PC4C_CAPSI:图像数据保护园艺中的豆植物生长
Namal Jayasuriya1, Oula Ghannoum1,2, Wen Hu3
1Hawkesbury Institute for the Environment, Hawkesbury Campus, Western Sydney University, Richmond, NSW 2753, Australia.
Data in brief
|August 5, 2024
概括
这项研究引入了一套新的RGBD数据集,用于水培菜植物,解决了保护园艺中计算机视觉数据的缺乏问题. 该资源有助于开发自动化作物监测系统,以增加粮食生产和减少对环境的影响.
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:
- 保护园艺和精确的作物监测对于全球粮食安全和减少农业碳足迹至关重要.
- 目前商业设施中的手动作物监测是劳动密集型和低效的.
- 专用数据集的稀缺性阻碍了计算机视觉在复杂的室内生长环境中进行自动监控的应用.
研究的目的:
- 解决商业保护园艺中计算机视觉应用的数据缺口.
- 为了提供一个全面的RGBD数据集的水培养种植的红植物.
- 促进自动化作物监测和分析方面的研究.
主要方法:
- 在一个商业温室中,在生长季节的80%以上,收集了花植物的新RGBD数据集.
- 利用带有顶角立体相机的移动平台,在不同的光线条件下捕获每周的数据.
- 包括摄像头设置和照明条件的元数据,用手动测量植物高度作为地面真相.
主要成果:
- 数据集包括RGBD流,涵盖垂直支的,用水培养种植的豆植物.
- 数据捕获的重点是植物的前三分之一,包括它们的全部结构.
- 数据集的实用性通过先前对基于机器学习的植物高度估计的研究来验证.
结论:
- 开发的RGBD数据集满足了计算机视觉研究在受保护农业中的关键需求.
- 该资源将推进用于植物高度估计,器官识别,细分和3D重建的自动化系统.
- 该数据集支持开发更有效和可持续的作物管理实践.
