Recently updated on: 2026-09-04
近日，南京农业大学智慧农业学院（人工智能学院）舒磊教授团队在国际期刊 Frontiers in Plant Science 发表数据论文，论文题为“SPVD-Field: A Task-Oriented Multi-Task Visual Dataset for Sweet Potato Virus Disease under Real Field Conditions”。研究面向甘薯病毒病智能感知中公开数据匮乏、任务类型单一和田间环境代表性不足等问题，构建了由目标检测子数据集 SPVD-DET 与病斑分割子数据集 SPVD-SEG 组成的任务导向型多任务视觉数据集，为真实田间条件下甘薯病毒病检测、病斑精细分割及多任务学习提供了标准化数据基础。博士生韩茹为论文第一作者，舒磊教授为通信作者，南京农业大学为第一署名单位。
甘薯是重要的粮食、饲料和工业原料作物。甘薯病毒病（sweet potato virus disease，SPVD）可引起叶片黄化、花叶、叶形畸变和植株矮化等症状，严重影响产量与种苗质量。与实验室检测相比，基于 RGB 图像和计算机视觉的诊断方式具有成本低、覆盖范围广和便于现场部署等优势。然而，现有甘薯病害图像数据多在受控或半受控环境下采集，背景较为单一；同时，单一数据集通常仅支持分类、检测或分割中的一种任务，难以满足从植株级定位到病斑级量化的多层次研究需求。
针对上述问题，研究团队提出“任务导向、相互补充”的数据组织思路。SPVD-DET 面向复杂场景中的病株或症状区域定位，采用边界框标注；SPVD-SEG 面向病斑形态、边界和局部纹理分析，采用像素级掩膜标注。两个子数据集分别使用适合各自任务的采集协议独立构建，同时保持对 SPVD 症状、作物生育阶段和田间环境的统一语义定义。该设计避免了用单一同质化数据源兼顾多任务所造成的数据质量折中，并允许研究者依据检测、分割或联合建模目标灵活选用数据。
图 1 SPVD-Field 数据集的任务导向型总体设计
SPVD-Field 数据采集于江苏徐州露地甘薯种植区，主要品种为“徐薯 3 号”。所有图像均在自然光照和真实田间背景下获取，主动保留了阳光与阴影变化、土壤和杂草干扰、叶片遮挡、拍摄视角与尺度变化以及不同症状表现。SPVD-DET 包含 1,264 幅原始 RGB 图像及相应边界框标注，经增强后形成 2,357 幅图像；其目标从小尺度症状区域到较大植株级异常均有覆盖。SPVD-SEG 包含 1,095 幅 RGB 图像及一一对应的像素级病斑掩膜，标注人员使用多边形精细描绘不规则病斑边界，并通过复核、交叉检查和剔除边界不清样本等方式保障标注质量。
图 2 SPVD-DET 的类别分布、目标尺度与空间位置特征
为增强数据集的可复现性和可比较性，研究团队提供了固定的训练集、验证集和测试集划分，并建立覆盖目标检测与语义分割的统一评价框架。检测任务采用 Precision、Recall、mAP@0.5 和 mAP@0.5:0.95 等指标，分割任务采用 IoU 与 Dice 系数。基线实验覆盖 YOLOv8、YOLOv9、YOLOv10、Swin-SPVDNet，以及 UNet、Attention-UNet、UNetSmall、SwinUNet 和 FDUNet-LRSA 等代表性模型，兼顾卷积网络与 Transformer 架构。
实验结果表明，该数据集能够有效支持现代视觉模型训练，同时保留真实田间任务的挑战性。在 SPVD-DET 上，Swin-SPVDNet 获得 85.1% 的精确率、75.6% 的召回率、86.8% 的 mAP@0.5 和 76.0% 的 mAP@0.5:0.95；相较 YOLOv8，其 mAP@0.5 提升约 3.0 个百分点。SPVD-SEG 的基线实验也显示，多种网络能够稳定学习病斑结构，其中 FDUNet-LRSA 的验证 IoU 达到约 0.959。定性结果进一步表明，模型能够在土壤、杂草、遮挡和光照变化等干扰下定位多种 SPVD 相关症状，并较准确地恢复不规则病斑边界。
图 3 SPVD-DET 在复杂田间条件下的多模型检测结果
图 4 SPVD-SEG 病斑分割结果对比
该数据集以“检测定位—病斑分割”的多粒度形式连接大范围田间监测与精细病害分析，可为甘薯病毒病算法公平比较、轻量化模型设计、多任务学习、病害严重度估计以及农业机器人和移动端部署研究提供基础。未来，团队将进一步扩展不同品种、区域和生育阶段的数据，引入病害严重度、时间序列及多光谱或高光谱信息，推动甘薯病害感知由单任务识别向多任务协同、由静态诊断向连续监测发展。
相关发表论文信息：
[1] Ru, Han, Lei Shu, Grzegorz Cielniak, Fan Yang, Siyang Zang, Xiaoyuan Jing, Weihan Song, and Qian Zhang. “SPVD-Field: A Task-Oriented Multi-Task Visual Dataset for Sweet Potato Virus Disease under Real Field Conditions.” Frontiers in Plant Science 17 (2026): 1843877.