Hydra-Bench：多模态叶面湿度感知基准
计算机视觉与模式识别
2025-07-31 v1 人工智能
摘要
叶面湿度检测是农业监测中的关键任务，因为它直接影响对植物病害的预测和防护。然而，现有的感知系统在应用于自然叶片并处于动态真实世界条件时，存在鲁棒性、准确性和环境抗压性方面的局限。为解决这些挑战，我们引入一个专为评估和推进叶面湿度检测机器学习算法而设计的新型多模态数据集。该数据集由同步的mmWave原始数据、合成孔径雷达（SAR）图像和RGB图像组成，这些数据在六个月的时间内从五种多样化植物种类中收集，包括受控环境和户外现场环境。我们提供使用Hydra模型的详细基准，包括与单一模态基线和多种融合策略的比较，以及在不同扫描距离下的性能。此外，我们的数据集可作为未来SAR成像算法优化的基准，使其在多样化条件下检测准确度的系统评估成为可能。
引用
@article{arxiv.2507.22685,
title = {Hydra-Bench: A Benchmark for Multi-Modal Leaf Wetness Sensing},
author = {Yimeng Liu and Maolin Gan and Yidong Ren and Gen Li and Jingkai Lin and Younsuk Dong and Zhichao Cao},
journal= {arXiv preprint arXiv:2507.22685},
year = {2025}
}