5412张植物叶片图像数据集：扫描、照片、伪扫描三种类型，完整分类标注（界门纲目科属种）与地理坐标信息支撑的植物识别研究资源

## 引言与背景

植物叶片图像数据集是计算机视觉领域中植物识别、物种分类和生态研究的重要基础资源。随着深度学习技术的快速发展，高质量标注的植物图像数据对于训练精准的识别模型、推动自动化植物鉴定系统的研发具有至关重要的意义。本数据集包含5412张植物叶片图像及其对应的XML标注文件，涵盖了丰富的元数据信息，包括图像采集日期、拍摄类型（扫描图像、照片、伪扫描）、组织来源、作者信息、地理位置、完整分类学数据（界门纲目科属种）等，为科研人员和算法开发者提供了一个全面、高质量的研究素材库。

该数据集由法国国家农业研究院（Inra）等多家机构合作采集，包含训练集和测试集两部分，其中训练集3972张图像，测试集1440张图像，训练与测试比例约为7:3。每张图像都配有完整的标注文件，详细记录了植物的分类学信息（从界到种的完整分类层级）、采集地点的GPS坐标、拍摄时间等关键数据。这种完整的数据构成使得该数据集不仅适用于图像分类和识别任务，还可用于植物地理分布分析、物种多样性研究等多个领域。

对于科研工作者而言，该数据集提供了标准化的实验基准，可用于评估和比较不同植物识别算法的性能；对于算法开发者来说，丰富的标注信息为模型训练提供了坚实的基础，有助于构建更精准、更鲁棒的植物识别系统；对于生态研究人员，结合地理信息和分类数据，可以开展植物分布模式分析、物种适应性研究等深度探索。

## 数据基本信息

### 数据字段说明

| 字段名称 | 字段类型 | 字段含义 | 数据示例 | 完整性 |
|---------|---------|---------|---------|--------|
| filename | 字符串 | 图像文件名 | 0.jpg | 100% |
| date | 字符串 | 图像采集日期 | 07/07/10 | 100% |
| type | 字符串 | 图像类型（扫描/照片/伪扫描） | Scan | 100% |
| organization | 字符串 | 采集机构 | Inra | 100% |
| author | 字符串 | 采集作者 | Bonnet Pierre | 100% |
| individual_plant_id | 字符串 | 植物个体标识 | 204 | 73.4% |
| locality | 字符串 | 采集地点 | Herault - Montpellier | 100% |
| content | 字符串 | 图像内容类型 | Leaf | 100% |
| longitude | 数值 | 经度坐标 | 3.879447222 | 100% |
| latitude | 数值 | 纬度坐标 | 43.608175 | 100% |
| altitude | 数值 | 海拔高度 | 0.0 | 100% |
| clade3 | 字符串 | 分类支系3（如被子植物） | Angiosperms | 73.4% |
| clade2 | 字符串 | 分类支系2（如真双子叶植物） | Eudicots | 73.4% |
| clade1 | 字符串 | 分类支系1（如菊类植物） | Asterids | 73.4% |
| regnum | 字符串 | 界 | Plantae | 73.4% |
| order | 字符串 | 目 | Apiales | 73.4% |
| family | 字符串 | 科 | Pittosporaceae | 73.4% |
| species | 字符串 | 种 | tobira | 73.4% |
| genus | 字符串 | 属 | Pittosporum | 73.4% |
| vernacular_names | 字符串 | 俗名 | Japanese Mock-orange | 73.4% |

### 数据规模概览

该数据集共计5412条记录，其中训练集3972条，测试集1440条，训练与测试比例约为7:3。所有记录均包含完整的基础元数据（文件名、日期、类型、机构、作者、地点、内容、GPS坐标），训练集额外包含完整的分类学信息，测试集主要用于模型性能评估。

### 图像类型分布

| 图像类型 | 记录数量 | 占比 |
|---------|---------|------|
| Scan（扫描图像） | 3046 | 56.3% |
| photograph（照片） | 1469 | 27.1% |
| pseudoscan（伪扫描） | 897 | 16.6% |

### 内容类型分布

| 内容类型 | 记录数量 | 占比 |
|---------|---------|------|
| Leaf（单叶） | 4115 | 76.0% |
| Foliage（枝叶） | 1163 | 21.5% |
| Dead leaf（枯叶） | 134 | 2.5% |

### 机构分布

| 机构 | 记录数量 | 占比 |
|-----|---------|------|
| Inra（法国国家农业研究院） | 4543 | 83.9% |
| Tela | 540 | 10.0% |
| IRD（法国发展研究所） | 136 | 2.5% |
| UM2（蒙彼利埃第二大学） | 125 | 2.3% |
| Cirad（法国农业研究国际合作中心） | 68 | 1.3% |

### 分类学分布（目级别，Top 10）

| 目 | 记录数量 | 占比 |
|---|---------|------|
| Sapindales（无患子目） | 722 | 13.3% |
| Rosales（蔷薇目） | 716 | 13.2% |
| Fagales（壳斗目） | 632 | 11.7% |
| Lamiales（唇形目） | 477 | 8.8% |
| Fabales（豆目） | 349 | 6.4% |
| Ericales（杜鹃花目） | 151 | 2.8% |
| Dipsacales（川续断目） | 142 | 2.6% |
| Gentianales（龙胆目） | 142 | 2.6% |
| Apiales（伞形目） | 106 | 2.0% |
| Proteales（山龙眼目） | 99 | 1.8% |

