Global Wheat Head Detection (GWHD) 2021

Global Wheat Head Detection (GWHD) 2021数据集是由法国国家农业研究院等多个国际机构合作创建，旨在提高小麦穗定位方法的基准测试。该数据集包含275,187个标记的小麦穗，来自16个机构的6500张RGB图像，覆盖12个国家。数据集通过重新审查和标记2020年的数据，并增加了来自5个新国家的新图像，增强了数据集的多样性和质量。GWHD 2021数据集主要用于深度学习模型的训练和测试，特别是在农业科学和计算机视觉领域，以解决小麦产量预测和作物管理等问题。

The Global Wheat Head Detection (GWHD) 2021 dataset was collaboratively developed by multiple international institutions including the French National Institute for Agricultural Research, with the goal of establishing a benchmark for wheat head localization methods. This dataset contains 275,187 annotated wheat heads, sourced from 6,500 RGB images provided by 16 institutions across 12 countries. To enhance its diversity and quality, the dataset was improved by re-annotating the 2020 edition of the dataset and adding new images from 5 additional countries. The GWHD 2021 dataset is primarily utilized for training and testing deep learning models, particularly in the domains of agricultural science and computer vision, to address practical problems such as wheat yield prediction and crop management.

搜集汇总

数据集介绍

构建方式

Global Wheat Head Detection (GWHD) 2021 数据集的构建基于对2020年版本的重新审查、重新标注和扩展。原始的GWHD 2020数据集由来自七个国家/机构的4700张RGB图像组成，包含193,634个标记的小麦头部。为了解决数据量、头部多样性和标签可靠性方面的问题，2020年的数据集进行了重新审查和重新标注，并新增了来自五个国家的1722张图像，新增了81,553个小麦头部。GWHD 2021数据集包含来自16个机构的275,187个小麦头部，分布在12个国家。

特点

GWHD 2021数据集的特点包括：1) 数据量更大，包含了更多的图像和标记的小麦头部；2) 数据多样性更高，新增了来自五个国家的数据，覆盖了更广泛的地理区域和生长环境；3) 数据质量更高，通过重新审查和重新标注，减少了标签噪声和错误；4) 数据集被细分为47个子数据集，每个子数据集都代表了在相同实验单元、相同采集会话、相同传感器和相同向量下采集的图像集，有助于研究小麦头部检测模型在不同生长阶段的性能。

使用方法

使用GWHD 2021数据集的方法包括：1) 训练和测试小麦头部检测模型；2) 对不同子数据集进行性能评估，以了解模型在不同生长阶段的性能；3) 通过比较不同模型的性能，选择最优的小麦头部检测模型；4) 利用数据集中的元数据信息，如采集平台和生长阶段，进一步改进模型的性能。

背景与挑战

背景概述

小麦是世界上最主要的粮食作物之一，而小麦穗的定位是估计小麦产量潜力的关键因素。为了促进计算机视觉和农业科学领域的发展，全球小麦穗检测（GWHD）数据集于2020年创建，汇集了来自7个国家/机构的4700张RGB图像中的193,634个标注小麦穗。该数据集的创建旨在为小麦穗定位方法提供一个基准，并为相关领域的研究人员提供一个平台来开发和评估深度学习模型。GWHD数据集的创建得到了全球多个研究机构和大学的支持，包括Arvalis, Institut du végétal, UMR1114 EMMAH, INRAE, Centre PACA, School of Food and Agricultural Sciences, The University of Queensland, Global Wheat Program, International Maize and Wheat Improvement Centre (CIMMYT), Norwegian University of Life Sciences, Faculty of Biosciences, Agricultural Research Corporation, Wheat Research Program, Arid Land Research Center, Tottori University, Laboratories of Plant Genetics and Plant Breeding, Graduate School of Agriculture, Kyoto University, Plant Sciences Department, Rothamsted Research, Institute of Crop Science, National Agriculture and Food Research Organization, Hokkaido Agricultural Research Center, National Agriculture and Food Research Organization, Biosystems Dynamics and Exchanges, TERRA Teaching and Research Center, Gembloux Agro-Bio Tech, University of Liège, Plant Sciences, TERRA Teaching and Research Center, Gembloux Agro-Bio Tech, University of Liège, Graduate School of Agricultural and Life Sciences, The University of Tokyo, Department of Computer Science, University of Saskatchewan, Department of Plant Sciences, University of Saskatchewan, College of Agriculture and Life Sciences, University of Arizona等。GWHD数据集的创建对于推动小麦穗定位技术的发展具有重要意义，并为相关领域的研究人员提供了一个重要的基准数据集。

当前挑战

GWHD数据集在创建过程中面临了多个挑战。首先，数据集需要覆盖广泛的小麦基因型、播种密度、植物状态和阶段以及采集条件。其次，数据集的标注需要保持一致性和高质量，以避免在模型训练和评估过程中引入噪声。此外，数据集的子集划分需要考虑小麦穗的发展阶段，以帮助用户研究发展阶段对模型性能的影响。为了解决这些问题，GWHD 2021数据集进行了重新检查、重新标注和扩展，以增加数据集的多样性和可靠性。GWHD 2021数据集包含了来自16个机构、分布在12个国家的275,187个小麦穗，并进行了更详细的子集划分。此外，GWHD 2021数据集还引入了加权领域准确率（WDA）作为新的评估指标，以更好地反映模型在各个子集上的性能。GWHD 2021数据集的发布为小麦穗定位技术的发展提供了更全面和可靠的数据基础。

常用场景

经典使用场景

Global Wheat Head Detection (GWHD) 2021 数据集，汇聚了来自世界各地的193,634个标记小麦头部的4,700张RGB图像。该数据集的创建旨在提高小麦头部定位方法的基准测试。其经典使用场景包括小麦头部检测、计数和分类，以评估小麦产量潜力。此外，该数据集还支持研究小麦生长状态和阶段的变化，以及在不同收购条件下模型的性能。

解决学术问题

GWHD 2021 数据集解决了小麦头部定位研究中数据集大小、多样性和标签可靠性等问题。通过重新检查、重新标记和增加图像，该数据集提供了更大的多样性，更少的噪声和更准确的标签，为小麦头部定位研究提供了更可靠的基准数据集。此外，该数据集还提供了更全面的发育阶段数据，为研究小麦生长状态和阶段的变化提供了支持。

衍生相关工作

GWHD 2021 数据集的创建和发布，促进了小麦头部定位研究的发展，衍生出许多相关经典工作。例如，一些研究利用该数据集开发了小麦头部检测和计数模型，并取得了良好的性能。此外，该数据集还被用于开发小麦生长状态和阶段监测系统，为精准农业提供了支持。