足够数量的标记数据对于基于机器学习的模型来说是至关重要的，而训练数据的缺乏通常会成为新算法开发的瓶颈。这个问题在数字农业领域更加被放大了，由于植物不同的生长阶段、多样的品种和不同的生长环境等的原因，植物表型可能会出现很大的差异。传感器、机器人和机器学习引入农业应用时，对这类训练数据的需求很大。这一研究方向具有增加作物产量的潜力，同时还可以减少水、肥料和除草剂等资源的使用。数据将推动农业的下一场革命，尤其是带有丰富元数据信息的标记图像数据。

本文介绍了两个大的适合机器学习和计算机视觉模型训练的典型植物图像的数据集，第一个数据集包括120多万张常见的室内作物和杂草的图像，第二个数据集由540000多幅农田植物图像组成。这个全面的数据库允许根据用户的需求过滤数据集，例如作物类型或植物的年龄。此外，室内数据集包含从各种角度拍摄的植物图像，包括侧面拍摄、自上而下拍摄和角度透视。从田间植物拍摄的图像都是自上而下的视角，每个图像通常包含多个植物。对于这些图像，元数据也是可用的。本文描述了这两个数据集在植物种类、植物年龄和图像数量方面的特征。该示例为数据集的新用户提供了一个快速入口点，使他们能够在小范围内探索数据，并找到对其应用最有用的数据参数，而无需处理成千上万的单个图像。

在数据采集过程中，主要采用了普通rgb图像、边界框图像、单一植物图像和JSON文件等4种不同的图片格式，采集图像如下所示:

图1 使用绘制的计算边界框拍摄的两幅图像，下面是从第一张图片中截取的四张植物图片。

本文对每月采集的图像、单一植物图像数量和植物生长期分布作了分析。而且对小麦、菜豆、蒲公英等不同物种的植物做了整个生长期的单一图像数据集。

图2 A:每月采集的植物表型图片的数量。B：每月从普通图片中提取的单个植物图片的数量。C:单独成像植物的年龄分布

来源：

Michael A. Beck, Chen-Yi Liu, Christopher P. Bidinosti,et al. An extensive lab- and field-image dataset of crops and weeds for computer vision tasks in agriculture. arXiv:2108.05789v1.