SemanticSugarBeets：糖甜菜检测、存储特征的多任务框架与数据集
计算机视觉与模式识别
2026-05-07 v1 机器学习
摘要
糖甜菜在储存过程中会因附着土壤中的微生物和剩余植被等因素导致糖分流失。其自动化视觉检查有望用于质量保证，从而提高糖生产全链条的效率。本文提出了一种新型高质量标注数据集和两阶段方法，用于检测、语义分割和估计收获后及储存后糖甜菜的质量。我们对糖甜菜的检测及其关于损伤、腐烂、土壤附着和剩余植被的精细语义分割开展了大量消融实验。对于这些任务，我们评估了多个图像尺寸、模型架构和编码器，以及环境条件的影响。实验结果显示，糖甜菜检测的mAP50-95为98.8，最佳分割模型的mIoU为64.0。
引用
@article{arxiv.2504.16684,
title = {SemanticSugarBeets: A Multi-Task Framework and Dataset for Inspecting Harvest and Storage Characteristics of Sugar Beets},
author = {Gerardus Croonen and Andreas Trondl and Julia Simon and Daniel Steininger},
journal= {arXiv preprint arXiv:2504.16684},
year = {2026}
}
备注
Accepted at Conference on Computer Vision and Pattern Recognition Workshops (CVPRW). Code and dataset available at https://github.com/semanticsugarbeets/semanticsugarbeets