应用于农业场景视觉解析任务的番茄数据集

农业机器人是农业现代化发展中的一项重要组成部分,计算机视觉技术通过对作物和环境的感知与解析,有效促进其在农业领域的落地与应用.但由于农业场景的复杂性、多样性,当前先进计算机视觉方法所需要的详细且注释的大规模图像数据集在农业领域十分稀缺,这也是阻碍计算机视觉技术在农业领域发展的一个主要瓶颈.针对这一痛点,该文提供了一个可用于图像语义分割、图像实例分割、目标检测任务的大规模番茄图像数据集.该数据集由两部分组成,分别为合成部分和经验部分.其中合成部分使用Wagenin?gen大学等人提出的数据合成方法,生成3250张合成番茄图像以及对应的像素级别语义分割标签图;经验部分由RGB相机拍摄的750张单目图像和400张双目图像构成,并人工对它们部分进行了包括实例分割、目标检测等在内的精细标注.研究旨在从多个角度丰富该数据集,包括数据集的大小、标注信息的多维度、场景的复杂性等方面,为今后利用计算机视觉技术解决农业领域问题提供数据基础.