بيانات الرؤية للحصاد الآلي وإدراك المحاصيل
صور البساتين والحقول مع تحديد مراحل النضج، ومناطق الحجب، ونقاط الإمساك، وذلك لتسهيل الحصاد الآلي وفهم المحاصيل. استكشف خيارات بيانات الحصاد مع Shaip.
مواصفات مجموعة البيانات
| فرق الشراء المستهدفة | رئيس قسم الروبوتات الزراعية؛ مدير قسم رؤية الحاسوب؛ فريق أتمتة الحصاد؛ هندسة المنتجات |
| المهام التمثيلية | الكشف عن الثمار، وتصنيف نضجها، والانسداد، وفهم الساق/الفرع، وتقدير نقطة الإمساك. |
| التقاط / طرائق التصوير | RGB، فيديو، عمق اختياري، متعدد الأطياف و LiDAR |
| التعليقات التوضيحية / البيانات الوصفية | مربعات ضيقة، أقنعة، سمات النضج/الحالة، انسداد، نقاط رئيسية، ومرشحون للإمساك |
| تنسيقات التسليم | JPEG/MP4 + COCO JSON + عمق وسحابة نقاط اختيارية |
| المقياس (توضيحي)* | 250,000–2 مليون صورة/إطار |
| المشاركون / المشغلون | لا يعتمد على المشارك |
| المهام / السيناريوهات | 20-100 نوع من المحاصيل/الظروف |
| الكائنات / المواقع / طرق العرض | 25-150 مزرعة/قطعة أرض؛ 3-10 طبقات من الملصقات |
| نطاق المشاركة الموصى به | 25,000-100,000 صورة موزعة على 3-10 مواقع و5-20 حالة |
قدم Shaip بيانات دقيقة عن التفاح تتضمن سمات حالة ثلاثية الطبقات لحالات استخدام الحصاد الآلي وتقدير المحصول.
اطلع على دراسة الحالة ذات الصلة →أين تُستخدم هذه المجموعة من البيانات
تم تصميم مجموعة بيانات الروبوتات الزراعية هذه خصيصًا لفرق تدريب نماذج اكتشاف الثمار، وتصنيف نضجها، وتحليل الحجب، وتقدير نقطة الإمساك، وذلك لروبوتات البساتين والحقول. تستخدم شركات التكنولوجيا الزراعية، وفرق أتمتة الحصاد، ومختبرات أبحاث رؤية الحاسوب، مجموعة بيانات الحصاد الروبوتية هذه كبيانات لاكتشاف الثمار وبيانات رؤية البساتين، وذلك لتحسين إدراك المحاصيل، وتقدير الإنتاجية، والقطف الموجه بالرؤية. إذا كنت تبحث عن بيانات تدريب لروبوتات الزراعة أو بيانات إدراك المحاصيل لنقل روبوت الحصاد من مرحلة إثبات المفهوم إلى مرحلة التطبيق الميداني، فإن مجموعة البيانات هذه توفر لك الأساس البصري المصنف.
اطلب عينة من مجموعة بيانات الرؤية الخاصة بالحصاد الآلي الزراعي
أخبرنا عن منتج الروبوت أو نظام الذكاء الاصطناعي المادي الذي تقوم ببنائه وسنرد عليك بنموذج للوصول إليه، والمواصفات، واقتراح يتناسب مع مهمتك.
تشير علامة " * " إلى الحقول المطلوبة
