一个在现场获得的RGB-深度图像数据集,用于基于计算机视觉的婴儿西兰花检测和大小估计在不同的照明条件下
Rizan Mohamed1, Gayan Kahandawa Appuhamillage1, Joarder Kamruzzaman1
1Institute of Innovation Science and Sustainability, Federation University Australia, Northways Road, Churchill, VIC 3842, Australia.
Data in brief
|March 11, 2026
概括
为农业计算机视觉创建了一个新的RGB-Depth图像数据集. 这一数据集支持在不同光线条件下进行机器人收获和作物分析的研究.
科学领域:
- 农业计算机视觉 农业计算机视觉
- 机器人技术 机器人技术 机器人技术
- 数据科学数据科学数据科学
背景情况:
- 农业自动化需要强大的视觉系统来完成作物检测和收获等任务.
- 现有的数据集可能无法充分反映各种现场条件,包括不同的照明.
研究的目的:
- 为农业计算机视觉研究引入一个精选的RGB-深度图像数据集.
- 促进开发用于机器人收获和作物监测的算法.
- 为农业中的光照强大的计算机视觉系统提供一个基准.
主要方法:
- 在自主平台上使用英特尔RealSense D435摄像头捕获RGB-深度图像.
- 在白天和夜晚条件下在商业婴儿西兰花农场收集数据.
- 从原始获取中使用Python管道进行了1759个图像对的策划,并进行了质量过和重复删除.
主要成果:
- 一个数据集,包含924个白天和835个夜间RGB-深度图像对的婴儿西兰花植物.
- 包括相机内在参数和像素对齐的深度图用于3D重建.
- 数据和策划代码在CC BY 4.0许可证下公开提供.
结论:
- 该数据集支持深度学习的研究,用于作物检测,细分和尺寸估计.
- 能够对视觉系统进行基准测试,以在不同的照明中获得可靠的性能.
- 促进了自主农业系统和机器人收获的进步.


