Cannabis Grow Diagnosis Dataset

一个开放的、结构化的大麻种植常见问题数据集，涵盖营养缺乏/过量、害虫、真菌/细菌疾病、pH/EC问题、浇水问题、根问题、光胁迫、温度/湿度/VPD、生长/训练问题、开花/收获问题等12个类别的79种诊断，每种诊断包含德文和英文名称、类别、简短描述、受影响植物部位、典型生长阶段、首次可见症状、典型原因以及相关文章链接。An open, structured dataset of common diagnostic issues for cannabis cultivation. It encompasses 79 diagnostic entries across 12 categories, including nutrient deficiency/excess, pests, fungal/bacterial diseases, pH/EC-related problems, watering issues, root disorders, light stress, temperature/humidity/VPD issues, growth/training problems, and flowering/harvesting problems. Each diagnostic entry includes its German and English names, corresponding category, brief description, affected plant parts, typical growth stages, initial visible symptoms, typical causes, and relevant article links.

原始信息汇总

数据集名称：Cannabis Grow Diagnosis Dataset（大麻种植诊断数据集）

数据集来源：由德语大麻种植知识平台 MeinePlantage.de 维护。

数据集内容：

• 涵盖 79 种诊断结果，分布于 12 个类别（营养缺乏/过量、害虫、真菌/细菌病害、pH/EC 问题、浇水问题、根部问题、光胁迫、温度/湿度/VPD、生长/训练问题、开花/收获问题等）。
• 每种诊断包含以下信息：
  • 德语 + 英语名称
  • 类别
  • 简短描述
  • 受影响的植物部位
  • 典型生长阶段
  • 首发症状
  • 典型原因
  • 指向完整深度文章的链接（如有）

文件格式：

• cannabis-diagnosen-dataset.json：完整数据集（JSON 格式）
• cannabis-diagnosen-dataset.csv：完整数据集（CSV 格式）
• kategorien.json：类别参考文件（含 ID、德语名称、英语名称）

不包括的内容：

• 不包含即时补救措施
• 不包含长期解决方案
• 不包含鉴别诊断逻辑（如何区分相似症状）
• 不包含严重程度分级
• 以上内容仅存在于完整的诊断系统（https://meineplantage.de/diagnose/）中，包括免费交互式诊断向导

许可证：采用 CC BY 4.0 许可，可自由使用、分享和改编（包括商业用途），但需注明出处并链接回本仓库或 MeinePlantage.de。

数据更新：定期维护，但不保证始终反映实时数据库的最新状态。

搜集汇总

数据集介绍

构建方式

在大麻种植领域，栽培过程中面临的各种非生物胁迫与生物侵害是影响作物健康与产量的关键因素，而系统化的诊断数据是推动精准农业实践的重要基础。该数据集由德国大麻种植知识平台MeinePlantage.de维护，通过整合其专业知识库中常见的栽培问题，构建了一份开放结构化的诊断数据集。数据集涵盖12个类别，共79种诊断条目，包括养分缺乏与过量、虫害、真菌与细菌病害、pH与EC失衡、浇水问题、根部问题、光胁迫、温湿度与VPD异常、生长与训练问题以及开花与收获期问题。每一条目均以标准化字段记录，提供德语与英语名称、所属类别、简短描述、受影响植物部位、典型生长阶段、首发症状、典型成因及指向深度文章的链接。数据以JSON和CSV两种格式发布，并附有分类参考文件，便于二次处理与集成。

特点

该数据集的独到之处在于其聚焦于大麻栽培领域常见问题的系统化分类与结构化表达，填补了该细分领域开源诊断数据的空白。数据集覆盖了从营养管理到环境调控、从病虫害识别到生长训练等全方位诊断场景，每条记录均以多维度字段精确描述问题特征，如首发症状与受影响部位，有助于用户快速定位问题类型。同时，数据集明确区分了公开版本与完整诊断系统之间的边界，将即时处理方案、相似症状的鉴别逻辑及严重程度分级等深层内容保留于平台互动工具中，这种设计既保证了开放数据的简洁可用性，也维护了专业知识的深度与完整性。数据集依据CC BY 4.0许可发布，允许商业与非商业使用，仅需适当署名并链接回源平台，具有良好的开放生态属性。

