为基于视觉的农业应用生成多样化农业数据

我们提出了一个用于生成合成农业场景的专用程序模型，重点关注大豆作物以及各种杂草。该模型能够模拟这些植物的不同生长阶段、多样的土壤条件以及在不同光照条件下的随机田间布置。将真实世界的纹理和环境因素整合到程序生成过程中，增强了合成数据的真实感和适用性。我们的数据集包含 12,000 张带有语义标签的图像，为精准农业中的计算机视觉任务（例如用于自主杂草控制的语义分割）提供了丰富的资源。我们通过将合成数据与真实农业图像进行比较来验证模型的有效性，证明了其显著增加农业中机器学习模型训练数据的潜力。这种方法不仅提供了一种生成高质量、多样化数据的低成本解决方案，而且解决了通用模型未完全覆盖的农业视觉任务中的特定需求。