[論文レビュー] Global Wheat Head Detection (GWHD) dataset: a large and diverse dataset of high resolution RGB labelled images to develop and benchmark wheat head detection methods

Étienne David, Simon Madec+15 more|arXiv (Cornell University)|Apr 25, 2020

Smart Agriculture and AI参考文献 38被引用数 19

ひとこと要約

グローバル・ホワイトヘッド検出（GWHD）データセットは、多様な世界的な場所、生育段階、遺伝子型から得られた4,700枚の高解像度RGB画像と190,000件のアノテート済みトウモロコシ頭部を提供し、コンピュータビジョンおよび機械学習を用いたトウモロコシ頭部検出手法の強固な開発とベンチマーク化を可能にします。FAIR原則に準拠した標準化されたデータ収集およびラベリングを支援し、隠蔽、運動ブラー、表現型のばらつきといった課題に対処します。

ABSTRACT

Detection of wheat heads is an important task allowing to estimate pertinent traits including head population density and head characteristics such as sanitary state, size, maturity stage and the presence of awns. Several studies developed methods for wheat head detection from high-resolution RGB imagery. They are based on computer vision and machine learning and are generally calibrated and validated on limited datasets. However, variability in observational conditions, genotypic differences, development stages, head orientation represents a challenge in computer vision. Further, possible blurring due to motion or wind and overlap between heads for dense populations make this task even more complex. Through a joint international collaborative effort, we have built a large, diverse and well-labelled dataset, the Global Wheat Head detection (GWHD) dataset. It contains 4,700 high-resolution RGB images and 190,000 labelled wheat heads collected from several countries around the world at different growth stages with a wide range of genotypes. Guidelines for image acquisition, associating minimum metadata to respect FAIR principles and consistent head labelling methods are proposed when developing new head detection datasets. The GWHD is publicly available at http://www.global-wheat.com/ and aimed at developing and benchmarking methods for wheat head detection.

研究の動機と目的

• 農業分野のコンピュータビジョンにおけるトウモロコシ頭部検出のための、大規模で多様かつ高品質にアノテートされたデータセットが不足しているという問題に対処すること。
• 変動する照明、頭部の重なり、風によるブラー、多様な遺伝子型といったトウモロコシ頭部検出の課題を克服すること。
• 将来のデータセット開発に向け、FAIRデータ原則（検索可能、アクセス可能、相互運用可能、再利用可能）に整合した標準化された画像収集およびラベリングプロトコルを確立すること。
• グローバルな環境条件において、強固で汎用性の高いトウモロコシ頭部検出モデルの開発とベンチマーク化を支援すること。

提案手法

• GWHDデータセットは、複数の国とトウモロコシの生育段階から高解像度RGB画像を収集した国際共同研究によって構築された。
• 画像は、照明、風、植物密度の違いを含む多様な環境的および表現型的条件下で撮影された。
• 一貫性のある手動ラベリングプロトコルを適用し、190,000個のトウモロコシ頭部をバウンディングボックスでアノテートし、高品質なアノテーションを確保した。
• FAIR（検索可能、アクセス可能、相互運用可能、再利用可能）データ原則を支援するため、メタデータを体系的に収集した。
• データセットはhttps://2020.cocodataset.org/#/indexに公開され、オープンなベンチマークとモデルトレーニングを可能にした。
• 将来のデータセットにおける再現可能性と一貫性を確保するため、画像収集およびラベリングの標準化ガイドラインが開発された。

実験結果

リサーチクエスチョン

• RQ1 大規模で多様かつ高品質にアノテートされたデータセットは、トウモロコシ頭部検出モデルの汎用性をどのように向上させるか？
• RQ2 グローバルな表現型的および環境的多様性は、トウモロコシ頭部検出アルゴリズムのパフォーマンスにどのような影響を与えるか？
• RQ3 標準化されたデータ収集およびラベリングプロトコルは、農業分野のコンピュータビジョンにおけるデータセットの品質と再利用可能性をどの程度向上させるか？
• RQ4 複数の遺伝子型と生育段階の組み合わせが、検出モデルの耐性にどのように影響するか？
• RQ5 公開可能でFAIR準拠のデータセットは、トウモロコシ表現型解析分野における研究とベンチマーク化を加速できるか？

主な発見

• GWHDデータセットには、複数の国から収集された4,700枚の高解像度RGB画像が含まれており、多様なトウモロコシ遺伝子型と生育段階を反映している。
• 合計190,000個のトウモロコシ頭部がバウンディングボックスで正確にアノテートされており、包括的なモデルトレーニングと評価を可能にしている。
• データセットは、密集した集団、重なり合う頭部、変動する照明条件を含む広範な条件でのベンチマークをサポートしている。
• 標準化された収集およびラベリングプロトコルが確立され、将来の農業画像研究における一貫性と再現可能性が促進された。
• データセットはhttps://2020.cocodataset.org/#/indexに公開されており、オープンな研究とモデル比較を促進している。
• データセットにより、グローバルな農業環境にわたるより強固で汎用性の高いトウモロコシ頭部検出手法の開発が可能になった。