M18K

M18K数据集由休斯顿大学创建，专门用于蘑菇检测和实例分割，包含423对RGB-D图像，总计18,000多个蘑菇实例。数据集通过Intel RealSense D405相机采集，涵盖了多种生长环境和光照条件，适用于智能蘑菇农业中的自动化收获、生长监测和质量控制。数据集的创建过程包括精确的标注和多步骤的手动校正，确保了数据的高质量和适用性。该数据集主要用于评估和改进蘑菇检测算法，推动智能农业技术的发展。The M18K dataset, developed by the University of Houston, is specifically designed for mushroom detection and instance segmentation. It contains 423 pairs of RGB-D images, with a total of more than 18,000 mushroom instances. Collected using an Intel RealSense D405 camera, the dataset covers various growth environments and lighting conditions, and is applicable to automated harvesting, growth monitoring and quality control in intelligent mushroom agriculture. The dataset creation process includes precise annotation and multi-step manual correction, ensuring high data quality and applicability. This dataset is mainly used to evaluate and improve mushroom detection algorithms, and promote the development of intelligent agricultural technologies.

原始信息汇总

M18K: Mushroom Detection Dataset

概述

Mushroom Detection Dataset 是一个用于自动化农业过程，特别是蘑菇采摘、生长监测和质量控制的有价值资源。该数据集专注于白蘑菇（Agaricus bisporus）的检测，包含超过18,000个蘑菇实例的423对RGB-D图像。

数据集详情

• 蘑菇实例: 超过18,000个
• 图像对: 423对RGB-D图像
• 相机使用: Intel RealSense D405
• 标注: 全面的检测和实例分割标注

数据集下载

您可以通过以下链接直接从仓库下载数据集：

Download Dataset

请参考数据集的许可证文件以获取使用和分发权限的信息。

搜集汇总

数据集介绍

构建方式

M18K数据集的构建基于真实蘑菇生长环境的RGB-D图像采集，使用Intel RealSense D405相机在蘑菇栽培床上方垂直距离分别为27厘米和15厘米的位置拍摄了423对RGB-D图像。这些图像涵盖了白蘑菇和贝拉贝拉蘑菇两种常见品种，分别包含4,217个和13,955个标注实例。数据集的标注过程采用了Segment Anything Model (SAM)自动生成掩码，并通过人工精细编辑以确保标注的准确性。每个图像均包含不同光照条件、生长阶段和背景的蘑菇实例，深度图则为研究提供了额外的空间信息。

使用方法

M18K数据集的使用方法主要围绕蘑菇检测和实例分割算法的训练与评估展开。研究人员可以利用该数据集进行模型训练，并通过其丰富的标注信息进行算法性能的验证。数据集中的RGB-D图像支持多模态输入，允许研究者探索基于深度信息的蘑菇检测技术。此外，数据集公开了所有资源，包括图像、代码和预训练模型，便于研究社区进行复现和进一步开发。通过该数据集，研究人员可以推动智能蘑菇农业中的自动化采摘、生长监测和质量控制等应用的发展。

背景与挑战

背景概述

M18K数据集是由美国休斯顿大学计算机科学与工程系的研究团队于2024年推出的一个专注于蘑菇检测与实例分割的RGB-D数据集。该数据集旨在推动智能农业中蘑菇自动化采摘、生长监测和质量控制的研究。M18K包含423对RGB-D图像，涵盖了超过18,000个蘑菇实例，主要针对两种常见的蘑菇品种：白蘑菇和贝拉蘑菇。数据集的创建填补了蘑菇检测领域公开数据集的空白，为相关算法的评估与优化提供了标准化的基准。通过提供真实生长环境下的图像和深度信息，M18K为计算机视觉技术在农业自动化中的应用提供了重要的数据支持。

当前挑战

M18K数据集在解决蘑菇检测与实例分割问题时面临多重挑战。首先，蘑菇在自然环境中通常以密集簇状生长，导致遮挡和重叠现象频发，增加了检测和分割的难度。其次，蘑菇在不同生长阶段和光照条件下的形态变化显著，要求算法具备较强的鲁棒性。此外，数据集的构建过程中，研究人员需克服真实环境中土壤颗粒、背景复杂性和蘑菇边缘模糊等问题，确保标注的精确性。尽管M18K通过RGB-D图像提供了丰富的深度信息，但在实际应用中，如何有效利用深度数据提升检测精度仍是一个亟待解决的难题。

常用场景

经典使用场景

M18K数据集在智能农业领域中被广泛用于蘑菇的自动化检测与实例分割任务。该数据集通过提供超过18,000个蘑菇实例的RGB-D图像对，涵盖了蘑菇在不同生长阶段、光照条件和背景下的多样性，为研究人员提供了一个标准化的基准。经典的使用场景包括蘑菇的自动采摘、生长监测和质量控制，尤其是在大规模蘑菇种植场中，这些任务对提高生产效率和减少人工成本具有重要意义。

解决学术问题

M18K数据集解决了蘑菇检测领域缺乏公开数据集的问题，填补了现有数据集的空白。通过提供高质量的RGB-D图像和精确的标注，该数据集使得研究人员能够系统地评估和比较不同的蘑菇检测算法。此外，数据集中的深度信息为基于深度的检测技术提供了新的研究方向，进一步提升了检测模型的准确性和鲁棒性。这一数据集的出现，推动了蘑菇检测算法的标准化和优化，为智能农业中的自动化技术发展提供了坚实的基础。

实际应用

在实际应用中，M18K数据集被广泛用于蘑菇种植场的自动化管理系统中。通过结合计算机视觉和深度学习技术，该数据集支持的算法能够实时监测蘑菇的生长状态、预测采摘时间，并自动识别蘑菇的质量问题。这些应用不仅提高了蘑菇种植的效率，还减少了人工干预的需求，降低了生产成本。此外，该数据集还被用于开发智能采摘机器人，这些机器人能够精准定位蘑菇并进行自动化采摘，进一步推动了农业生产的智能化进程。

数据集最近研究

最新研究方向

近年来，M18K数据集在智能农业领域的研究方向主要集中在蘑菇检测与实例分割算法的优化与应用。随着深度学习技术的快速发展，基于RGB-D图像的蘑菇检测方法逐渐成为研究热点。M18K数据集通过提供超过18,000个蘑菇实例的RGB-D图像对，填补了蘑菇检测领域公开数据集的空白，为自动化蘑菇采摘、生长监测和质量控制提供了重要的基准。当前研究重点包括利用Mask R-CNN、YOLO等先进算法进行蘑菇实例分割与检测，并结合深度信息提升检测精度。此外，研究者还探索了不同颜色空间（如HSV、LAB）在蘑菇分类中的应用，以进一步提高模型的鲁棒性。M18K数据集的公开不仅推动了蘑菇检测算法的标准化评估，也为智能农业中的自动化系统开发提供了重要支持。

相关研究论文

• M18K: A Comprehensive RGB-D Dataset and Benchmark for Mushroom Detection and Instance Segmentation

  休斯顿大学 · 2024年