多格式开源杂草图像数据集,用于准确农业中的实时杂草识别
Nitin Rai1, Maria Villamil Mahecha1, Annika Christensen1
1Department of Agricultural and Biosystems Engineering, North Dakota State University, Fargo, ND 58102, USA.
Data in brief
|November 3, 2023
概括
一个新的开源农业杂草数据集,从手持摄像头和无人机系统 (UAS) 捕获,支持精密除草机器人的先进计算机视觉. 这个资源有助于开发实时杂草识别,用于可持续的除草剂点喷.
科学领域:
- 农业科学 农业科学
- 计算机视觉 计算机视觉
- 机器人技术 机器人技术 机器人技术
背景情况:
- 杂草管理对作物产量至关重要,通常依赖机器人系统进行有针对性的除草剂应用.
- 有效的机器人杂草控制需要复杂的计算机视觉算法来准确地在现场识别.
- 现有的公共杂草数据集有限,主要是从地面角度收集的.
研究的目的:
- 引入一个新的,全面的农业杂草数据集.
- 支持用于地面和空中除草机器人的先进计算机视觉算法的开发.
- 促进精准农业和可持续杂草管理实践的进步.
主要方法:
- 收集了3,975张图像的数据集,其中包括五种常见的北达科他州杂草物种.
- 使用手持摄像头和无人机系统 (UAS) 获取图像.
- 多种格式的注释图像和应用增强技术来模拟现实世界的条件.
主要成果:
- 开发了一个独特的数据集,从地面和空中视角捕捉杂草图像.
- 数据集包括五种主要的杂草物种:kochia,常见的杂草,马草,红根杂草和水麻.
- 图像是精心注释和增强强大的计算机视觉模型训练.
结论:
- 开源数据集对于推进计算机视觉在精密除草技术方面至关重要.
- 能够实时在田间识别杂草,用于有针对性的除草剂喷.
- 通过改进机器人杂草控制,为更高效和可持续的农业实践做出贡献.
