BonnBeetClouds3D: A Dataset Towards Point Cloud-based Organ-level Phenotyping of Sugar Beet Plants under Field Conditions

要約

農業生産は、気候変動と環境への影響を軽減する持続可能性の必要性によって引き起こされる今後数十年間、厳しい課題に直面することになります。
自律型無人航空機 (UAV) による作物の監視と、ロボットによる非化学除草と、新しくより回復力のある作物の品種の育種を組み合わせた圃場管理の進歩は、これらの課題に対処するのに役立ちます。
フェノタイピングと呼ばれる植物の形質の分析は植物育種において不可欠な作業ですが、これには多大な手作業が伴います。
この論文では、正確な表現型解析に必要な自動のきめの細かい器官レベルの幾何学的解析の問題に取り組みます。
この領域では利用可能な現実世界のデータが比較的少ないため、48 の植物品種を含む実際の育種試験の高解像度画像をキャプチャする UAV を使用して取得され、したがって形態学的および外観の大きな多様性をカバーする新しいデータセットを提案します。
これにより、さまざまな品種にうまく一般化できる自律的な表現型解析のアプローチの開発が可能になります。
複数の視野角からの高解像度画像の重なりに基づいて、写真測量の密な点群を計算し、植物、葉、および先端と基部としての突出点の詳細かつ正確な点ごとのラベルを提供します。
さらに、ドイツ連邦植物品種局の専門家が実際の植物に対して行った表現型形質の測定も含まれており、セグメンテーションやキーポイント検出だけでなく、下流のタスクについても直接新しいアプローチを評価することができます。
提供されるラベル付き点群により、きめ細かい植物解析が可能になり、自動表現型解析アプローチの開発のさらなる進歩がサポートされるだけでなく、表面の再構築、点群の完成、および点群の意味解釈におけるさらなる研究も可能になります。

要約(オリジナル)

Agricultural production is facing severe challenges in the next decades induced by climate change and the need for sustainability, reducing its impact on the environment. Advancements in field management through non-chemical weeding by robots in combination with monitoring of crops by autonomous unmanned aerial vehicles (UAVs) and breeding of novel and more resilient crop varieties are helpful to address these challenges. The analysis of plant traits, called phenotyping, is an essential activity in plant breeding, it however involves a great amount of manual labor. With this paper, we address the problem of automatic fine-grained organ-level geometric analysis needed for precision phenotyping. As the availability of real-world data in this domain is relatively scarce, we propose a novel dataset that was acquired using UAVs capturing high-resolution images of a real breeding trial containing 48 plant varieties and therefore covering great morphological and appearance diversity. This enables the development of approaches for autonomous phenotyping that generalize well to different varieties. Based on overlapping high-resolution images from multiple viewing angles, we compute photogrammetric dense point clouds and provide detailed and accurate point-wise labels for plants, leaves, and salient points as the tip and the base. Additionally, we include measurements of phenotypic traits performed by experts from the German Federal Plant Variety Office on the real plants, allowing the evaluation of new approaches not only on segmentation and keypoint detection but also directly on the downstream tasks. The provided labeled point clouds enable fine-grained plant analysis and support further progress in the development of automatic phenotyping approaches, but also enable further research in surface reconstruction, point cloud completion, and semantic interpretation of point clouds.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google