imageomics/invasive_plants_hawaii

该数据集旨在对各种由生物控制剂引起的叶片损伤类型进行图像多分类和分割。数据集包含在2025年1月在夏威夷希洛附近收集的*Clidemia Hirta*叶片的背侧和腹侧图像。*Clidemia Hirta*是夏威夷群岛（大岛）上的一种高度入侵性植物。数据集包含系统采样和机会采样两种配置，每种配置又分为背侧、腹侧和双侧三个分析分割。数据集中的叶片损伤类型包括健康、真菌损伤、机械损伤、叶矿工损伤和其他昆虫损伤。专家对这些叶片的损伤类型进行了验证，并提供了信心水平和其他备注。

This dataset is aimed at the image multi-classification and segmentation of various leaf damage types caused by biocontrol agents. The dataset contains images of both the dorsal and ventral side of *Clidemia Hirta* leaves, that were all collected in January 2025 near Hilo (Hawaii), in dirt trails along *Steinback Highway*. *Clidemia Hirta* is a highly invasive plant on the island of Hawaii (Big Island). The dataset includes systematic and opportunistic sampling configurations, each with three splits: dorsal, ventral, and both. The damage types include healthy, fungus, mechanical, leaf miner, and other insect damage. Expert validation is provided for a subset of the dataset, with confidence levels and additional remarks.

搜集汇总

数据集介绍

构建方式

在夏威夷大岛希洛附近的斯坦贝克公路沿线土径中，研究人员于2025年1月系统性地采集了入侵植物野牡丹（Clidemia Hirta）的叶片样本。数据集包含821片叶子，每片叶子均拍摄了背腹两面图像，共1642张图片。构建过程遵循两种采样协议：系统性采样（398片叶子）与机会性采样（423片叶子），并细分为背侧、腹侧及双侧三个分析子集。所有图像均在实验室受控条件下，使用iPhone 13或Pixel 3手机在白色网格纸上拍摄，配备强光照明，并通过红点与色卡实现畸变校正与色彩校准。数据以Parquet格式存储，每个文件大小约400至800MB，便于高效加载。

特点

该数据集的核心特色在于其多维度的标注体系与专家验证机制。每片叶子均标注了五种损伤类型（健康、锈菌病、潜叶虫、其他昆虫、机械损伤），每个标签以“是/可能/否”三级分类呈现。专家对部分样本进行了二次验证，提供了置信度评分与详细备注，显著提升了标签的可靠性。数据集还包含丰富的元数据，如成像会话、采集地点、植株高度层级（低/中/高）以及叶片唯一标识符，支持细粒度的样本筛选与跨维度分析。此外，数据集支持图像多分类与分割任务，并提供了多种基线模型的性能基准，其中ConvNext模型在多数损伤类别上达到了最优的F1分数与ROC-AUC值。

使用方法

用户可通过HuggingFace的datasets库便捷加载该数据集，支持三种配置（full、systematic、opportunistic）及三种拆分（dorsal、ventral、both）。例如，使用load_dataset("imageomics/invasive_plants_hawaii", name="systematic", split="dorsal")可加载系统性采样叶片的背侧图像。数据集适用于图像多分类与分割任务，研究人员可依据session字段排除初始测试会话（session_1_16_2025）的图像，以提升模型训练质量。元数据文件夹中的CSV文件提供了图像与标签的映射关系，而docs文件夹中的PDF文档详述了成像协议，便于复现实验。建议使用Parquet文件加载数据，以平衡存储效率与读取速度。

背景与挑战

背景概述

在全球生物多样性保护与生态安全维护的背景下，入侵植物对本地生态系统的威胁日益严峻。夏威夷大岛作为生态脆弱区，深受外来入侵植物如毛野牡丹（Clidemia hirta）的困扰。为应对这一挑战，由David Carlyn、Catherine Villeneuve等来自Imageomics研究团队的学者，于2025年1月在夏威夷希洛地区系统采集了821片毛野牡丹叶片图像，构建了名为imageomics/invasive_plants_hawaii的数据集。该数据集聚焦于生物防治剂引发的叶片损伤多类别分类与分割任务，涵盖真菌、潜叶虫、机械损伤等多种损伤类型，并提供了专家验证标签，为计算机视觉技术在生态监测中的应用奠定了重要基础，推动了入侵植物生物防治效果评估的自动化与精准化。

当前挑战

该数据集所面临的挑战主要体现在两个方面。在领域问题层面，叶片损伤的细粒度分类与分割任务极具难度，多种损伤类型（如真菌与机械损伤）在视觉特征上存在相似性，且同一叶片可能同时呈现多种损伤，要求模型具备强大的多标签识别能力；此外，不同光照条件、拍摄角度（背腹面）及叶片老化状态进一步增加了分类的复杂性。在构建过程中，数据集面临采样策略与标注质量的挑战：系统性与机会性两种采样方式导致数据分布不均，且部分叶片样本数量有限；人工标注存在主观性，尽管引入了专家验证，但专家标注仅覆盖子集，如何确保标签一致性与可靠性仍是关键难题。

常用场景

经典使用场景

在生态学与计算机视觉的交叉领域中，该数据集为入侵植物叶片损伤的多标签分类与语义分割任务提供了高质量的标注图像资源。其核心应用场景在于利用深度学习方法，对由生物防治因子（如真菌Colletotrichum gloeosporioides和潜叶虫Lius Poseidon）引发的叶片病害进行精准识别。研究者可基于叶片背腹面的高分辨率图像，构建多类别损伤分类模型，区分健康叶片、真菌感染、潜叶虫痕迹、机械损伤及其他昆虫侵害等复杂表型，从而实现对入侵植物健康状况的自动化监测与评估。

解决学术问题

该数据集有效解决了传统植物病理学中依赖人工目视检查的低效性与主观性问题，为生物防治效果评估提供了可量化的计算基准。在学术研究中，它推动了细粒度叶片损伤分类的算法发展，尤其针对多标签不平衡、类间相似性高（如真菌与机械损伤的形态混淆）等挑战，提供了标准化的训练与测试样本。通过引入专家验证标签和置信度评分，该数据集还支持对标注噪声的鲁棒性研究，为机器学习模型在真实生态数据上的泛化能力评估奠定了重要基础。

衍生相关工作

基于该数据集，研究者已衍生出多项经典工作。在基准测试中，ConvNeXt模型在健康叶片、潜叶虫和真菌损伤分类上取得了最优F1分数，揭示了现代卷积架构在细粒度病害识别中的优势。此外，数据集附带的RCNN图像子集支持了基于目标检测的损伤区域定位研究，而叶片三维重建子集则推动了从二维图像到立体形态分析的跨模态学习。这些工作不仅拓展了计算机视觉在生态学中的应用边界，也为后续研究如跨物种迁移学习、时序损伤演化建模提供了可复用的数据与模型基线。