植物病害對(duì)農(nóng)業(yè)構(gòu)成重大威脅。它需要正確的診斷和有效的治療，以保障作物產(chǎn)量。為了實(shí)現(xiàn)診斷過程的自動(dòng)化，通常采用圖像分割技術(shù)來精確識(shí)別病害區(qū)域，從而推進(jìn)精準(zhǔn)農(nóng)業(yè)的發(fā)展。開發(fā)穩(wěn)健的植物病害圖像分割模型需要在大量圖像中提供高質(zhì)量的標(biāo)注。然而，現(xiàn)有的植物病害數(shù)據(jù)集通常缺乏分割標(biāo)簽，并且往往局限于受控的實(shí)驗(yàn)室環(huán)境，不能充分反映自然環(huán)境的復(fù)雜性。基于這一事實(shí)，我們建立了一個(gè)大規(guī)模的植物病害分割數(shù)據(jù)集PlantSeg。PlantSeg 與現(xiàn)有數(shù)據(jù)集的區(qū)別主要體現(xiàn)在三個(gè)方面。(1) 注釋類型：與大多數(shù)僅包含類標(biāo)簽或邊界框的現(xiàn)有數(shù)據(jù)集不同，PlantSeg 中的每張圖像都包含詳細(xì)、高質(zhì)量的分割掩碼，并與植物類型和疾病名稱相關(guān)聯(lián)。(2) 圖像來源：與包含實(shí)驗(yàn)室環(huán)境圖像的典型數(shù)據(jù)集不同，PlantSeg 主要包含野外植物病害圖像。這種選擇增強(qiáng)了實(shí)際應(yīng)用性，因?yàn)橛?xùn)練有素的模型可用于綜合病害管理。(3) 規(guī)模：PlantSeg 范圍廣泛，包含 11,400 幅帶有病害分割掩膜的圖像和另外 8,000 幅按植物類型分類的健康植物圖像。大量的技術(shù)實(shí)驗(yàn)驗(yàn)證了 PlantSeg 注釋的高質(zhì)量。該數(shù)據(jù)集不僅能讓研究人員評(píng)估其圖像分類方法，還為開發(fā)先進(jìn)的植物病害分割算法并為其設(shè)定基準(zhǔn)奠定了重要基礎(chǔ)。

圖1 PlantVillage 和我們的數(shù)據(jù)集的圖像示例。由于是在實(shí)驗(yàn)室環(huán)境中收集的，PlantVillage 中的每張圖片只包含一片葉子，并且背景統(tǒng)一，而我們數(shù)據(jù)集中的圖片則具有更復(fù)雜的背景、不同的視角和不同的光照條件。

表1 植物病害圖像數(shù)據(jù)集摘要。現(xiàn)有數(shù)據(jù)集

圖2 獲取的源圖像的位置。圖的大小表示獲取圖像的數(shù)量。每個(gè)圓圈的大小表示從該地址獲取的圖像數(shù)量，顏色深度表示附近區(qū)域內(nèi)的地址密度。

圖3 在受疾病影響的區(qū)域標(biāo)注多邊形的圖像示例。

表2 PlantSeg 的元數(shù)據(jù)。

圖4 PlantSeg 數(shù)據(jù)集的整理過程包括三個(gè)主要步驟：圖像采集、數(shù)據(jù)清理和注釋。在圖像采集階段，使用已識(shí)別的關(guān)鍵字從各種互聯(lián)網(wǎng)資源中收集圖像，然后根據(jù)其類別進(jìn)行存儲(chǔ)。在數(shù)據(jù)清理階段，要識(shí)別并刪除不正確的圖像。在分割注釋過程中，注釋者利用 LabelMe26 對(duì)清理后的圖像進(jìn)行注釋。這些注釋隨后由專家進(jìn)行審核，并保存在 JSON 文件中。

圖5 PlantSeg 中的疾病分布根據(jù)植物和社會(huì)經(jīng)濟(jì)分類。條形的高度代表與每種植物相關(guān)的疾病數(shù)量。

圖6 不同數(shù)據(jù)集（包括 PlantVillage、PlantDoc 和 PlantSeg）的分辨率分布。每個(gè)綠點(diǎn)代表 PlantSeg 數(shù)據(jù)庫中的一幅圖像；紅色代表 PlantDoc 數(shù)據(jù)庫中的每幅圖像；倒置的黃色三角形代表 PlantVillage 數(shù)據(jù)庫。

圖7 橫軸表示掩模區(qū)域相對(duì)于整個(gè)圖像的百分比，縱軸表示對(duì)應(yīng)圖像的數(shù)量。

圖8 箱線圖顯示了每幅圖像掩模區(qū)域的百分比分布，不同植物之間的差異很大。

表3 PlantSeg 上不同方法的性能比較。

圖9 PlantSeg 測(cè)試集上的一些實(shí)驗(yàn)結(jié)果可視化。從左到右：PlantSeg 的圖像示例、DeepLabv3的結(jié)果、SegNext的結(jié)果以及地面實(shí)況注釋。