CitDet：一种用于柑橘类水果检测的基准数据集
计算机视觉与模式识别
2024-10-11 v3 机器人学
摘要
在本通讯中，我们提出了一个新的数据集，以推进受黄龙病（HLB）影响的果园环境中柑橘类水果检测与产量准确估计的现有技术水平。尽管在解决水果检测问题方面已取得显著进展，但公开可用数据集的缺乏使得结果的直接比较变得复杂。例如，柑橘检测长期以来一直是农业研究界关注的问题，然而相关研究工作匮乏，尤其是涉及受HLB影响的柑橘公开数据集的工作。为解决此问题，我们改进了最先进的目标检测方法，以用于典型果园环境。具体而言，我们提供了位于已知受HLB高度影响区域的柑橘树高分辨率图像，以及柑橘果实的高质量边界框标注。树上和地面上的果实均被标注，以便识别果实位置，这有助于推进产量估计以及通过落果对HLB影响的潜在度量。该数据集包含579张高分辨率图像中超过32,000个果实实例的边界框标注。总之，我们的贡献如下：（i）我们引入了一个新颖的数据集，并在多种当代目标检测算法上提供了基线性能基准；（ii）我们展示了准确捕获树上或地面果实位置的能力；最后（iii）我们给出了我们的结果与产量估计的相关性。
引用
@article{arxiv.2309.05645,
title = {CitDet: A Benchmark Dataset for Citrus Fruit Detection},
author = {Jordan A. James and Heather K. Manching and Matthew R. Mattia and Kim D. Bowman and Amanda M. Hulse-Kemp and William J. Beksi},
journal= {arXiv preprint arXiv:2309.05645},
year = {2024}
}
备注
To be published in IEEE Robotics and Automation Letters (RA-L)