OnionFoliageSET:标记数据集用于检测小洋和叶子花的作物

科学领域:

• 农业科学 农业科学
• 计算机视觉 计算机视觉
• 数据科学数据科学数据科学

背景情况:

• 数字图像数据集对于推进精准农业 (PA) 的发展至关重要.
• 目前的PA研究往往侧重于杂草检测,水果/树木计数和疾病识别.
• 从航空图像中准确检测作物对于库存,产量估计和支持农民至关重要.

研究的目的:

• 为公众提供新型数字图像数据集,用于精准农业中的作物检测.
• 用空中图像来促进绿洋和叶子花作物的识别.
• 支持用于农业应用的机器学习模型的开发.

主要方法:

• 收集了来自哥伦比亚梅德林市的245张航空图像. 哥伦比亚.
• 使用多边形方法对图像进行注释,以准确标记.
• 实例的分类为绿洋 (Allium fistulosum),叶子花 (Solidago Canadensis,Aster divaricatus) 和非作物区.
• 数据划分为培训,验证和测试子集.
• 准备COCO格式的标签,以实现机器学习兼容性.

主要成果:

• 一个包含 245 个图像和 4315 个标记实例的数据集.
• 具体类别包括绿洋,叶子花和非作物区.
• 数据集的结构是为了训练对象检测和细分的机器学习模型.
• 标签以广泛使用的COCO格式提供.

结论:

• 该数据集的发布解决了在PA研究中需要专门的图像数据的需求.
• 这个资源将使作物自动检测和分类的进步成为可能.
• 它支持开发更好的农业管理和农民援助工具.