葡萄园主不可能时时刻刻都在看。这就是为什么基于地面的视觉系统正在成为行业的把戏。
快速客观地评估树冠大小的视觉系统已经存在了一段时间；阿德莱德大学的研究人员正在开发具有比以往更强大的图像识别能力的视觉系统。
研究人员训练了机器学习算法，从物理和热像仪中推断出关键的健康和发育指标——包括植物面积指数 (PAI)、修剪重量、花序和芽数、芽数和植物叶温。
该视觉系统将很快可供种植者使用，用于训练算法的庞大图像库也将如此。
VitiData 是一个包含超过 175,000 张处于不同发展阶段的葡萄藤图像的库。VitiData 和地面视觉系统本身都是更大的 VitiVisor 项目的一部分，由澳大利亚葡萄酒协会和 Riverland Wine 资助
通过将 VitiData 发布到开源数据共享平台 Figshare，研究人员正在为更大的葡萄栽培和计算机视觉科学社区做出努力。
在信息时代，数据是我们最宝贵的资产。VitiData 是一个从 14 个不同地点收集的广泛图像库，总面积为 60 公顷，涉及 Riverland 种植的五个主要葡萄品种。
这些图像中的近 1,000 张由葡萄栽培专家注释，以验证算法做出的预测。这代表了 420 小时的专家注释，并产生了一个“培训”数据集，该数据集对于希望创建或增强其实地视觉能力的公司来说非常有价值。
本站声明：网站内容来源于网络，本站只提供存储，如有侵权或不妥，请联系我们，我们将及时处理，谢谢。发布者：责任编辑，转转请注明出处：https://winery.net.cn/7046.html
