論文の概要: GrowliFlower: An image time series dataset for GROWth analysis of
cauLIFLOWER
- arxiv url: http://arxiv.org/abs/2204.00294v1
- Date: Fri, 1 Apr 2022 08:56:59 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-04 21:25:26.751061
- Title: GrowliFlower: An image time series dataset for GROWth analysis of
cauLIFLOWER
- Title（参考訳）: GrowliFlower: cauLIFLOWerのグロース解析のための画像時系列データセット
- Authors: Jana Kierdorf, Laura Verena Junker-Frohn, Mike Delaney, Mariele Donoso
Olave, Andreas Burkart, Hannah Jaenicke, Onno Muller, Uwe Rascher and Ribana
Roscher
- Abstract要約: この記事では、2020年と2021年に取得した0.39と0.60haの2つの監視されたカリフラワーフィールドのイメージベースUAV時系列データセットであるGrowliFlowerについて述べる。
このデータセットは、約14,000個の植物座標が導出され提供されるRGBおよび多スペクトル正光を含む。
このデータセットは、発生段階、植物、カリフラワーサイズを含む740種の植物の表現型形質を収集する。
- 参考スコア（独自算出の注目度）: 2.8247971782279615
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This article presents GrowliFlower, a georeferenced, image-based UAV time
series dataset of two monitored cauliflower fields of size 0.39 and 0.60 ha
acquired in 2020 and 2021. The dataset contains RGB and multispectral
orthophotos from which about 14,000 individual plant coordinates are derived
and provided. The coordinates enable the dataset users the extraction of
complete and incomplete time series of image patches showing individual plants.
The dataset contains collected phenotypic traits of 740 plants, including the
developmental stage as well as plant and cauliflower size. As the harvestable
product is completely covered by leaves, plant IDs and coordinates are provided
to extract image pairs of plants pre and post defoliation, to facilitate
estimations of cauliflower head size. Moreover, the dataset contains
pixel-accurate leaf and plant instance segmentations, as well as stem
annotations to address tasks like classification, detection, segmentation,
instance segmentation, and similar computer vision tasks. The dataset aims to
foster the development and evaluation of machine learning approaches. It
specifically focuses on the analysis of growth and development of cauliflower
and the derivation of phenotypic traits to foster the development of automation
in agriculture. Two baseline results of instance segmentation at plant and leaf
level based on the labeled instance segmentation data are presented. The entire
data set is publicly available.
- Abstract（参考訳）: この記事では、2020年と2021年に取得した2つの監視されたカリフラワーフィールドである0.39と0.60haのジオレファレンス画像に基づくUAV時系列データセットであるGrowliFlowerについて述べる。
このデータセットは、約14,000個の植物座標を導出し提供したrgbおよびマルチスペクトルオルソフォトを含んでいる。
この座標により、データセット利用者は、個々の植物を示す画像パッチの完全かつ不完全な時系列を抽出できる。
このデータセットは、発生段階、植物、カリフラワーサイズを含む740種の植物の表現型形質を収集する。
収穫物が葉で完全に覆われているため、植物IDと座標が提供され、植物の画像対を前葉と後葉に抽出し、カリフラワー頭部の大きさの推定を容易にする。
さらにデータセットには、ピクセル精度の高いリーフとプラントインスタンスのセグメンテーションに加えて、分類、検出、セグメンテーション、インスタンスのセグメンテーション、同様のコンピュータビジョンタスクといったタスクに対処するステムアノテーションが含まれている。
データセットは、機械学習アプローチの開発と評価を促進することを目的としている。
具体的には、カリフラワーの成長と発達の分析と、農業における自動化の発展を促進する表現型形質の導出に焦点を当てている。
ラベル付きインスタンスセグメンテーションデータに基づく植物および葉レベルでのインスタンスセグメンテーションの2つのベースライン結果を示す。
データセット全体が公開されている。
関連論文リスト
- Lincoln's Annotated Spatio-Temporal Strawberry Dataset (LAST-Straw) [7.13465721388535]
そこで本研究では,イチゴの3次元点群を2種類に分類し,84個の点群を集計した。
