3. 农业图像光照问题诊断与数据集构建

光照是农业图像质量的第一道关口。同一片番茄叶片，在正午直射下可能高光溢出、纹理全失，在阴天散射下却层次分明；同一台相机，逆光拍摄的冠层照片里果实只剩黑色剪影。光照校正算法的效果上限，很大程度上由数据集决定——如果训练数据没有覆盖真实田间会遇到的缺陷类型，模型在部署时就会失效。因此本节要解决两个问题：如何准确识别四类常见光照缺陷，以及如何围绕这些缺陷采集、标注并组织一个可用于光照校正的农业图像数据集。

四类光照缺陷的识别方法

诊断光照缺陷不能只靠肉眼"看着不对"，需要把主观感受转化为可量化的判据。工程上通常先计算亮度直方图与局部统计量，再结合色彩信息做分类判断。

过曝的典型特征是像素值在传感器上限附近大量堆积。对8位图像，可统计灰度值≥250的像素占比，若超过5%且集中在果实、地膜、水面等高反射区域，基本可判定为过曝。过曝区域内部梯度趋近于零，叶脉、病斑等细节不可恢复，这类样本对校正算法是"死区"，标注时应单独标记而非混入普通样本。

欠曝与过曝对称，统计灰度值≤5的像素占比即可。但农业场景中要注意区分"整体欠曝"和"阴影欠曝"：前者直方图整体左移，后者是双峰分布，暗峰来自冠层内部或遮挡区域。二者校正策略不同，前者适合全局伽马调整，后者需要局部自适应。

不均匀光照最难用单一阈值描述。常用做法是将图像划分为若干网格（如16×16），计算各网格平均亮度，用网格亮度极差与均值的比值衡量不均匀程度；也可对低频亮度分量做拟合，观察其空间梯度。温室中靠近补光灯的一侧与远离光源的一侧亮度差常达2～3倍，这类样本必须保留，因为它是真实部署环境。

色偏则要看色彩通道关系。在标准灰板或白色参考物区域，若R、G、B三通道均值偏离接近中性灰的比例过大，说明存在色温偏移。农业场景的色偏常来自棚膜（偏黄或偏蓝）、LED补光灯（偏紫红）以及早晚低色温日光。判断时应在图像中寻找已知中性参考（如灰卡、白色标定板），否则容易把作物本身的绿色误判为色偏。

面向农业场景的采集方案

农业图像采集与通用计算机视觉数据集的最大区别在于：光照条件本身就是需要被记录和控制的变量，而不是随机噪声。一个可用的采集方案应包含以下要素。

首先是设备与参数的一致性。同一批数据尽量使用同一型号相机与镜头，固定光圈、ISO和白平衡模式（建议锁定为日光或手动色温），避免自动曝光在序列中来回跳动。若必须使用手机采集，应关闭自动HDR与美颜，并记录机型。拍摄高度与俯仰角要固定，例如冠层图像统一在距地面1.2米、俯角45°拍摄，保证不同样本间几何关系可比。

其次是光照条件的主动覆盖。不要只在"天气好"的时候采集。建议按时间段分层：清晨弱光、正午强光、傍晚低色温、阴天散射、温室补光开启与关闭各采集一批。每个场景至少放置一块灰卡或白色标定板，拍摄前先拍一张参考帧，用于后续色偏校正与曝光归一化。对于需要成对样本的监督学习任务，可在同一位置用不同曝光补偿（如-2 EV、0 EV、+2 EV）连拍，形成天然的"缺陷—参考"配对。

第三是场景与作物的多样性。数据集应覆盖至少3～5种作物（如番茄、黄瓜、小麦、柑橘）、多种栽培方式（露地、温室、果园）以及不同生长阶段。每个"作物×光照条件"组合建议不少于50张，否则分层统计时样本量不足，模型容易对某一类过拟合。

标注策略与数据集组织

光照校正数据集的标注与目标检测不同，重点不在框选目标，而在描述"光照状态"和"期望结果"。实践中可采用三层标注：第一层是图像级缺陷类型标签，一张图可多标签，例如"过曝+不均匀"；第二层是区域级掩码，用多边形或像素级掩码标出高光死区、深阴影区，供局部校正模型使用；第三层是配对参考，即为缺陷图提供一张经过人工确认或高质量算法处理的参考图，作为监督信号。

元数据同样关键。建议为每张图记录采集时间、天气、光源类型、相机型号、曝光参数、灰卡读数、作物种类与生育期。这些字段在后续分析模型失败原因时非常有用——例如发现色偏校正误差集中在棚膜偏黄的样本上，就可以针对性补充数据。

数据集划分要防止场景泄漏。同一植株、同一棚室在不同时段拍摄的图像高度相关，若随机划分，验证集精度会虚高。应按"场景/植株"分组划分，例如80%的棚室用于训练，10%用于验证，10%用于测试，确保测试集中的光照条件在训练时未出现过。目录组织可按缺陷类型分层，同时保留原始配对关系，便于加载时构造成对样本。

完成上述工作后，一个可用于光照校正的农业图像数据集应具备：明确的缺陷类型标签、区域掩码、成对参考图、完整元数据以及按场景分组的划分方案。它既是训练模型的输入，也是后续评估校正效果、定位失败案例的依据。