应用于农业场景视觉解析任务的番茄数据集

周玲莉 任 妮 张文翔 程雅雯 陈 诚 易中懿

（江苏省农业科学院信息中心，南京 210014）

数据库（集）基本信息汇总表

1 引言

随着计算机视觉技术的发展，复杂环境下的视觉解析在诸多领域中发挥出巨大的作用，包括交通、医疗、金融等[1][2]。现如今在深度学习[3]的大背景下，计算机视觉技术又跨上一个新台阶，各领域中的机器人系统离不开包括图像分类[4]、物体检测[5]、图像分割[6][7]等视觉任务的顺利交付。支撑深度神经网络发展的一个重要元素是大规模、标注过的图像数据集[8][9]，比如在自动驾驶领域，诸如Cityscapes[10]、KITTI[9]等在内的城市道路场景解析数据集。这些大规模数据集是深度神经网络的基石，使得基于深度学习的计算机视觉技术能有更好的性能表现。

在农业领域，由于农作物种类繁多、背景复杂、数据采集困难等原因，大规模的可用于深度学习的数据集相对较少，算法的实现与评价通常依赖研究人员自身收集的少量数据[11][12][13]。比如论文[11]与论文[13]虽然具有相同的视觉任务，两者都是使用深度学习方法对苹果果实进行识别和定位，但由于前者采集数据过少且标注较为简单，后者无法对这些数据进行再利用，只能重新进行拍摄与标注。因此，在评价指标相同的情况下，研究成果之间不具有可比性，彼此之间的优劣无法体现，进而限制了深度学习方法在农业领域的研究应用，导致计算机视觉技术在此领域的发展相对落后。此外，还有一些研究中所用的数据是在实验环境中获得的，比如在论文[14]中，使用从谷歌搜集到的图片进行深度学习的训练实现目标果实的检测，然后在搭建的实验环境中进行评估与测试。……