Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

AppleGrowthVision: A large-scale stereo dataset for phenological analysis, fruit detection, and 3D reconstruction in apple orchards

Created by
  • Haebom

저자

Laura-Sophia von Hirschhausen, Jannes S. Magnusson, Mykyta Kovalenko, Fredrik Boye, Tanay Rawat, Peter Eisert, Anna Hilsmann, Sebastian Pretzsch, Sebastian Bosse

개요

AppleGrowthVision이라는 대규모 사과 과수원 데이터셋을 제시합니다. 해당 데이터셋은 독일 브란덴부르크와 필니츠 두 지역에서 수집된 고해상도 스테레오 이미지 9,317장과 밀집 31,084개의 사과 라벨이 포함된 1,125장의 이미지로 구성됩니다. 6가지 농업적으로 검증된 성장 단계를 포함하며, 사과 위치 확인, 수확량 추정, 구조 분석 등의 작업에 사용될 수 있습니다. 기존 MinneApple 데이터셋에 AppleGrowthVision을 추가하여 YOLOv8과 Faster R-CNN 모델의 성능을 향상시켰으며, 다양한 CNN 모델을 이용하여 성장 단계를 95% 이상의 정확도로 예측하는 것을 보여줍니다. 정밀 농업에서 과일 탐지, 성장 모델링, 3D 분석을 위한 강력한 모델 개발을 가능하게 합니다.

시사점, 한계점

시사점:
사과 과수원 모니터링을 위한 대규모 고품질 스테레오 이미지 데이터셋 제공
다양한 성장 단계와 밀집 라벨 정보 포함으로 정밀한 3D 모델링 및 다양한 작업 가능
기존 모델 성능 향상을 통한 실용성 검증 (YOLOv8, Faster R-CNN 성능 향상)
농업 과학과 컴퓨터 비전 간의 협력을 통한 정밀 농업 발전 가능성 제시
성장 단계 예측 모델의 높은 정확도 달성
한계점:
향후 어노테이션 개선 및 3D 재구성 향상 필요
모든 성장 단계에 걸친 다중 모달 분석 확장 필요
👍