我々は、データセット上で表現型パイプラインを示すために、このようなツール(生物学的に関連のある表現型の抽出)のエンドユースに焦点を当てる。
これは、セグメンテーション、骨格化、追跡を含むステップで構成され、各ステージがどのように異なる表現型の抽出やデータインサイトの提供を促進するかを詳述する。
論文 参考訳（メタデータ） (2024-03-01T14:44:05Z) - Zoom in on the Plant: Fine-grained Analysis of Leaf, Stem and Vein
Instances [3.399289369740637]
本研究では,葉,茎,静脈などの微細な表現型情報を抽出するモデルを開発した。
基盤となるデータセットRumexLeavesは公開されており、この種の最初のものである。
キーポイント誘導ポリラインの概念に従う適応された計量POKSを導入する。
論文 参考訳（メタデータ） (2023-12-14T10:45:54Z) - HarvestNet: A Dataset for Detecting Smallholder Farming Activity Using
Harvest Piles and Remote Sensing [50.4506590177605]
HarvestNetは、2020-2023年のエチオピアのティグレイとアムハラの農場の存在をマッピングするためのデータセットである。
本研究は,多くの小作システムの特徴ある収穫杭の検出に基づく新しい手法を提案する。
本研究は, 農作物のリモートセンシングが, 食品の安全地帯において, よりタイムリーかつ正確な農地評価に寄与することが示唆された。
論文 参考訳（メタデータ） (2023-08-23T11:03:28Z) - Improving Data Efficiency for Plant Cover Prediction with Label
Interpolation and Monte-Carlo Cropping [7.993547048820065]
植物群落の組成は環境変化の重要な指標であり、通常生態学的研究で分析される。
本稿では,収集した植生計画時系列のスパースラベルを中間密度・未ラベル画像に補間する手法を提案する。
また,高解像度画像の処理を効率的に行うため,モンテカルロ・クロッピングと呼ばれる新しい手法を導入する。
論文 参考訳（メタデータ） (2023-07-17T15:17:39Z) - Agave crop segmentation and maturity classification with deep learning
data-centric strategies using very high-resolution satellite imagery [101.18253437732933]
超高解像度衛星画像を用いたAgave tequilana Weber azul crop segmentation and mature classificationを提案する。
実世界の深層学習問題を,作物の選別という非常に具体的な文脈で解決する。
結果として得られた正確なモデルにより、大規模地域で生産予測を行うことができる。
論文 参考訳（メタデータ） (2023-03-21T03:15:29Z) - Semantic Image Segmentation with Deep Learning for Vine Leaf Phenotyping [59.0626764544669]
本研究では,ブドウの葉のイメージを意味的にセグメント化するためにDeep Learning法を用いて,葉の表現型自動検出システムを開発した。
私たちの研究は、成長や開発のような動的な特性を捉え定量化できる植物ライフサイクルのモニタリングに寄与します。
論文 参考訳（メタデータ） (2022-10-24T14:37:09Z) - End-to-end deep learning for directly estimating grape yield from
ground-based imagery [53.086864957064876]
本研究は, ブドウ畑の収量推定に深層学習と併用した近位画像の応用を実証する。
オブジェクト検出、CNN回帰、トランスフォーマーモデルという3つのモデルアーキテクチャがテストされた。
本研究は,ブドウの収量予測における近位画像と深層学習の適用性を示した。
論文 参考訳（メタデータ） (2022-08-04T01:34:46Z) - Agricultural Plant Cataloging and Establishment of a Data Framework from
UAV-based Crop Images by Computer Vision [4.0382342610484425]
本稿では,UAVからの収穫画像の時間的・空間的識別と識別を自動化するための手動ワークフローを提案する。
提案手法は農業におけるUAVデータの分析と解釈を大幅に改善する。
論文 参考訳（メタデータ） (2022-01-08T21:14:07Z) - Presenting an extensive lab- and field-image dataset of crops and weeds
for computer vision tasks in agriculture [0.9623578875486183]
機械学習とコンピュータビジョンモデルのトレーニングに適したラベル付き植物画像の大規模なデータセットを2つ提示する。
最初のデータセットは、カナディアン・プレーリーズや多くのアメリカの州に共通する、屋内で栽培された作物や雑草の120万枚以上の画像を書いた日である。
第2のデータセットは、農地で撮影された植物の54万枚以上の画像で構成されている。
論文 参考訳（メタデータ） (2021-08-12T15:06:32Z) - A CNN Approach to Simultaneously Count Plants and Detect Plantation-Rows
from UAV Imagery [56.10033255997329]
畳み込みニューラルネットワーク(CNN)を用いた新しい深層学習手法を提案する。
高度に乾燥したプランテーション構成を考慮した植物を数えながら、同時にプランテーション・ロウを検出し、配置する。
提案手法は、異なる種類の作物のUAV画像において、植物と植物をカウントおよびジオロケートするための最先端の性能を達成した。
論文 参考訳（メタデータ） (2020-12-31T18:51:17Z) - Two-View Fine-grained Classification of Plant Species [66.75915278733197]
本研究では,2視点の葉のイメージ表現に基づく新しい手法と,植物種の粒度認識のための階層的分類戦略を提案する。
シームズ畳み込みニューラルネットワークに基づく深度測定は、多数のトレーニングサンプルへの依存を減らし、新しい植物種に拡張性を持たせるために用いられる。
論文 参考訳（メタデータ） (2020-05-18T21:57:47Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。