大豆（Glycine max L.）在印尼作为主要蛋白质资源占据重要地位。其质量和生产力可以根据种子的特性进行评估。因此，通过观察大豆种子特征进行识别的过程是植物育种和质量保证中的关键步骤。手动方法依赖于人工观察，主观性强，容易出现人为错误且耗时。随着人工智能的进步，自动化种子识别已成为潜在解决方案。然而，发展中国家本地培育品种缺乏开放和标准化的图像数据集限制了这一进展。为填补这一空白，我们提出了一个来自三种广泛种植和植物育种品种的印度尼西亚大豆种子的开放图像数据集：Anjasmoro、Grobogan 和 DEGA-1。该数据集由使用Epson L360平板扫描仪捕获的高分辨率种子图像组成，光学分辨率固定为800个点每英寸，生成6800 × 9359像素的图像。所有原始图像以JPG格式保存。本版本未发布手动分割掩码，而是使用以MobileNet为骨干的Deeplab V3+进行自动化种子图像分割。该策划的数据集旨在支持广泛的应用，包括计算机视觉任务，如图像分类和分割，以及植物育种、种子质量评估和农业信息学的研究。通过提供标准化和公开可获取的资源，该数据集有助于推动农业与人工智能交叉领域的跨学科研究。
Hanafiah等（周三）研究了这个问题。