建設主體：貴州大數據產業集團有限公司

服務平台：貴州數據集（語料）服務平台

網址：https://corpus.gzdata.com.cn:32117/home

當AI遇上農業，如何讓數據轉化為穩產增收的“金鑰匙”？一批現代山地特色農業高質量數據集已上架貴州數據集（語料）服務平台，支撐病虫害智能研判、農田精細化管理、農業知識問答等核心應用落地見效，形成農業數據採集治理、標注加工、確權保護、場景落地、價值轉化全鏈條閉環成果，讓數據從“資源”變為“資產”，用數智力量為貴州山地特色農業注入強勁動能，助力鄉村振興跑出加速度。

一、“看得見”圖像識別：賦能病虫害智能研判，筑牢精准植保第一道關口

病虫害識別是農田精准植保的首要環節，田間病害種類繁雜、病斑形態多變，傳統依靠農技人員人工巡檢研判的模式，存在巡檢覆蓋面有限、研判效率低、經驗依賴性強等痛點。平台依托多套高質量圖像數據集，支撐AI模型完成病害識別、病害等級評估全流程任務，助力農業生產實現病害早識別、早預警、早處置。

植物繪圖369作物病害識別數據集

完整數據規模約140GB，包含400831張田間實景圖像，覆蓋數十類農林作物，能夠支撐多作物病害圖像分類、智能識別、病害分級評估等科研與產業研究工作。依托該數據集可將人眼識別的經驗轉化為機器可讀懂的視覺特征，為田間大規模病虫害自動化巡檢提供數據支撐。

二、“數得清”目標檢測：破解復雜田間難題，支撐農田精細化智慧管理

農業智能化不能隻停留在識別病害，還需要完成作物定位、個體計數、產量預估、長勢監測等精細化任務。農田環境存在葉片互相重疊、光照忽明忽暗、雜物干擾等現實情況，對數據集的標注質量、場景代表性提出極高要求。平台匯聚了多套面向真實田間復雜工況的目標檢測數據集，能夠適配主流深度學習框架，服務大田與特色經濟作物的智慧管控。

（一）麥穗圖像數據集

數據集包含13730張小麥田間實景圖像，總數據量約59.7GB，採集樣本覆蓋山東、河南、河北等國內小麥主產區、多個種植年份的大田場景，主要用於麥穗檢測計數、小麥表型解析、產量估測等研究方向。為糧食作物智慧育種、大田生產監測提供寶貴的實地數據資源。

（二）獼猴桃葉片目標檢測數據集

數據集完成精細化邊界框標注，擁有約113萬葉片標注實例，專門針對田間葉片堆疊遮擋的行業難點設計，可用於田間葉片計數、葉面積指數估算、作物長勢動態監測，助力特色水果種植實現生長態勢的量化感知，為水肥調控、果園管護提供依據。

三、“懂得透”知識語料：沉澱農業專業知識，構建知識驅動型農業AI能力

智慧農業AI不僅要“會看圖”，更要“懂農事”。平台沉澱多套文本類知識數據集，把晦澀的病害機理文獻、植保專業資料轉化為機器可讀的結構化語料，支撐農業知識檢索、智能問答、知識圖譜搭建，推動AI從“圖像感知”邁向“知識理解”。其中，植物病害知識庫（PDF文獻集）和全球十大主要作物主要病害信息數據集歸集了各類作物病害專業文獻資料，用於農業信息檢索與問答﹔作物病害知識數據庫整合了病害症狀描述、病原菌信息、發病條件、防治策略等多維信息，支撐病害智能診斷與農業知識圖譜搭建。

四、數據走出實驗室，真正實現“AI下田”

農業數據集的核心價值，不是封存歸檔存儲，而是走向田間地頭投入實際應用。貴州數據集（語料）服務平台具備語料匯聚、清洗標注、質量評測全鏈條加工能力，持續推進農業數據標准化治理，主動對接農業智能體的數據需求，打通從原始田間數據資源到AI實用能力的完整轉化鏈路。

平台堅持“規范採集、治理加工、確權保護、場景應用”的發展路徑，直面真實農業生產的復雜環境，規避實驗室理想環境數據集落地難的痛點。同時，平台積極探索農業數據知識產權實踐，推動高價值農業數據集的確權登記、許可復用，探索數據產品可授權、可流轉、可復用的新模式，讓沉睡在田間地頭、科研機構的數據資源真正“活起來、用起來”。

來源：貴州省大數據發展管理局