面向田间导航：利用仿真数据实现作物行检测

用于作物行检测的农业数据集通常受限于图像数量有限。这限制了研究人员开发基于深度学习的模型以用于涉及作物行检测的精准农业任务。我们建议利用小型真实世界数据集以及仿真生成的额外数据，以取得与使用大型真实世界数据集训练的模型相似的作物行检测性能。我们的方法可通过少使用 60% 的标注真实世界数据，达到基于深度学习的作物行检测模型（使用真实世界数据训练）的性能。我们的模型在阴影、阳光和生长阶段等田间变化下表现良好。我们引入了一条自动化流水线，用于在仿真领域生成用于作物行检测的标注图像。我们进行了广泛比较，以分析仿真数据对在各种真实世界田间场景中实现鲁棒作物行检测的贡献。