DeepPhenoTree-Apple Edition: a multi-site apple phenology RGB annotated dataset with deep learning baseline models

在机器学习驱动的植物表型分析中，标注良好的图像数据集对于开发能够捕捉不同环境下物候变异的稳健模型至关重要。在此，我们介绍DeepPhenoTree-Apple Edition，一个用于检测苹果树关键物候阶段的多地点、多品种RGB图像数据集。该数据集包含48,320张带有时间戳的RGB图像，采集自Apple REFPOP联盟的四个欧洲果园，涵盖了生物学、农艺学和环境变异，包括基因型、果园结构、物候发育、温度和湿度条件的差异。从这一大型语料库中，我们精心挑选了808张具有代表性的图像子集进行人工标注。该子集包含241,600条专家标注，覆盖从休眠芽到果实成熟的发育阶段。图像使用配备主动闪光照明（active flash illumination）的标准化拖拉机搭载表型分析平台采集。主动闪光照明用于减少光照变异性，并统一不同地点的曝光、阴影和阳光差异。物候结构按照BBCH scale（BBCH尺度）进行标注，边界框根据器官可见性和发育阶段进行调整。除数据集外，我们还提供了深度学习基线实验，以展示检测性能以及不同地点的检测性能。