RGB drone images dataset for plantation monitoring

Name: RGB drone images dataset for plantation monitoring
Creator: 美国犹他大学
Published: 2025-02-12 17:21:16
License: 暂无描述

arXiv2025-02-12 更新2025-02-26 收录

下载链接：

http://arxiv.org/abs/2502.08233v1

下载链接

链接失效反馈

官方服务：

资源简介：

本研究提出了一个用于树木种植园监测的RGB无人机图像数据集，由美国犹他大学等研究机构创建。该数据集包含三种树木健康状况的类别：“良好”，“生长受阻”和“死亡”。数据集通过CVAT标注工具进行标注，用于研究目的。该数据集共有9554条标注，来自于255张无人机图像，每张图像 resolution 为4000×3000。数据集的创建旨在推动自动化树木种植园监测技术的发展。

This study proposes an RGB drone image dataset for tree plantation monitoring, which was created by research institutions including the University of Utah, USA. The dataset contains three categories of tree health conditions: "Good", "Stunted Growth", and "Dead". It was annotated using the CVAT annotation tool for research purposes. The dataset has a total of 9554 annotations sourced from 255 drone images, each with a resolution of 4000×3000. The creation of this dataset aims to promote the development of automated tree plantation monitoring technologies.

提供机构：

美国犹他大学

创建时间：

2025-02-12

搜集汇总

数据集介绍

构建方式

本研究构建了一个RGB无人机图像数据集，用于树的健康监测。该数据集通过在无人机上安装RGB相机，从50米的高度拍摄田地图像，并使用CVAT注释工具对图像进行注释，分为‘良好’、‘发育不良’和‘死亡’三个类别。数据集包含255张图像，共标注9534棵树，其中‘死亡’类1066棵，‘发育不良’类2944棵，‘良好’类5284棵。

使用方法

使用该数据集的方法包括：1）首先，利用标注工具对图像进行精确标注；2）其次，选择合适的深度学习模型进行训练；3）最后，通过模型评估和优化，提高树木健康状况监测的准确性。

背景与挑战

背景概述

RGB drone images dataset for plantation monitoring是一项针对农业领域的研究，由Yashwanth Karumanchi等人于2025年提出。该研究旨在通过无人机捕获的RGB图像，实现对植物种植园的自动监测，以帮助农民做出更精准的管理决策。该数据集包含了三种树的健康状况分类：良好、生长受阻和死亡。数据集的构建旨在推动深度学习模型在树健康监测方面的研究，特别是在发展中国家的低成本应用。

当前挑战

该数据集的构建过程中遇到了一些挑战。首先，从无人机获取的高分辨率RGB图像数据量大，对计算资源的要求较高。其次，现有的大多数深度学习模型都是基于卫星图像进行训练的，直接应用于无人机图像可能无法达到预期效果。此外，如何从无人机图像中提取有效的特征，以及如何构建适用于小数据集的深度学习模型，是该研究面临的主要挑战。

常用场景

经典使用场景

该数据集的经典使用场景在于，通过无人机搭载的RGB相机捕捉农业种植园的图像，利用深度学习模型对图像进行分类，从而实现对树木健康状况的自动监测。这对于精确农业管理至关重要，可以帮助农民根据树木的具体需求调整管理措施。

解决学术问题

该数据集解决了传统农业监测方法中存在的数据获取困难、成本高昂等问题。通过使用无人机捕获的RGB图像，结合深度学习技术，可以实现对树木健康状况的准确监测，从而提高农业生产的效率。

实际应用

在实际应用中，该数据集可以用于开发智能农业监测系统，帮助农民实时了解树木健康状况，及时采取措施防止病虫害的扩散，减少经济损失。

数据集最近研究