CitDet: A Benchmark Dataset for Citrus Fruit Detection

要約

このレターでは、柑橘類の検出における最先端技術を進歩させ、果樹園環境における黄龍氷（HLB）病の影響を受けた木の収量をイメージングによって正確に推定するための新しいデータセットを紹介します。
果物の検出問題の解決において大きな進歩が見られたにもかかわらず、公的に利用可能なデータセットが不足しているため、結果の直接比較が複雑になっています。
たとえば、柑橘類の検出は農業研究コミュニティにとって長い間関心を集めてきましたが、特にHLBの影響を受ける柑橘類の公開データセットに関する研究は不足しています。
この問題に対処するために、私たちは一般的な果樹園環境で使用できるように最先端の物体検出方法を強化しました。
具体的には、HLB の影響を強く受けることが知られている地域にある柑橘類の木の高解像度画像と、柑橘類の高品質な境界ボックスの注釈を提供します。
木と地面の両方の果実には、果実の位置を特定できるようにラベルが付けられています。これは、収量の推定と、果実の落下による HLB への影響の潜在的な測定の進歩に貢献します。
このデータセットは、579 枚の高解像度画像に含まれる果物インスタンスの 32,000 を超える境界ボックス アノテーションで構成されています。
要約すると、私たちの貢献は次のとおりです: (i) 新しいデータセットと複数の最新の物体検出アルゴリズムのベースライン パフォーマンス ベンチマークを導入し、(ii) 木または地面上の果物の位置を正確に捕捉する能力を示し、最後に (
ii) 結果と収量推定値の相関関係を示します。

要約(オリジナル)

In this letter, we present a new dataset to advance the state of the art in detecting citrus fruit and accurately estimate yield on trees affected by the Huanglongbing (HLB) disease in orchard environments via imaging. Despite the fact that significant progress has been made in solving the fruit detection problem, the lack of publicly available datasets has complicated direct comparison of results. For instance, citrus detection has long been of interest to the agricultural research community, yet there is an absence of work, particularly involving public datasets of citrus affected by HLB. To address this issue, we enhance state-of-the-art object detection methods for use in typical orchard settings. Concretely, we provide high-resolution images of citrus trees located in an area known to be highly affected by HLB, along with high-quality bounding box annotations of citrus fruit. Fruit on both the trees and the ground are labeled to allow for identification of fruit location, which contributes to advancements in yield estimation and potential measure of HLB impact via fruit drop. The dataset consists of over 32,000 bounding box annotations for fruit instances contained in 579 high-resolution images. In summary, our contributions are the following: (i) we introduce a novel dataset along with baseline performance benchmarks on multiple contemporary object detection algorithms, (ii) we show the ability to accurately capture fruit location on tree or on ground, and finally (ii) we present a correlation of our results with yield estimations.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google