TERRA-REF高分辨率多传感器植物感知公共领域数据为计算机视觉界带来什么？
计算机视觉与模式识别
2021-11-11 v2 机器学习
摘要
TERRA-REF项目的核心目标是生成一个开放获取的参考数据集，用于评估田间条件下植物研究的传感技术。TERRA-REF计划在龙门架上部署了一套高分辨率、前沿技术传感器，旨在以约1 mm的空间分辨率每周多次扫描1公顷（10）。该系统包含共址传感器，包括立体RGB相机、热成像仪、用于捕获3D结构的激光扫描仪，以及覆盖300-2500nm波长的两台高光谱相机。该传感器数据与六十多种传统植物表型测量一起提供，可用于训练新的机器学习模型。相关的天气和环境测量、农艺管理和实验设计信息，以及数百种植物品种的基因组序列已收集并与传感器和植物表型数据一同提供。在四年和十个生长季中，TERRA-REF系统生成了超过1 PB的传感器数据和近4500万个文件。已发布到公共领域的子集涵盖两个季节，约占总数据量的一半。这为远超项目核心生物学范围的研究提供了前所未有的机会。本文的重点是为计算机视觉和机器学习界概述可用数据及这一独特数据的一些潜在应用。
引用
@article{arxiv.2107.14072,
title = {What Does TERRA-REF's High Resolution, Multi Sensor Plant Sensing Public Domain Data Offer the Computer Vision Community?},
author = {David LeBauer and Max Burnette and Noah Fahlgren and Rob Kooper and Kenton McHenry and Abby Stylianou},
journal= {arXiv preprint arXiv:2107.14072},
year = {2021}
}
备注
7 pages, 4 figures, ICCV 2021 Workshop on Computer Vision Problems in Plant Phenotyping and Agriculture (CVPPA)