面向精密农业的自监督数据生成：将模拟环境与真实图像融合

在精密农业中，标签数据稀缺以及显著的协变量偏移为训练机器学习模型带来独特挑战。这种稀缺性尤其 problematic，因为环境的动态性质以及作物形态的不断变化。我们提出了一种新型系统，用于生成逼真的合成数据以解决这些挑战。利用基于Unity引擎的葡萄酒庄模拟器，我们的系统采用考虑几何一致性的切粘贴技术，产生准确的照片级图像和标签，用于训练检测算法。该方法在各种视角和光照条件下生成多样化的数据样本。我们展示了将本方法应用于葡萄酒庄 cultivation的显著性能提升。该方法的组合可以轻松自动化，这在农业实践中日益重要的考虑因素。