大豆棉花检测与分割的叶片级别数据集
计算机视觉与模式识别
2026-04-22 v2
摘要
大豆和棉花是许多国家农业部门的主要驱动力，带来巨大的经济回报，但也面临来自志愿性植物和杂草的持续挑战，妨碍可持续管理。有效控制志愿性植物和杂草需要先进的识别策略，才能在复杂作物冠层中准确识别。虽然深度学习方法在叶片水平的检测与分割方面已显示出前景，但现有数据集往往未能捕捉真实农田的复杂性。为此，我们从一座覆盖多个生长阶段、杂草压力和光照变化的商业农场收集了 640 张高分辨率图像。每张图像在叶片级别进行标注，7221 片大豆和 5190 片棉花叶子通过边界框和分割掩码标记，捕捉重叠叶片、小叶子尺寸以及形态相似性。我们使用 YOLOv11 对此数据集进行验证，展示了在准确识别和分割重叠叶片方面实现了最先进的性能。我们公开此数据集支持高效除草剂喷洒和害虫监测等高级应用，推动更稳健、数据驱动的大豆棉花管理策略的发展。
引用
@article{arxiv.2503.01605,
title = {A Leaf-Level Dataset for Soybean-Cotton Detection and Segmentation},
author = {Thiago H. Segreto and Juliano Negri and Paulo H. Polegato and João Manoel Herrera Pinheiro and Ricardo V. Godoy and Marcelo Becker},
journal= {arXiv preprint arXiv:2503.01605},
year = {2026}
}