合集：AI案例-CV-农业
数据集：基于可见光图像的柑橘花果梢数据集
数据集价值：实现对图像中不同对象的识别和分割。
一、赛题描述
赛题：基于可见光图像的柑橘花果梢语义分割挑战赛-初赛
主办方：科大讯飞
主页：https://challenge.xfyun.cn/topic/info?type=citrus-flower-tip-2023&option=tjjg
赛事背景
柑橘是我国重要的经济作物之一，柑橘花果梢是柑橘生长发育的重要部位，也是柑橘病虫害的主要发生部位。为了提高柑橘产量和品质，需要对柑橘花果梢进行有效的监测和管理。语义分割是一种计算机视觉技术，可以对图像中的每个像素进行分类，从而实现对图像中不同对象的识别和分割。
语义分割的基础是将像素按照其在图像中表达的语义含义进行分组或分割。具体来说，语义分割算法会分析图像中的每个像素，并根据其周围的特征将其归类到特定的语义类别中。这一过程需要对图像进行深入的特征提取和分类，以实现准确的语义分割。应用场景
- 自动驾驶系统：通过对摄像头拍摄的图像进行语义分割，车辆能够准确地识别出道路标记、行人、车辆等障碍物，从而做出准确的驾驶决策，提高道路安全性和驾驶体验。
- 无人机应用：无人机在航拍、农业监测、物流等领域有广泛应用。通过搭载语义分割算法，无人机能够实时识别出目标物体，如农作物、建筑物等，从而实现精准定位和自动化操作，提高工作效率和精度。
- 穿戴式设备：在智能眼镜、智能手表等穿戴式设备中，语义分割技术有助于实现更自然的人机交互。例如，通过识别用户的手势或面部表情，设备能够理解用户的意图并做出相应的响应，提高用户体验和设备智能化水平。
赛事任务
柑橘花果梢的语义分割研究需要强大的数据作为支撑，本次大赛提供了华南农业大学校内及部分实验室内部柑橘花果梢数据作为训练样本，参赛选手需根据提供的样本构建相应模型，对柑橘新梢、花朵和青果进行语义分割。
评估指标
本模型依据提交的结果文件，采用mIOU进行评价。
（1）统计TP（真正）: 预测正确, 预测结果 = 真实 = 正类 ；
FP（假正）: 预测错误, 预测结果 = 正类 ≠ 真实 = 负类；
FN（假负）: 预测错误, 预测结果 = 负类 ≠ 真实 = 正类；
TN（真负）: 预测正确, 预测结果 = 负类 = 真实 = 负类；
（2）通过第一步的统计值计算模型的MIoU。MIoU（Mean Intersection over Union，平均交并比）是一种用于评估语义分割模型性能的重要指标。它通过计算预测结果中每一类与真实标签之间的交并比（IoU）的平均值，来衡量模型的准确性。IoU公式：IoU = TP / (TP + FP + FN)。MIoU是所有类别IoU的平均值，计算公式为：MIoU = (IoU1 + IoU2 + … + IoUn) / n 其中，n是类别数。
评测及排行
1、本赛题均提供下载数据，选手在本地进行算法调试，在比赛页面提交结果。
2、排行按照得分从高到低排序，排行榜将选择团队的历史最优成绩进行排名。
二、数据集内容
柑橘花果梢的识别检测研究需要强大的数据作为支撑，本次大赛提供了华南农业大学校内及部分实验室内部柑橘花梢数据作为训练样本。本次大赛所用可见光柑橘新梢、花朵、花苞和青果图像，图像格式为jpg。此次比赛分为初赛和复赛两个阶段，两个阶段的区别是所提供样本的量级有所不同，并且检测任务不同（初赛1分类，复赛2分类），其它的设置均相同。
表1（初赛1个类别）
| 数据类别 | 数据名称 | 数据格式 | 解释 |
|---|---|---|---|
| 基本数据 | shoots | jpg | 柑橘新梢 |
表2（复赛2个类别）
| 数据类别 | 数据名称 | 数据格式 | 解释 |
|---|---|---|---|
| 基本数据 | orange | jpg | 柑橘青果 |
| 基本数据 | flower | jpg | 柑橘花 |
“柑橘青果”对应像素值1，“柑橘花”对应像素值2。
标注数据
对应于图片shoot0_5.jpg，其标注为：shoot0_5.xml。
<?xml version="1.0" encoding="utf-8"?>
<annotation>
<folder>driving_annotation_dataset</folder>
<filename>shoot0_5.jpg</filename>
<size>
<width>608</width>
<height>608</height>
<depth>3</depth>
</size>
<object>
<name>shoot</name>
<pose>Unspecified</pose>
<truncated>0</truncated>
<difficult>0</difficult>
<bndbox>
<xmin>270</xmin>
<ymin>199</ymin>
<xmax>341</xmax>
<ymax>372</ymax>
</bndbox>
</object>
<object>
<name>shoot</name>
<pose>Unspecified</pose>
<truncated>0</truncated>
<difficult>0</difficult>
<bndbox>
<xmin>122</xmin>
<ymin>195</ymin>
<xmax>207</xmax>
<ymax>366</ymax>
</bndbox>
</object>
<object>
<name>shoot</name>
<pose>Unspecified</pose>
<truncated>0</truncated>
<difficult>0</difficult>
<bndbox>
<xmin>198</xmin>
<ymin>242</ymin>
<xmax>262</xmax>
<ymax>373</ymax>
</bndbox>
</object>
</annotation>
本案例使用初赛数据集，训练数据集图片数：420个；测试数据集图片数：180个。
数据集图片样例(shoot0_5.jpg)：
数据集版权许可协议
发布者：华南农业大学
GPL2.0