用于智能收获的Deglet Nour棕树束数据集
Ahlem Maghzaoui1, Emna Aridhi1, Sadok Ben Yahia2
1Faculty of Sciences of Tunis, University of Tunis El Manar, Campus Universitaire, 2092 Tunis, Tunisia.
Data in brief
|November 28, 2025
概括
一个新的数据集有助于智能收获枣树. 它具有5530图像用于分支检测和387图像用于切割点,支持精密农业中的计算机视觉.
科学领域:
- 农业工程 农业工程
- 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:
- 精准农业需要先进的计算机视觉来完成自动化任务.
- 由于复杂的束结构和环境因素,Deglet Nour枣的智能收获提出了独特的挑战.
- 现有的数据集可能无法充分捕捉在枣树收获期间遇到的现实世界的变化.
研究的目的:
- 为Deglet Nour棕树智能收获引入一个全面的,注释的数据集.
- 支持计算机视觉算法的开发和评估,用于分支检测和最佳切割点定位.
- 促进精准农业中机器人收获系统的发展.
主要方法:
- 从突尼斯的枣树绿洲收集了5530张用于物体检测的图像和387张带有关键点注释的图像.
- 利用DSLR和智能手机相机捕捉各种现实世界的条件,包括各种各样的照明和遮蔽.
- 使用Roboflow手动注释图像,提供YOLO和COCO格式的数据,以实现广泛的兼容性.
主要成果:
- 一个高质量的,结构化的数据集,专门为Deglet Nour棕收获任务量身定制.
- 该数据集解决了诸如封闭日期束和可变照明等复杂问题,这对于强大的算法训练至关重要.
- 标注允许精确的分支检测和最佳的切割点识别.
结论:
- 这一数据集是计算机视觉和农业机器人研究人员和开发人员的宝贵资源.
- 它将加速智能系统的开发,以实现自动化和高效的枣庄收获.
- 促进向更复杂的精密农业解决方案的进展.
