HyperAgri-RGB2HSI

HyperAgri-RGB2HSI是一个开源农业高光谱数据集，由公开可用的作物RGB图像数据集构建而成，通过RGB-to-HSI重建算法生成高光谱图像（HSI）立方体，形成一个统一、标准化且可重复使用的农业多模态数据集。该数据集旨在支持作物病害识别与严重性分析、杂草与作物对象检测与分割、高光谱重建与跨模态生成、精准农业中的光谱分析与决策制定等研究。

HyperAgri-RGB2HSI is an open-source agricultural hyperspectral dataset constructed from publicly available crop RGB image datasets. It generates hyperspectral image (HSI) cubes via RGB-to-HSI reconstruction algorithms, thus forming a unified, standardized and reusable agricultural multimodal dataset. This dataset is designed to support research including crop disease identification and severity analysis, weed and crop object detection and segmentation, hyperspectral reconstruction and cross-modal generation, as well as spectral analysis and decision-making in precision agriculture.

原始信息汇总

HyperAgri-RGB2HSI 数据集概述

数据集基本信息

• 数据集名称：HyperAgri-RGB2HSI
• 发布日期：2025-12-01
• 任务类型：图像分类、分割、目标检测、高光谱重建
• 数据模态：RGB、HSI
• 空间分辨率：与原始RGB图像相同
• 光谱波段：31个波段（400–760 nm）
• 数据格式：.mat
• 许可证：CC BY 4.0（针对重建的HSI数据）+ 上游数据集许可证

数据集简介

HyperAgri-RGB2HSI是一个开源农业高光谱数据集。该数据集从公开的作物RGB图像数据集构建，通过RGB到HSI重建算法生成高光谱图像立方体，旨在形成一个统一、标准化且可复用的农业多模态数据集。

设计目的

该数据集旨在支持以下领域的研究：

• 作物病害识别与严重程度分析
• 杂草与作物目标检测与分割
• 高光谱重建与跨模态生成
• 精准农业中的光谱分析与决策

数据下载与存储

• 实际数据存储位置：百度网盘
• 数据集名称：HyperAgri-RGB2HSI-Dataset
• 下载链接：https://pan.baidu.com/s/108FijCjdtrMED6J_9UHFtQ?pwd=87y1
• 提取码：87y1
• 下载后处理：下载后请在本地解压压缩包，并保持原始目录结构以避免潜在的路径或索引问题。

目录结构

该数据集的目录结构完全遵循原始RGB数据集，重建的高光谱.mat文件被添加到与对应RGB图像相同的目录中。即：

• 原始RGB图像保持不变
• 每个RGB图像在同一目录下都有一个对应的HSI .mat文件

上游数据集与许可证

本数据集中的高光谱数据从以下公开可用的RGB数据集重建而来。每个上游数据集保留其原始许可证和使用限制。

1. DeepWeeds

   • 描述：一个在澳大利亚收集的田间杂草识别数据集，包含8个杂草类别和17,509张RGB图像
   • 原始用途：杂草分类与检测
   • 许可证：Creative Commons Attribution 4.0 (CC BY 4.0)
   • 来源：https://github.com/AlexOlsen/DeepWeeds

2. Global Wheat Head Dataset 2021 (GWHD 2021)

   • 描述：一个多国家、多场景的小麦穗头检测数据集
   • 原始用途：小麦穗头目标检测
   • 许可证：Creative Commons Attribution 4.0 (CC BY 4.0)
   • 来源：https://www.kaggle.com/datasets/vbookshelf/global-wheat-head-dataset-2021

搜集汇总

数据集介绍

构建方式

在农业遥感领域，高光谱成像技术因其丰富的光谱信息而备受关注，但获取真实高光谱数据往往成本高昂。HyperAgri-RGB2HSI数据集巧妙地通过算法重建方式构建，其核心在于利用公开的农业RGB图像数据集——包括DeepWeeds和Global Wheat Head Dataset 2021——作为数据源。采用先进的RGB-to-HSI重建算法，将普通RGB图像转换为包含31个光谱波段的高光谱立方体，覆盖了400至760纳米的光谱范围。这一构建过程不仅保留了原始RGB图像的空间分辨率，还生成了对应的.mat格式高光谱文件，并与原RGB图像存放在相同目录结构中，从而形成了一个统一且标准化的多模态农业数据集。

