arXiv cs.AI· Abdulla Alshehhi, Zongyan Han, Rao Muhammad Anwer·· 6 天前AI 评分22
AgroGround：农业领域的多粒度接地识别数据集与基准
AgroGround: Multi-Granularity Grounded Recognition in Agriculture
AI 导读
AgroGround 是一个面向农业接地识别的大规模数据集，通过自动化流水线将八个农业 VQA 数据集的标签转化为病害病斑与整体目标的定位标注，生成 794,850 条指令样本。
正文 · AI 翻译
摘要：农业视觉模型通常针对识别或定位分别进行评估，但可靠的诊断需要同时识别存在什么并定位其证据。农业视觉问答（VQA）数据集带有丰富的语义标签，但很少将其与图像区域关联，而大规模人工添加此类标注成本高昂。我们提出了 AgroGround，一个用于接地农业识别的大规模数据集：识别植物病害及其他农业目标并定位其图像区域。一条自动化流水线将八个农业 VQA 数据集的标签转换为病害病斑和整体目标的标注，生成了 794,850 条指令示例。健康图像为病害查询提供负监督，教会模型返回空预测。我们在已知目标接地指令与同时要求识别和定位的指令相结合的基础上，微调了一个共享视觉语言模型。我们在 1,480 张经人工验证、与所有训练数据不相交的图像上评估了预测的身份、区域、联合正确性以及健康图像弃答。仅接地微调将识别准确率从 51.8\% 降至 29.1\%，而加入识别与定位指令后将其提升至 72.6\%。在图像和标注保持固定的情况下，结合两种格式将联合准确率从 19.2\% 提升至 43.3\%，接地性能相当。健康负样本将健康图像上的弃答率提升至 95.0\%，强化学习改善了病斑级接地。由此得到的 2B 模型在我们的基准和外部 PlantSeg 测试集上的接地 F1 均超过了其标注教师模型。AgroGround 为接地农业识别建立了一个基准，衡量身份与定位的联合正确性以及对健康图像的弃答。代码可在 此 https URL 获取。
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.04425 [cs.CV] |
| （或 arXiv:2610.04425v2 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.04425 arXiv 颁发的 DOI，经由 DataCite |
提交历史
来自：Zongyan Han [查看邮箱]
[v1]
2026年10月3日星期六 10:27:47 UTC（2,078 KB）
[v2]
2026年10月9日星期五 11:13:59 UTC（2,079 KB）
来源：arXiv cs.AI · arxiv.org