LDD：一个用于葡萄病害目标检测与实例分割的数据集
计算机视觉与模式识别
2022-06-22 v1
摘要
实例分割任务是著名的目标检测任务的扩展，在许多领域（如精准农业）中有很大帮助：能够自动识别植物器官及其可能相关的病害，可有效扩展并自动化作物监测与病害控制。为解决葡萄藤植物早期病害检测与诊断相关问题，我们创建了一个新数据集，旨在通过实例分割方法推进病害识别的技术水平。这是通过收集自然环境下受病害影响的葡萄叶与果穗图像实现的。该数据集包含 10 类物体照片，包括有和无八种最常见葡萄病害症状的叶片与葡萄，在 1,092 张图像中共有 17,706 个标注实例。我们提出了多项统计度量，以完整呈现数据集特征。我们提供了 Mask R-CNN 与 R^3-CNN 模型在目标检测与实例分割任务上的初步结果作为基线，表明该方法能够在自动病害症状识别目标上取得有前景的结果。
引用
@article{arxiv.2206.10192,
title = {LDD: A Dataset for Grape Diseases Object Detection and Instance Segmentation},
author = {Leonardo Rossi and Marco Valenti and Sara Elisabetta Legler and Andrea Prati},
journal= {arXiv preprint arXiv:2206.10192},
year = {2022}
}