DeepPhenoTree-Apple Edition 多地点苹果树物候 RGB 数据集构建与评估

《Plant Methods》：DeepPhenoTree-Apple Edition: a multi-site apple phenology RGB annotated dataset with deep learning baseline models

　　

摘要

在机器学习驱动的植物表型分析中，标注完善的图像数据集对于开发能够捕捉不同环境下植物物候变异性的稳健模型至关重要。本文介绍了DeepPhenoTree-Apple Edition，这是一个多地点、多品种的RGB图像数据集，专门用于检测苹果树的关键物候阶段。该数据集包含了来自Apple REFPOP联盟四个欧洲果园的48,320张带有时间戳的RGB图像，这些图像记录了在生物、农艺和环境变化条件下的数据，包括基因型、果园结构、物候发育、温度和湿度等方面的差异。从这些大量图像中，我们精心挑选了808张具有代表性的图像进行手动标注，其中包含241,600条专家注释，涵盖了从休眠芽到果实成熟整个发育阶段的信息。图像是通过配备主动闪光灯照明的标准化拖拉机-mounted表型分析平台拍摄的。使用主动闪光灯照明是为了减少照明变化，并统一各个地点的曝光度、阴影以及阳光差异。物候结构的标注遵循了BBCH分类标准，边界框的尺寸根据器官的可见性和发育阶段进行了调整。除了数据集本身，我们还提供了一些深度学习基线实验，以展示该模型的检测性能及其在不同地点的应用效果。