脉冲星数据处理闭环：psrchive+pgplot+tempo本地化实践
2026/10/18 14:28:58
番茄腋芽关键点检测数据集 | 番茄腋芽 关键点检测 姿态估计 智慧农业 YOLO-Pose9212期
数据集概述
本数据集专注于番茄植株腋芽关键点的视觉检测与姿态估计，服务于智慧农业、作物表型分析及自动化整枝。数据涵盖番茄腋芽的不同生长状态，适配腋芽识别、整枝决策及生长监测等应用。
数据集核心信息
| 数据要素 | 详细说明 |
|---|---|
| 类别 | 共3类：腋芽节点、无叶腋芽节点、腋芽嫩枝 |
| 数量 | 1407张图像 |
| 格式 | 图像为 JPG/PNG；标签为 YOLO 关键点检测格式（txt） |
| 数据版本 | 14个版本 |
| 应用价值 | 1.自动化整枝：支撑番茄整枝机器人的腋芽识别与定位，辅助自动化农艺操作。 2.作物表型：为腋芽生长状态监测与表型分析提供数据基础。 3.生长监测：追踪腋芽发育进程，辅助农艺管理与产量预测。 4.算法研发：为植物关键点检测、细粒度识别等视觉任务提供真实场景的训练与评测数据。 |
完整类别列表（共3类）
| 序号 | 中文类别名称 | 类别说明 |
|---|---|---|
| 1 | 腋芽节点 | 番茄植株上的腋芽生长节点 |
| 2 | 无叶腋芽节点 | 已去除叶片的腋芽节点 |
| 3 | 腋芽嫩枝 | 腋芽发育形成的嫩枝 |
数据三要素解析
类别与目标覆盖
- 数据集定义3类番茄腋芽相关目标，覆盖腋芽的不同生长状态（节点、无叶节点、嫩枝）。
- 类别设置直接服务于番茄整枝决策：识别需要摘除的腋芽嫩枝，辅助自动化农艺操作。
- 关键点检测可精确定位腋芽生长点，为机械臂操作提供坐标依据。
数据规模与版本
- 图像总量约1407张，规模适中，能支撑关键点检测模型的训练。
- 数据集有14个版本，可能包含不同标注完善度或数据增强的迭代版本。
- 图像采集自番茄种植场景，涵盖不同生长阶段与光照条件。
格式与结构
- 采用YOLO 关键点检测格式（txt），标签文件包含类别 ID 与关键点坐标序列，可直接用于 YOLOv8-Pose 等框架训练。
- 图像与标签一一对应，数据结构规范，便于进行训练/验证集划分与预处理集成。
知识普及：植物腋芽关键点检测的技术要点
- 关键点定位精度：腋芽节点位于叶腋处，尺寸较小，需高精度关键点检测以支持机械臂的精细操作。
- 生长状态区分：腋芽节点、无叶节点与嫩枝的形态差异细微，模型需依赖叶片有无、嫩枝大小等特征进行区分。
- 遮挡与密集：番茄植株叶片茂密，腋芽常被叶片遮挡，需采用多尺度特征融合策略。
- 光照与背景：温室或田间光照变化大，背景包含叶片、茎秆、支架等，模型需依赖形态与纹理特征进行区分。
- 应用闭环：检测结果可结合机械臂控制系统，实现“识别-定位-摘除”的自动化整枝闭环，提升农业生产效率。
快速开始（代码示例）
配置文件data.yaml示例：
path:./datasettrain:images/trainval:images/valnc:3kpt_shape:[N,3]# N为关键点数量，每个点包含x, y, visibilitynames:['腋芽节点','无叶腋芽节点','腋芽嫩枝']启动 YOLOv8-Pose 训练：
fromultralyticsimportYOLO model=YOLO('yolov8m-pose.pt')model.train(data='data.yaml',epochs=100,imgsz=640,batch=8,device=0)标签
番茄腋芽关键点检测姿态估计智慧农业YOLO-Pose深度学习数据集计算机视觉