使用方法

用户可直接通过GitHub仓库下载JSON或CSV格式的数据文件，将其加载至数据分析工具或编程环境（如Python的Pandas库、R语言或Excel）中进行读取、查询与集成。对于需要快速查询特定栽培问题的场景，可按类别或名称筛选诊断条目，获取症状描述与成因信息以辅助现场诊断。若需进一步获取详细的解决方案或进行症状间的鉴别比对，可访问MeinePlantage.de提供的交互式诊断向导及完整知识库。数据集的许可允许灵活使用，开发人员可将其嵌入种植管理系统、智能诊断应用或教育材料中，但在分发或修改时需要保留原始归属说明并链接至数据源平台，以遵循CC BY 4.0的条款。

背景与挑战

背景概述

在精准农业与植物表型分析领域，大麻（Cannabis sativa L.）作为一种兼具药用与经济价值的重要作物，其栽培过程中的健康诊断一直是行业痛点。由德国专业大麻种植知识平台MeinePlantage.de于近年开发的Cannabis Grow Diagnosis Dataset，系统性地整合了79种常见栽培问题，涵盖营养失衡、病虫害、环境胁迫及生长异常等12大类别。该数据集以中德双语标注，详细记录了症状部位、发生阶段及典型诱因，并链接至深度知识库，填补了公开领域规范化大麻病害结构化数据的空白。其采用CC BY 4.0许可发布，显著促进了农业人工智能、计算机视觉诊断及精准栽培决策系统的研究进展，成为该细分领域的重要基准资源。

当前挑战

该数据集所解决的领域核心挑战在于大麻栽培诊断的高度非标准化与多模态复杂性。一方面，相似表型症状（如缺氮与过度浇水均导致叶片黄化）常对应截然不同的致病机制，传统经验依赖性强，亟需结构化知识体系辅助鉴别。另一方面，构建过程中面临数据稀缺与异质性难题：不同品种、生长介质及环境条件下症状表现差异显著，且涉及微生物病害的实时动态变化难以通过静态描述完全捕捉。此外，公开版本刻意省略了即时干预措施与严重度分级等关键信息，使得下游模型在风险预测与治疗建议的自动化推理中面临信息不完整的局限。

常用场景

经典使用场景

在农业科学和植物病理学领域，大麻种植过程中常遭遇营养失衡、病虫害侵扰及环境胁迫等复杂问题。该数据集系统收录了79种常见诊断案例，涵盖12大类别，包括营养缺乏与过剩、真菌细菌病害、pH/EC异常、光照胁迫及生长训练问题等。研究人员可借助该数据集构建自动化诊断模型，通过分析植株受影响的部位、典型生长阶段及首要症状等结构化特征，实现对特定病症的快速分类与识别。其经典的跨语言标注设计（德英双语）亦为多语种农业知识库的构建提供了标准化的基准资源。

衍生相关工作

该数据集衍生出了多个颇具影响力的研究方向与工具。例如，有学者基于其结构化症状描述构建了基于规则推理的专家系统，模拟植物营养学专家的诊断流程；亦有团队以该数据集为标签，训练了面向大麻叶片图像的多标签分类卷积神经网络，初步实现了从视觉特征到病因映射的自动推理。此外，由于其清晰的类别体系与双语属性，该数据已被用作构建跨语种农业知识图谱的骨架数据，启发了一系列关于植物病症本体论（Ontology）构建的研究工作，进一步拓展了其在计算植物病理学年鉴统计中的基础作用。

数据集最近研究

最新研究方向

该数据集聚焦于大麻种植过程中常见问题的系统性诊断，涵盖营养失衡、病虫害、环境胁迫及生长异常等12大类别共79种诊断条目。在当前全球大麻合法化趋势加速推进、药用与工业大麻需求激增的背景下，精准农业与数字化诊断工具成为产业升级的关键突破口。该数据集通过结构化组织症状描述、受影响部位、生长阶段及典型成因，为构建基于机器学习的自动识别与预警模型提供了标准化基础。其开放共享的CC BY 4.0许可协议促进了科研协作，尤其契合欧洲大麻法规逐步放宽后对规范化种植知识库的迫切需求。这一资源不仅赋能种植者实现早期干预以减少损失，更推动了农业物联网与大麻栽培技术的深度融合，为可持续、高产量的精准园艺实践奠定了数据驱动的变革基础。