AgroBench：农业领域的视觉-语言模型基准
计算机视觉与模式识别
2025-07-29 v1
摘要
对农业任务（如病虫害识别）的精准自动理解，对可持续作物生产至关重要。近期视觉-语言模型（VLM）的进展预计进一步扩展其在农业任务中的应用范围，通过轻松的基于文本的交互促进人与模型之间的沟通。本文介绍 AgroBench（作物学家AI基准），用于评估 VLM 模型在七个农业主题上的表现，涵盖农业工程的关键领域且具有现实农业应用价值。不同于最近的农业 VLM 基准，AgroBench 由专职作物学家进行标注。我们的 AgroBench 覆盖最新的类别，包括 203 个作物类别和 682 个病虫害类别，以全面评估 VLM 能力。在 AgroBench 上进行评估，我们发现 VLM 在细粒度识别任务方面仍有提升空间。值得注意的是，在杂草识别中，大多数开源 VLM 的表现接近随机。凭借广泛的主题范围和专家标注的类别， 我们分析了 VLM 所犯的错误类型，并为未来 VLM 开发提出了潜在的发展路径。本数据集和代码已公开于 https://dahlian00.github.io/AgroBenchPage/。
引用
@article{arxiv.2507.20519,
title = {AgroBench: Vision-Language Model Benchmark in Agriculture},
author = {Risa Shinoda and Nakamasa Inoue and Hirokatsu Kataoka and Masaki Onishi and Yoshitaka Ushiku},
journal= {arXiv preprint arXiv:2507.20519},
year = {2025}
}
备注
ICCV 2025