2022-05-20 11:45:57
发布时间 : 2022-05-13 10:56:43
视频展示
专题报道
联系我们
慧诺瑞德（北京）科技有限公司
地址：北京市海淀区西三旗街道建材城中路12号院8号楼2门
电话：010-62925490、82928854、82928864、82928874
传真：010-62925490-802
Email: info@phenotrait.com
邮编：100096
在线留言
关注我们
植物表型圈
植物表型资讯
慧诺瑞德（北京）科技有限公司版权所有 京ICP备15043840号 网站建设：中企动力 北二分 法律声明