種子はspeciesごとに形・色・表面textureが違う一方、同じspecies内でも成熟度や保存条件、撮影角度で見え方が変わります。2024年の Scientific Data Data Descriptorは、computer visionによるseed recognition用dataset LZUPSDを公開しました。
88種類、4496 RGB images
LZUPSDには88 categories、合計4496 imagesが含まれます。1 categoryあたりおよそ50 imagesになるようscreeningされ、training 3625枚、test 871枚へ4:1で分割されています。
種子は中国・蘭州のGrass Lawn Seed Quality Supervision, Inspection and Testing Center由来です。legume 24 species、grass family 22 speciesが大きな割合を占めます。
高価なhyperspectral cameraではなくsmartphone
Xiaomi Mix2（12 MP）へmacro lensを付け、黒布と小型studioで撮影しました。照明条件、seed position、angleを変え、最終的に192×272 pixelへcropしています。
目的は、安価なRGB acquisitionでもfine-grained classification datasetを作れることです。
benchmarkは最高95%前後だが、実世界精度とは別
ResNet50は93.2% accuracy、DenseNet201は約94–95%、SENetは95.1%など、controlled dataset内では高い分類performanceを示しました。
ただし黒背景・studio撮影のclosed-set 88-class classificationです。土、莢、異物、破損種子、未知speciesが混ざる現場で同じ精度が出るとは限りません。
datasetは「種子図鑑」でもあるが主目的はAI基盤
掲載画像は形態的に面白く、植物多様性を眺める資料としても魅力があります。ただし論文の主目的は美術的catalogではなく、deep learning seed recognitionのtraining/benchmark resourceです。
2025年にはRGBとhyperspectralを同じseedでpaired acquisitionしたBiSID-5kも公開され、種子AI datasetはvisible imageからspectral informationへ拡張しています。
関連するテーマとして、ドローンでキャベツ1株ずつの収穫重量を予測――53日前でもR²>0.72を示した実験圃場研究もあわせて読むと背景がつながります。
関連するテーマとして、AI育種シミュレーションはどこまで「育種」なのか――合成データ中心のbioRxiv概念実証を読むもあわせて読むと背景がつながります。
関連するテーマとして、ダイズ種子の重さ・protein・oilをSW14が配分する――NF-Y複合体を抑える自然変異もあわせて読むと背景がつながります。
参考文献
- Yuan M et al. A dataset for fine-grained seed recognition. Scientific Data. 2024;11:344. https://doi.org/10.1038/s41597-024-03176-5
- BiSID-5k: A bimodal image dataset for seed classification from the visible and near-infrared spectrum. Scientific Data. 2025. https://doi.org/10.1038/s41597-025-05979-6
コメント