グローバル小麦フルセマンティックオルガンセグメンテーション（GWFSS）データセット

科学分野:

• 農業科学; コンピュータービジョン; 植物フェノタイピング

背景:

• コンピュータービジョンとAIは、農業における植物形質の定量化に不可欠です。 現在のAIモデルは、複雑なコムギのキャノピーのセグメンテーションに苦労しています。 正確なセグメンテーションは、作物のが健康状態と発達を監視するために重要です。

研究 の 目的:

• コムギ器官（葉、茎、穂）のセマンティックセグメンテーションのための改良されたAIモデルを開発すること。 これらのモデルのトレーニングと評価のための包括的なデータセット（Global Wheat Full Semantic Segmentation - GWFSS）を作成すること。 コムギと雑草を区別し、老化または病気の組織を特定する能力を向上させること。

主な方法:

• 1096個のピクセルレベルアノテーション付き画像と52,078個の未アノテーション画像からなる多様なグローバルデータセット（GWFSS）を収集しました。 アノテーション付きデータセットを使用して、DeepLabV3PlusおよびSegformerを含むセグメンテーションモデルをトレーニングしました。 異なる植物器官に対する平均Intersection over Union（mIOU）に基づいてモデルのパフォーマンスを評価しました。

主要な成果:

• Segformerモデルは、コムギの葉と穂に対して高いmIOU（約90%）を達成しました。 茎のセグメンテーション精度は低かった（54%）。 モデルは雑草をうまく除外し、壊死/老化組織および作物残渣を特定しました。

結論:

• GWFSSデータセットとトレーニングされたAIモデルは、コムギのキャノピーにおけるセマンティックセグメンテーションを大幅に進歩させます。 セグメンテーションの改善は、老化と病気の正確な定量化を容易にし、重要な農業ニーズに対応します。 開発されたモデルは、既存の方法と比較して、雑草の除外と組織の分化において優れたパフォーマンスを提供します。