南瓜植物分割数据集：面向YOLO格式的标注数据集
计算机视觉与模式识别
2026-01-14 v1
摘要
本文提出了南瓜植物分割数据集，这是一个开源的标注图像数据集，旨在支持针对农业应用开发人工智能模型，特别是针对南瓜植物。该数据集包含206张训练图像、43张验证图像和43张测试图像，采用YOLO兼容的分割格式，捕获南瓜植物在不同环境条件下的幼苗期。数据使用高分辨率移动相机从尼日利亚卡蒙斯塔州卡蒙斯塔州的Jirdede农场收集，并使用南瓜农户监督下采用分段模型v2进行标注。与传统的边界框数据集不同，本数据集采用像素级分割，以实现对现实农场环境中南瓜植物的更精确检测和分析。使用Ultralytics YOLOv8框架进行模型评估，显示检测和分割任务均表现良好。对于边界框检测，模型实现了79%的召回率、79%的精确率、IoU 0.50下的平均精度为84%，以及0.50至0.95之间的平均精度为58%。对于分割，模型实现了82%的召回率、77%的精确率、IoU 0.50下的平均精度为84%，以及0.50至0.95之间的平均精度为52%。该数据集代表了尼日利亚南瓜领域农业视觉数据集的一种新贡献，支持植物监控、产量估计和农业研究等应用。
引用
@article{arxiv.2601.07970,
title = {Sesame Plant Segmentation Dataset: A YOLO Formatted Annotated Dataset},
author = {Sunusi Ibrahim Muhammad and Ismail Ismail Tijjani and Saadatu Yusuf Jumare and Fatima Isah Jibrin},
journal= {arXiv preprint arXiv:2601.07970},
year = {2026}
}
备注
Presented at International Conference on Computing and advance in Information Technology(ICCAIT2025) The dataset is available at kaggle : https://www.kaggle.com/datasets/ismailismailtijjani/sesame-plant-detection-dataset