PRMI：一个用于多样植物根系研究的微根窗图像数据集
计算机视觉与模式识别
2022-01-21 v1
摘要
理解植物的根系构型（RSA）对于包括可持续性和气候适应在内的多种植物科学问题领域至关重要。微根窗（MR）技术是一种通过随时间捕获根系图像来对 RSA 进行无损表型分析广泛使用的方法。在 MR 图像中从土壤中精确分割根系是研究 RSA 特征的关键步骤。在本文中，我们引入了一个由 MR 技术捕获的大规模植物根系图像数据集。数据集中总共有超过 72K 张 RGB 根系图像，涵盖棉花、木瓜、花生、芝麻、向日葵和柳枝稷等六种不同的物种。图像跨越多种条件，包括不同的根龄、根结构、土壤类型以及地表下深度。所有图像均标注了弱图像级标签，指示每张图像是否包含根系。这些图像级标签可用于支持植物根系分割任务中的弱监督学习。此外，63K 张图像已手动标注以生成像素级二值掩码，指示每个像素是否对应根系。这些像素级二值掩码可用作语义分割任务中监督学习的真值。通过引入该数据集，我们旨在促进利用深度学习及其他图像分析算法对根系进行自动分割以及 RSA 的研究。
引用
@article{arxiv.2201.08002,
title = {PRMI: A Dataset of Minirhizotron Images for Diverse Plant Root Study},
author = {Weihuang Xu and Guohao Yu and Yiming Cui and Romain Gloaguen and Alina Zare and Jason Bonnette and Joel Reyes-Cabrera and Ashish Rajurkar and Diane Rowland and Roser Matamala and Julie D. Jastrow and Thomas E. Juenger and Felix B. Fritschi},
journal= {arXiv preprint arXiv:2201.08002},
year = {2022}
}
备注
The 36th AAAI Conference on the AI for Agriculture and Food Systems (AIAFS) Workshop