特点

该数据集最显著的特点在于其多模态与算法生成的特性。它同时提供RGB图像与重建的高光谱图像，为跨模态研究提供了直接对齐的数据对。光谱维度上，31个连续波段涵盖了可见光至近红外区域，能够捕捉作物在健康、病害或胁迫状态下的细微光谱差异。数据来源于两个权威的公开数据集，分别聚焦于杂草识别和小麦穗检测，确保了数据在真实农业场景中的代表性。此外，数据集严格遵循上游数据的许可协议，重建的高光谱部分采用CC BY 4.0许可，兼顾了开源共享与学术规范性。

使用方法

研究人员可通过提供的百度网盘链接下载完整数据集，解压后需保持原始目录结构以方便数据索引。该数据集支持多种计算机视觉与农业信息学任务，包括但不限于作物病害识别与严重度分析、杂草与作物目标检测及分割、高光谱图像重建与跨模态生成研究。在使用时，用户可直接读取.mat文件获取高光谱立方体，并结合同目录下的原始RGB图像进行多模态分析。由于数据源自两个不同的上游数据集，建议用户在使用前分别了解DeepWeeds和GWHD 2021的原始任务背景与许可条款，以确保研究的合规性与准确性。

背景与挑战

背景概述

在精准农业与农业信息学领域，高光谱成像技术因其能够捕获作物在连续窄波段下的反射光谱信息，为作物病害识别、杂草检测和生长监测提供了强大的数据支撑。然而，高光谱数据的获取成本高昂且处理复杂，限制了其在农业研究中的广泛应用。HyperAgri-RGB2HSI数据集于2025年12月由相关研究团队发布，旨在通过算法重构的方式，将公开的农业RGB图像数据集（如DeepWeeds和GWHD 2021）转化为高光谱图像立方体。该数据集的核心研究问题在于解决农业多模态数据中高光谱数据稀缺的瓶颈，通过提供统一的、标准化的RGB与高光谱配对数据，推动作物病害分析、杂草识别、高光谱重建及跨模态生成等研究方向的发展，为农业智能化决策提供关键数据基础。

当前挑战

该数据集致力于应对农业视觉任务中高光谱数据匮乏的核心挑战，其首要目标是为作物病害识别、杂草检测及光谱分析等复杂问题提供多模态解决方案。在构建过程中，研究团队面临多重技术难题：一是如何确保从RGB图像到高光谱图像的重建算法具有足够的保真度与泛化能力，以准确模拟真实作物的光谱特征；二是需妥善处理上游RGB数据集（如DeepWeeds与GWHD 2021）在采集环境、成像条件及标注标准上的异质性，保证重建后数据的一致性与可靠性；三是数据集成与格式统一的技术障碍，需在保留原始数据结构的同时，高效生成并配对高光谱.mat文件，确保数据集的易用性与可扩展性。

常用场景

经典使用场景

在精准农业领域，高光谱成像技术因其丰富的光谱信息而备受关注。HyperAgri-RGB2HSI数据集通过算法将公开的RGB作物图像重建为高光谱立方体，为研究者提供了一个标准化的多模态农业数据平台。该数据集最经典的使用场景在于支持作物病害识别与严重度分析，研究者能够利用其31个光谱波段（400-760纳米）深入探究病害在特定波长下的光谱特征，从而建立更精确的诊断模型。

衍生相关工作

该数据集的发布，催生了一系列围绕农业多模态感知的经典研究工作。例如，基于其重建的高光谱数据，研究者发展了新型的跨模态迁移学习框架，提升了在有限真实高光谱数据下的模型泛化能力。同时，它也促进了针对作物病害光谱诊断、杂草光谱特征提取等任务的专用神经网络架构的优化与比较研究，丰富了农业人工智能的技术图谱。

数据集最近研究

最新研究方向

在精准农业领域，多模态数据融合正成为提升作物监测与分析能力的关键路径。HyperAgri-RGB2HSI数据集通过算法重建将公开RGB图像转化为高光谱立方体，为作物病害识别、杂草检测等任务提供了统一的跨模态基准。当前研究前沿聚焦于利用此类合成高光谱数据，探索深度学习模型在有限真实标注下的泛化性能，以及RGB与高光谱信息间的互补机制，以推动低成本、高效率的田间智能决策系统发展。该数据集的构建响应了农业人工智能对标准化、可复用数据资源的迫切需求，有望加速光谱分析技术在作物表型解析与病害早期预警中的实际应用。