一个多阶段数据集用于香束检测和收获决策支持

科学领域:

• 农业科学 农业科学
• 计算机视觉 计算机视觉
• 人工智能的人工智能

背景情况:

• 香种植需要精确的收获决定,通常是基于视觉评估.
• 开发自动化系统来检测香束和收获分类对于优化农业效率至关重要.

研究的目的:

• 引入一个全面的,多部分数据集,用于培训和评估香束检测和收获的AI模型.
• 促进计算机视觉算法的开发,用于香种植的自动化农业任务.
• 为了使专家对香收获决策的共识分析.

主要方法:

• 收集了来自葡萄牙马德拉岛四个不同领域的图像.
• 创建了三个不同的数据集:检测 (YOLO格式),收获分类 (Cut/Keep) 和专家意见 (Cut now/Keep for next cut/Wait).
• 标注了2179张图像用于花束和花检测,2685张图像用于收获分类,400张图像用于专家决策.

主要成果:

• 数据集包括注释图像,适合用于训练人工智能模型进行香束检测.
• 它包括专家标记的数据来分类收获准备,使模型比较成为可能.
• 专家意见数据集允许分析人类在收获决策中的共识.

结论:

• 引入的数据集是促进农业人工智能的宝贵资源,特别是对于香收获.
• 它支持创建和验证用于自动化作物管理的计算机视觉模型.
• 该数据集有助于研究农业环境中的专家决策流程.