CVRP: 一个带有高质量的注释的水图像数据集,用于图像细分和植物现象学研究
Zhiyan Tang1, Jiandong Sun1, Yunlu Tian1
1State Key Laboratory for Crop Genetics and Germplasm Enhancement and Utilization, Jiangsu Nanjing National Field Scientific Observation and Research Station for Rice Germplasm, Key Laboratory of Biology, Genetics and Breeding of Japonica Rice in Mid-lower Yangtze River, Ministry of Agriculture and Rural Affairs, Academy for Advanced Interdisciplinary Studies, College of Artificial Intelligence, Nanjing Agricultural University, Nanjing, 210095, China.
一个新的大米植物图像数据集 (CVRP) 通过为机器学习模型提供高质量的注释图像来帮助精准农业. 该资源支持诸如品种识别和3D植物重建等任务.
科学领域:
- 农业科学 农业科学
- 计算机视觉 计算机视觉
- 植物生物学 植物生物学
背景情况:
- 机器学习模型对于精准农业和植物育种至关重要,但它们的发展受到缺乏高质量的注释图像数据集的限制.
- 现有的数据集往往缺乏先进作物分析所需的多样性和细节.
研究的目的:
- 引入综合多种植和多视图大米植物图像数据集 (CVRP).
- 为开发和评估大米研究中的机器学习模型提供一个有价值的资源.
- 促进大米现象学,育种和精准农业的进步.
主要方法:
- 收集了231种大米国产品种和50种现代品种的图像,这些品种在田的密集种植条件下种植.
- 捕捉了自然环境和聚焦的室内图像的米饭.
- 采用使用深度学习的半自动注释过程,其次是手动策划.
主要成果:
- 该CVRP数据集包含多样化,高质量的图像与详细的注释.
- 使用CVRP评估了四种最先进的语义细分模型的性能.
- 通过使用数据集,成功展示了与器官细分的3D植物重建.
结论:
- 该CVRP数据集显著提高了基于图像的板块识别和细分能力.
- 它可以作为一种有价值的资源,用于自动化品种识别,恐慌/谷物计数和3D植物重建.
- 数据集和注释模型是公开可用的,以促进进一步的研究.
更多相关视频
11:37RGB and Spectral Root Imaging for Plant Phenotyping and Physiological Research: Experimental Setup and Imaging Protocols
Published on: August 8, 2017
11:38Volume Segmentation and Analysis of Biological Materials Using SuRVoS Super-region Volume Segmentation Workbench
Published on: August 23, 2017
相关概念视频
Light Acquisition
Plant Breeding and Biotechnology
