4. 杂草图像数据集构建与标注

杂草识别模型的性能上限，很大程度上在数据阶段就已经被决定了。一个类别定义含糊、标注边界不一致、划分方式有泄漏的数据集，即使换用更强的网络结构，也很难在田间获得稳定表现。本节围绕类别体系设计、标注工具使用、标注质量控制、数据集划分与数据增强五个环节，说明如何从零构建一个可用于训练和评估的杂草图像数据集。

一、类别体系设计：先定“分到什么粒度”

类别体系不是简单罗列杂草名称，而是要回答三个问题：识别目标是谁、分到什么粒度、类别之间是否互斥。杂草识别在实际应用中通常有两种粒度：物种级（如稗草、马唐、狗尾草、反枝苋、播娘蒿）和类群级（禾本科杂草、阔叶杂草、莎草科杂草）。物种级适合精准施药与草相调查，但标注难度大、长尾严重；类群级标注一致性好，适合早期版本或除草剂选型场景。

设计时应遵循几条原则。第一，互斥且完备：每个标注框只能属于一个类别，同时保留一个“其他杂草”兜底类，避免标注员被迫把不认识的植株硬塞进已知类。第二，按视觉可分性而非植物学分类切分：苗期的马唐与稗草在形态上极为接近，若二者在图像中难以区分，就应合并为“禾本科幼苗”，否则会引入大量噪声标签。第三，控制类别数量：初期建议 8～15 类，优先覆盖当地主栽作物田中的优势杂草，长尾稀有物种先归入兜底类。第四，同步定义作物类与背景类：作物（如玉米、小麦、水稻）应作为独立类别，因为模型需要区分“作物”与“杂草”，而土壤、残茬、地膜可作为背景不标注或单列。

类别体系应形成一份可执行的类别定义表，字段包括：类别编号、中文名、拉丁名、典型识别特征（叶形、叶脉、叶耳叶舌、茎形态）、易混淆类别、是否纳入训练。这份表是标注员培训和一致性检查的依据，也是后续模型输出映射的字典。

二、标注工具与标注形式

杂草图像标注以目标检测框为主，兼顾语义分割掩码。常用工具包括 LabelImg（矩形框，轻量）、CVAT（支持框、多边形、视频跟踪，可多人协作）、Labelme（多边形掩码）、Roboflow（在线协作与格式转换）。选择工具时重点看三点：是否支持导出 YOLO/COCO/VOC 等主流格式、是否支持多人任务分配与复核、是否保留标注版本。

标注规范要写清楚操作细节：框应紧贴植株可见轮廓的外接矩形，包含全部叶片但尽量少含相邻植株；被遮挡超过约 50% 的植株不标；图像边缘被截断的植株，若可见部分超过一半则标注；同一植株的多条分蘖只画一个框；幼苗期以整株为单位，不按叶片逐个标注。这些规则看似琐碎，却是标注一致性的关键。

三、标注质量控制：把“人”的误差压下去

标注质量控制的抓手是规范、培训、抽检、一致率四件事。正式标注前，先让 2～3 名标注员对同一批 50 张图像独立标注，计算类别一致率与框的 IoU 分布。若某类别的框 IoU 中位数低于 0.7，说明该类别的边界规则没讲清，需要回到类别定义表补充示例图。正式标注中按 10%～15% 比例抽检，重点检查三类错误：漏标（小苗、被遮挡植株）、错类（马唐与稗草混淆）、框不准（框过大含入邻株）。

一个实用的做法是建立疑难样本库：把标注员拿不准的图像集中起来，由植保专业人员裁定后作为“金标准”示例，供全体标注员参照。同时保留每张图的标注员 ID 与复核状态，便于追溯。对于分割任务，还要检查掩码是否覆盖到叶尖、是否把阴影算进植株。

四、训练/验证/测试集划分

划分最常见的错误是随机按图像切分，导致同一植株、同一田块在不同光照下拍摄的多张图同时出现在训练集和测试集，测试精度虚高。正确做法是按田块或拍摄日期分组划分：先列出所有采集批次（田块×日期×天气），再以批次为单位整体分配到训练、验证、测试集，比例约 7:2:1。若某些稀有类别样本极少，可在保证批次不交叉的前提下做类别分层抽样。

测试集应保持真实分布，不做任何增强，并且要覆盖不同光照（顺光、逆光、阴天）、不同生育期（苗期、分蘖期）和不同土壤背景（旱地、水田、覆膜）。验证集用于调参与早停，测试集只在最终评估时使用一次，避免“用测试集调模型”的隐性泄漏。

五、数据增强策略

增强的目标是模拟田间真实变化，而不是盲目堆叠。几何类可用水平翻转、±15° 小角度旋转、随机裁剪缩放；光照色彩类可做亮度 ±20%、对比度 ±15%、轻微色温偏移，模拟早晚与阴天；遮挡类可用随机擦除模拟叶片交叠与土壤遮挡；组合类可用 Mosaic 提升小目标与密集场景的鲁棒性。需要注意：垂直翻转对植物不真实，应慎用；色相偏移过大会把绿色叶片变成不存在的颜色，反而引入噪声；增强只作用于训练集，验证与测试保持原图。

最后给出一个可直接套用的标注记录表示例，用于跟踪每个批次的进度与质量：

表中漏标率与错类率由抽检结果统计，超过预设阈值（例如漏标率 > 5% 或错类率 > 3%）即退回重标。这样，数据集的构建过程就从一个“体力活”变成了有标准、有反馈、可追溯的工程流程，为后续模型训练提供可靠基础。