南瓜混发病虫害识别高质量标注数据

南瓜混发病虫害是指南瓜植株同时出现两种及以上病害或昆虫为害症状的复杂田间情况，在实际生产中较为常见。混发病虫害的识别比单一病害或虫害更加困难，传统人工诊断往往只能识别症状最明显的一类问题，容易遗漏并发病害或虫害，导致防治不彻底。随着智能手机和移动互联网的普及，农户、农技人员和农业管理部门可以通过拍摄南瓜叶片图像，利用人工智能技术实现病虫害多标签识别和综合诊断。本数据知识产权通过采集田间南瓜出现染病或昆虫为害症状的叶片局部特写影像，利用自主研发的南瓜多标签病害虫害识别模型进行多标签识别，筛选高置信度类别大于2种的病害或昆虫为害图片，并由专业病害标注人员逐一进行症状辨析和类别鉴定，保留一图多病害/虫害的样本作为南瓜混发病虫害样本。数据适用条件为田间影像需满足一定清晰度和分辨率要求；范围覆盖南瓜银叶病、南瓜白粉病、南瓜病毒病、黄守瓜为害、潜叶蝇为害等多类病虫害组合；对象包括农户、农业管理部门、科研机构、农业科技公司和病虫害多标签识别模型研发团队。一、加工前的数据说明 利用智能手机和数码相机采集田间南瓜出现染病或昆虫为害症状的叶片局部特写图像。采集图像时尽量保证光照条件适中、拍摄角度清晰，并对图像进行初步筛选，剔除模糊、严重遮挡或噪声过多的样本，以确保数据质量。原始图像统一格式存储，为后续多标签病害虫害识别模型初筛、人工复核和结构化标注提供基础数据。 二、处理规则 （一）多标签病害虫害识别模型初筛 将采集并初步质控后的南瓜叶片图像输入自主研发的南瓜多标签病害虫害识别模型，进行多标签识别。该模型基于MobileNet-V2模型进行微调训练，能够对同一张叶片图像中同时出现的多种南瓜病害和昆虫为害症状进行候选识别。 （二）高置信度多标签结果提取 根据模型输出结果，筛选高置信度类别大于2种的病害或昆虫为害图片。混发病虫害样本定义为出现2种及以上病害/虫害症状的样本，通过该步骤可从大批量田间南瓜叶片图像中快速召回疑似混发病虫害图像。 （三）人工症状辨析与类别鉴定 筛选后的图片由专业病害标注人员逐一进行症状辨析和类别鉴定，结合南瓜银叶病、白粉病、病毒病、黄守瓜为害、潜叶蝇为害等典型症状，确认每张图像中实际存在的病害或虫害类别，剔除模型误识别、症状不典型或不满足混发条件的样本。 （四）数据处理 按照人工复筛结果记录每张图像的健康状态、病虫害类别列表和病虫害数量，生成与图片一一对应的JSON标签文件，包含图像名称（image_name）、健康状态（healthy_status）、病虫害类别列表（disease_pest_category）和病虫害数量（disease_pest_count）。 三、数据内容描述 最终形成的数据集合包括：①手机和相机拍摄的南瓜混发病虫害高清图像，所有样本均为出现2种及以上病害/虫害症状的混发样本；②经南瓜多标签病害虫害识别模型初筛和人工类别鉴定的结构化标注数据，包括图像名称、健康状态、病虫害类别列表和病虫害数量。本数据集可应用于南瓜混发病虫害多标签分类模型的训练和研发。

搜集汇总

背景与挑战

背景概述

南瓜混发病虫害识别高质量标注数据由浙江托普云农科技股份有限公司登记，面向南瓜植株同时出现两种及以上病害或虫害症状的复杂田间情况。该数据集采集田间南瓜叶片局部特写高清图像，经MobileNet-V2多标签识别模型初筛、高置信度混发样本筛选及人工症状辨析与类别鉴定，生成包含图像名称、健康状态、病虫害类别列表和病虫害数量等字段的结构化标注。其数据格式为zip，规模401.64MB，按需更新，可应用于南瓜混发病虫害多标签分类模型的训练和研发。