农业中的生成式AI：利用DALL.E先进大语言模型能力创建图像数据集
计算机视觉与模式识别
2025-07-29 v6
摘要
随着生成式人工智能（AI）特别是图像生成技术的出现，农业传播领域正在快速发展。当这些工具开始影响农业数据的可视化与传播方式时，该领域横跨技术与非技术研究人员的多样性，要求开展严格的基础研究以阐明图像生成过程。本研究探讨了人工智能（AI）特别是OpenAI的DALL.E模型在推进农业数据生成与可视化技术中的作用。DALL.E作为一种先进的AI图像生成器，与ChatGPT的语言处理协同工作，将文本描述和图像线索转化为内容逼真的视觉表示。本研究采用了两种图像生成方法：文本到图像（text-to-image）和图像到图像（变体，image-to-image）。生成了描绘果树作物环境的六类数据集。随后将这些AI生成图像与真实农业田间传感器捕获的地面真值图像进行比较。比较基于峰值信噪比（PSNR）和特征相似度指数（FSIM）指标。图像到图像生成相较文本到图像方法平均PSNR提升5.78%，意味着更优的图像清晰度与质量。然而，该方法也导致平均FSIM降低10.23%，表明与原图的结构和纹理相似性减弱。类似这些指标，人工评估也显示基于图像到图像方法生成的图像比文本到图像方法生成的图像更逼真。结果凸显了DALL.E在生成逼真农业图像数据集方面的潜力，从而加速基于成像的精准农业解决方案的开发与采用。
引用
@article{arxiv.2307.08789,
title = {Generative AI in Agriculture: Creating Image Datasets Using DALL.E's Advanced Large Language Model Capabilities},
author = {Ranjan Sapkota and Manoj Karkee},
journal= {arXiv preprint arXiv:2307.08789},
year = {2025}
}