LDD：一种用于葡萄病害目标检测与实例分割的数据集

实例分割任务作为广为人知的目标检测任务的拓展，在多个领域中具有重要应用价值，例如精准农业：能够自动识别植物器官及其相关病害，有助于实现作物监测与病害防控的高效扩展与自动化。为解决葡萄植株早期病害检测与诊断问题，研究团队构建了一个新数据集，旨在推动基于实例分割方法的病害识别技术达到新的前沿水平。该数据集通过采集在自然环境下受病害影响的葡萄叶片及果穗图像而获得。数据集包含10类目标，涵盖带有或不带有八种常见葡萄病害症状的叶片与葡萄果实，共包含1,092张图像中的17,706个标注实例。为全面呈现数据集的特征，研究提出了多种统计指标进行分析。同时，本文还提供了基于Mask R-CNN与R³-CNN模型在目标检测与实例分割任务上的初步实验结果作为基准性能，验证了该方法在实现自动病害症状识别目标方面具备良好的潜力。