无人机图像数据集用于玉米和番茄作物的早期季节杂草分类
Gustavo A Mesías-Ruiz1, José M Peña1, Ana I de Castro2
1Institute of Agricultural Sciences, Spanish National Research Council (ICA-CSIC), Serrano 115b, 28006 Madrid, Spain.
Data in brief
|January 13, 2025
概括
这项研究引入了一套新的无人机图像数据集,用于在玉米和番茄作物中早期识别杂草物种. 这种资源有助于精准农业,使得有针对性的杂草控制和减少农药的使用.
科学领域:
- 农业科学 农业科学
- 计算机视觉 计算机视觉
- 遥感 遥感 遥感 遥感
背景情况:
- 早期识别杂草对于有效的精准农业战略至关重要.
- 有针对性的杂草控制可以尽量减少农药的使用,促进可持续农业.
- 现有的数据集可能缺乏生长阶段和杂草物种的多样性,以进行强大的模型培训.
研究的目的:
- 为早期杂草物种分类提供全面的高分辨率RGB图像数据集.
- 支持深度学习模型的开发,用于在玉米和番茄种植中检测杂草.
- 推进基于无人机的技术,以实现可持续和利的农业实践.
主要方法:
- 采集RGB图像使用安装在无人机上的索尼ILCE-6300L摄像机在11米高度.
- 在西班牙各个农田拍摄图像,重点关注玉米和番茄作物.
- 在两个不同的现象阶段获得的图像:早期生长 (BBCH14/BBCH501) 和晚期生长 (BBCH17/BBCH509).
- 标记了31,002个早期阶段和36,556个先进阶段的图像在orthomosaic分区,识别了特定的植物物种.
主要成果:
- 该数据集包括67,558张标记图像,其中包括玉米 (例如, *Atriplex patula*, *Sorghum halepense*) 和西红 (例如, *Cyperus rotundus*, *Solanum nigrum*) 中的特定杂草物种.
- 图像涵盖了不同的成长阶段,为培训和验证深度学习模型提供了有价值的数据.
- 该数据集有助于开发准确的早期季节杂草分类模型.
结论:
- 这一数据集是开发深度学习模型 (CNN,ViT) 用于无人机检测杂草的宝贵资源.
- 它可以更有效,更准确地绘制杂草地图,为精准农业做出贡献.
- 该数据集的可用性支持开发可持续和利的农业解决方案.
