CWD30：面向精准农业中作物杂草识别的综合性与整体性数据集

精准农业日益增长的需求需要高效且准确的作物与杂草识别及分类系统。现有的数据集通常缺乏开发鲁棒深度学习模型以区分农田中作物和杂草所需的样本规模、多样性和层次结构。此外，作物和杂草相似的外部结构和表型组学使识别任务变得复杂。为了解决这些问题，我们提出了 CWD30 数据集，这是一个专为精准农业中作物与杂草识别任务定制的大规模、多样化、整体性和层次化数据集。CWD30 包含 20 种杂草和 10 种作物的超过 219,770 张高分辨率图像，涵盖不同的生长阶段、多个视角和环境条件。这些图像是从不同地理位置和季节的各类农田中收集的，确保了数据集的代表性。该数据集的层次分类法支持细粒度分类，并有助于开发更准确、鲁棒和泛化的深度学习模型。我们进行了广泛的基线实验以验证 CWD30 数据集的有效性。实验表明，由于类内差异、类间相似性和数据不平衡，该数据集带来了重大挑战。此外，我们证明了一些微小的训练修改（例如使用 CWD30 预训练骨干网络）可以显著提升模型性能并减少收敛时间，从而在多个下游任务中节省训练资源。这些挑战为作物与杂草识别的未来研究提供了有价值的见解和机遇。我们相信 CWD30 数据集将成为评估作物与杂草识别算法的基准，促进精准农业的发展，并促进该领域研究人员之间的合作。