农业产品 3D 模型获取方法的比较研究
计算机视觉与模式识别
2026-01-08 v1
摘要
在制造业中，基于人工智能的计算机视觉系统广泛用于降低成本和提高生产效率。训练这些 AI 模型需要大量昂贵获取和标注的训练数据，尤其是在高变异、低产量的制造环境中。使用合成数据的流行方法是利用计算机辅助设计（CAD）模型生成数据，但在农业领域这些模型难以获取，增加了利用合成数据的难度。本文提出了不同的技术方法，用以替代 CAD 文件以创建合成数据集。我们衡量了这些方法在训练用于区分罐头土豆的 AI 目标检测模型时的相对性能。我们展示，使用扫描或图像到 3D 方法获取的高代表性 3D 模型可用于生成训练目标检测模型的合成数据。对小型真实数据集进行微调可显著提高模型性能，即使使用不够代表性的模型，也能获得相似的性能。
引用
@article{arxiv.2601.03784,
title = {A Comparative Study of 3D Model Acquisition Methods for Synthetic Data Generation of Agricultural Products},
author = {Steven Moonen and Rob Salaets and Kenneth Batstone and Abdellatif Bey-Temsamani and Nick Michiels},
journal= {arXiv preprint arXiv:2601.03784},
year = {2026}
}
备注
6 pages, 3 figures, 1 table, presented at 4th International Conference on Responsible Consumption and Production, https://link.springer.com/book/9783032173546