CVRP: Un conjunto de datos de imágenes de arroz con anotaciones de alta calidad para la investigación en segmentación...

Área de la Ciencia:

• Ciencia Agrícola
• Visión por Computadora
• Biología Vegetal

Sus antecedentes:

• Los modelos de aprendizaje automático son cruciales para la agricultura de precisión y la mejora genética de plantas, pero su desarrollo está limitado por la falta de conjuntos de datos de imágenes anotados y de alta calidad.
• Los conjuntos de datos existentes a menudo carecen de la diversidad y el detalle necesarios para el análisis avanzado de cultivos.

Objetivo del estudio:

• Presentar el conjunto de datos integral de imágenes de plantas de arroz multicultivar y multivista (CVRP).
• Proporcionar un recurso valioso para el desarrollo y la evaluación de modelos de aprendizaje automático en la investigación del arroz.
• Facilitar avances en la fenómica, mejora genética y agricultura de precisión del arroz.

Principales métodos:

• Se recopilaron imágenes de 231 razas de arroz y 50 cultivares modernos en condiciones de siembra densa en campos de arrozales.
• Se capturaron imágenes tanto del entorno natural como imágenes enfocadas en interiores de panículas de arroz.
• Se empleó un proceso de anotación semiautomático utilizando aprendizaje profundo, seguido de curación manual.

Principales resultados:

• El conjunto de datos CVRP contiene imágenes diversas y de alta calidad con anotaciones detalladas.
• Se evaluó el rendimiento de cuatro modelos de segmentación semántica de última generación utilizando CVRP.
• Se demostró con éxito la reconstrucción 3D de plantas con segmentación de órganos utilizando el conjunto de datos.

Conclusiones:

• El conjunto de datos CVRP mejora significativamente las capacidades para la identificación y segmentación de panículas basada en imágenes.
• Sirve como un recurso valioso para la identificación automatizada de cultivares de arroz, el conteo de panículas/granos y la reconstrucción 3D de plantas.
• El conjunto de datos y el modelo de anotación están disponibles públicamente para fomentar una mayor investigación.