农业语义分割的数据合成方法：辣椒数据集

本文描述了一种为田间大规模语义图像分割数据集提供的综合方法，植物表型资讯介绍如下。

温馨提醒:“第二届亚太植物表型国际会议”将于2018年03月23-25日举行。

本文描述了一种为田间大规模语义图像分割数据集提供的综合方法，旨在缩短农业机器人领域中计算机视觉性能之间的差距。文中提出了一种通过试验测量生成植物随机网格的新方法，包括自动生成多个植物机体结构的逐像素分类和深度标签，并通过辣椒（甜椒或柿子椒）在高科技温室运行的示例来验证结果。其中，10500个图像合成数据集是通过Blender软件提供，并使用具有随机参数的42个程序生成植物模型场景。这些参数是15个植物茎杆上115个位置的21个实测植物性状。随后通过3D扫描获得果实模型，并拍照收集植物部分纹理。作为用于建模和评估分割性能的参考数据集，使用甜椒收获机器人原型的图像采集硬件从多个角度和距离收集温室中50个植物的750个试验图像。实验过程中研究人员假设合成图像和试验图像之间具有高度相似性，并通过定性和定量分析比较这两个图像集合。这些集合和模型是公开发布的，希望科学家们在农业计算机视觉方法之间能够进行性能比较、获得建模改进的反馈，并进一步验证合成引导和试验微调的可用性。在文章最后，研究人员认为相关的合成数据集引导和试验微调很可能用于改善研究。

Capsicum Annuum植物的一部分，其中一个节点位于所有植物部分生长的中心

随机生成辣椒实例的三网格透视

来自实验A（最上一行）的合成测试集合和来自实验E（最下一行）的经验测试集合的分割结果