awesome-indoor-farming

这是一个精心策划的列表，收集了关于室内农业（Indoor Farming）的公共数据集、技术、公司和媒体资源。合集主题涵盖室内农业相关数据，包括植物表型数据集、图像数据集（如叶片分类）、作物疾病数据集等，旨在为室内农业项目提供数据资源支持。This is a curated collection of public datasets, technologies, companies, and media resources focused on indoor farming. The collection covers data related to indoor farming, including plant phenotyping datasets, image datasets (e.g., leaf classification), crop disease datasets, and more, aiming to provide data resource support for indoor farming projects.

原始信息汇总

数据集概述

该页面是一个关于室内农业（Indoor Farming）的精选资源列表，重点收录了可用于推动室内农业发展的公开数据集。以下是核心内容的总结。

公开数据集

页面列出了多个与植物表型、物种识别及病虫害相关的公开数据集，可用于数据分析和自动化优化：

• 植物表型数据集：
  • Danforth Center 表型数据集：http://plantcv.danforthcenter.org/pages/data.html
• 物种识别与分类数据集：
  • iNaturalist 挑战赛 2017 数据集：http://www.gitxiv.com/posts/ueNaP74KC7qhqJMq7/the-inaturalist-challenge-2017-dataset
  • LIRMM 标本馆标本：http://otmedia.lirmm.fr/LifeCLEF/GoingDeeperHerbarium/
  • 植物性状数据库（TRY）：https://www.try-db.org/TryWeb/Database.php
  • 加州大学欧文分校叶片数据集（340 张图像）：https://archive.ics.uci.edu/ml/datasets/Leaf
  • 加州大学欧文分校百种植物叶片数据集（约 1600 张图像）：https://archive.ics.uci.edu/ml/datasets/One-hundred+plant+species+leaves+data+set
  • 奥胡斯大学植物幼苗数据集（12 个物种，960 株植物）：https://vision.eng.au.dk/plant-seedlings-dataset/
  • ImageNet 蔬菜类图像：http://image-net.org/explore?wnid=n07707451
• 病虫害数据集：
  • EPFL 作物病害数据集：https://www.plantvillage.org/en/crops
  • 作物与杂草数据集：https://github.com/cwfid/dataset

补充说明

页面还包含了开源软硬件、公司、研究团体及书籍等与室内农业相关的资源，但这些内容属于技术、商业或学术资源汇总，并非直接提供数据集。

搜集汇总

数据集介绍

构建方式

室内农业作为应对全球粮食安全与城市化挑战的前沿领域，其发展高度依赖数据驱动与自动化技术。该数据集通过系统梳理与整合，汇集了来自植物表型、物种识别、病虫害检测等多维度的公开数据集，涵盖Danforth Center植物表型数据、iNaturalist挑战赛数据集、植物幼苗与叶片图像库等资源。此外，项目还收录了开源软硬件工具，如PlantCV表型分析平台、Hydromisc水培电路板，以及多家专注技术驱动的室内农业企业信息，形成了一套涵盖数据、技术、产业与科研的综合性资源库。

特点

该数据集最显著的特点在于其跨领域整合的广度与深度。它不仅聚焦于植物生长数据，更将历史案例（如生物圈2号）、开源硬件（如FarmBot）、自动化表型技术（如3-Demeter Capture）及企业实践（如AeroFarms）融为一体，构建了从基础研究到商业应用的完整生态。同时，项目严格遵循字母顺序编排，确保信息检索的便捷性，并附有贡献指南与开放许可协议，体现了社区协作与知识共享的核心理念。

使用方法

使用者可通过GitHub仓库直接访问该数据集的目录结构，依据‘公共数据集’、‘开源软硬件’、‘企业’等分类快速定位所需资源。每个条目均附有超链接，点击即可跳转至原始数据源或项目页面。对于研究者，可直接下载Danforth Center表型数据或EPFL作物病害图像进行模型训练；对于开发者，可参考AgStack或Mycodo等开源框架搭建自动化种植系统。该数据集无需注册即可自由使用，遵循CC0公共领域许可，支持商业与非商业应用。

背景与挑战

背景概述

室内农业作为应对全球粮食安全、城市化与气候变化挑战的前沿领域，正逐步从概念验证走向技术落地。该数据集由Fabian Dubois和Eric Platon于近年整理发布，旨在系统整合室内农业相关的公开数据集、开源软硬件、企业及研究机构资源，为跨学科研究者与从业者提供基础性资料库。其核心研究问题聚焦于如何利用数据驱动与自动化技术优化植物生长环境、降低生产成本，并推动封闭生态生命支持系统（如Biosphere 2）的演进。该资源集已成为连接植物表型分析、计算机视觉与农业工程的重要枢纽，对促进精准农业和空间农业（如NASA深空食物挑战）的发展具有深远影响。

当前挑战

室内农业面临的首要挑战在于如何从海量异构数据中提取可泛化的生长优化模型，现有公开数据集如Danforth中心表型数据或作物病害图像虽具价值，却受限于采集环境单一、标注标准不一，难以直接适配不同垂直农场或水培系统的动态条件。构建过程中，整合分散的植物表型、环境传感器及开源硬件数据面临兼容性难题，例如Biosphere 2的经验揭示了封闭环境中多变量耦合控制的复杂性。此外，企业级数据壁垒与开源生态的碎片化（如FarmBot与OpenAg的异构协议）进一步加剧了跨平台数据共享与模型迁移的难度，成为制约室内农业规模化智能化的核心瓶颈。

常用场景

经典使用场景

在室内农业（Indoor Farming）这一前沿领域中，数据驱动的自动化与优化是提升作物产量、降低生产成本的核心。该数据集整合了包括植物表型数据、叶片图像、作物病害识别、杂草与作物分类在内的多元公开数据集，为研究人员提供了丰富的训练与验证资源。经典使用场景集中于利用计算机视觉与机器学习技术，对植物生长状态进行非侵入式监测，例如通过叶片图像实现物种分类、通过表型数据预测生长趋势，以及基于病害数据集构建智能诊断模型。这些场景不仅推动了精准农业的发展，还为封闭环境下的作物管理提供了可复现的基准实验平台。

解决学术问题

该数据集有效解决了室内农业领域长期面临的学术研究瓶颈，即高质量标注数据的稀缺性与跨学科整合的复杂性。在植物表型组学中，传统人工测量效率低下且主观性强，而该数据集提供的标准化图像与性状数据使自动化表型分析成为可能，加速了基因型-表型关联研究。在作物病害防控方面，基于EPFL作物病害数据集的深度学习方法突破了早期识别难题，显著提升了病害预警的准确率。此外，杂草与作物分类数据集为精准除草算法提供了训练基础，减少了化学农药的过度依赖。这些贡献推动了农业信息学从经验驱动向数据驱动的范式转变。

衍生相关工作

该数据集衍生出一系列具有影响力的经典工作，深刻重塑了农业科技的研究版图。在计算机视觉领域，基于UC Irvine叶片数据集的Kaggle竞赛催生了多种高精度植物分类网络，如深度残差网络（ResNet）在细粒度物种识别上的变体应用。在开源生态中，PlantCV（基于OpenCV的表型分析工具）与3-Demeter Capture（三维点云重建工具）直接受益于数据集中的图像与性状标注，成为自动化表型研究的标杆框架。此外，AgStack等开源基础设施项目以该数据集为验证基准，推动了农业数字孪生与联邦学习等前沿技术在室内农业中的融合创新。