数据集概述
本数据集记录了马铃薯植株顶端分生组织识别任务的人类重复性实验数据，用于AI监督学习模型的训练。数据聚焦于人类难以完成的二维图像中分生组织边界框标注任务，旨在解决AI训练数据的误差与偏差问题，为模型准确性提供支持，包含4个相关文件。
文件详解
- README.docx
- 文件格式：DOCX
- 字段映射介绍：文档文件，推测包含数据集的背景说明、使用方法、数据收集流程等补充信息。
- stems.xlsx
- 文件格式：XLSX
- 字段映射介绍：数据文件，推测包含马铃薯植株茎部相关的基础数据或标注信息。
- boxes.xlsx
- 文件格式：XLSX
- 字段映射介绍：数据文件，推测包含顶端分生组织边界框标注的坐标或范围信息。
- c_dist.xlsx
- 文件格式：XLSX
- 字段映射介绍：数据文件，推测包含边界框标注的距离相关统计或评估数据。
数据来源
论文“Investigating human repeatability of a computer vision based task to identify meristems on a potato plant (Solanum tuberosum)”
适用场景
- 农业AI模型训练: 用于训练马铃薯植株顶端分生组织识别的计算机视觉监督学习模型。
- 训练数据质量评估: 分析人类标注的重复性与误差，优化AI训练数据的准确性。
- 计算机视觉标注流程优化: 研究人类完成复杂图像标注任务的规律，改进标注方法与工具。
- 农业表型研究: 支持马铃薯植株生长状态的自动化识别与分析，辅助农业科研与生产决策。