### 分类学分布（科级别，Top 10）

| 科 | 记录数量 | 占比 |
|---|---------|------|
| Oleaceae（木犀科） | 375 | 6.9% |
| Rosaceae（蔷薇科） | 358 | 6.6% |
| Fagaceae（壳斗科） | 356 | 6.6% |
| Fabaceae（豆科） | 349 | 6.4% |
| Sapindaceae（无患子科） | 334 | 6.2% |
| Anacardiaceae（漆树科） | 290 | 5.4% |
| Betulaceae（桦木科） | 222 | 4.1% |
| Rhamnaceae（鼠李科） | 149 | 2.8% |
| Apocynaceae（夹竹桃科） | 142 | 2.6% |
| Adoxaceae（五福花科） | 142 | 2.6% |

### 分类学分布（属级别，Top 10）

| 属 | 记录数量 | 占比 |
|---|---------|------|
| Acer（槭属） | 281 | 5.2% |
| Quercus（栎属） | 278 | 5.1% |
| Pistacia（黄连木属） | 155 | 2.9% |
| Olea（木犀榄属） | 148 | 2.7% |
| Nerium（夹竹桃属） | 142 | 2.6% |
| Crataegus（山楂属） | 141 | 2.6% |
| Fraxinus（梣属） | 134 | 2.5% |
| Viburnum（荚蒾属） | 106 | 2.0% |
| Pittosporum（海桐属） | 106 | 2.0% |
| Celtis（朴属） | 103 | 1.9% |

### 地理分布（Top 10）

| 地点 | 记录数量 | 占比 |
|-----|---------|------|
| Herault - Montpellier（埃罗省-蒙彼利埃） | 3018 | 55.8% |
| France - Herault（法国-埃罗省） | 666 | 12.3% |
| France - Jura（法国-汝拉省） | 505 | 9.3% |
| Herault - Palavas（埃罗省-帕拉瓦） | 236 | 4.4% |
| France（法国） | 234 | 4.3% |
| Herault - Lattes（埃罗省-拉特斯） | 229 | 4.2% |
| Var - Toulon（瓦尔省-土伦） | 173 | 3.2% |
| Germany - Berlin（德国-柏林） | 80 | 1.5% |
| France - Paris region（法国-巴黎地区） | 45 | 0.8% |
| Isere - Tullins（伊泽尔省-蒂兰） | 43 | 0.8% |

### 年份分布

| 年份 | 记录数量 | 占比 |
|-----|---------|------|
| 2010 | 4722 | 87.3% |
| 2009 | 454 | 8.4% |
| 2011 | 134 | 2.5% |
| 2005 | 24 | 0.4% |
| 2006 | 19 | 0.4% |
| 2003 | 10 | 0.2% |
| 2004 | 3 | 0.1% |
| 2007 | 6 | 0.1% |
| 2012 | 6 | 0.1% |
| 其他年份 | 34 | 0.6% |

## 数据优势

| 优势特征 | 具体表现 | 应用价值 |
|---------|---------|---------|
| 数据规模庞大 | 共计5412张图像，训练集3972张，测试集1440张，涵盖多个植物物种 | 支持大规模模型训练，提供充足的训练样本和独立测试集 |
| 包含完整原始图像文件 | 每张图像均为完整的jpg格式文件，可直接用于图像处理和分析 | 支持基于完整图像内容的模型训练，无需额外数据预处理 |
| 多种图像类型 | 包含扫描图像、照片、伪扫描三种类型，覆盖不同采集方式 | 增强模型对不同图像来源的鲁棒性，提升实际应用中的识别准确率 |
| 高质量分类学标注 | 训练集包含从界到种的完整分类层级信息（Clade3/Clade2/Clade1/Regnum/Order/Family/Genus/Species） | 支持多层次分类任务，可用于属级、科级、目级等不同粒度的识别研究 |
| 丰富的元数据信息 | 包含采集日期、图像类型、机构、作者、个体标识、俗名等多种元数据 | 支持多维度数据分析和交叉验证，提升模型泛化能力 |
| 完整的地理信息 | 每张图像均包含精确的GPS坐标（经度、纬度、海拔）和地点描述 | 支持植物地理分布分析、物种生态适应性研究等跨学科应用 |
| 合理的训练测试划分 | 训练集与测试集比例约为7:3，满足标准机器学习实验要求 | 提供标准化评估基准，便于不同算法之间的公平比较 |
| 多机构协作采集 | 数据来源于法国国家农业研究院等多家权威机构 | 保证数据的科学性和可靠性，增强研究结果的可信度 |

## 数据样例

本数据集包含完整的原始图像文件（jpg格式）和对应的XML标注文件。由于图像文件较大且格式限制，无法在文章中直接展示图像内容，但实际数据集中包含所有完整的原始图像可供下载使用。以下为标注信息的样例展示，涵盖了数据集的多样性特征。

### 标注信息样例（元数据与分类信息）

样例1：扫描图像 - Pittosporum tobira（海桐） - 文件名：0.jpg - 日期：07/07/10 - 类型：Scan - 机构：Inra - 作者：Bonnet Pierre - 地点：Herault - Palavas - 内容：Leaf - 经度：3.931269444，纬度：43.52871944 - 分类：Plantae > Angiosperms > Eudicots > Asterids > Apiales > Pittosporaceae > Pittosporum > tobira - 俗名：Japanese Mock-orange样例2：扫描图像 - Nerium oleander（夹竹桃） - 文件名：1.jpg - 日期：07/07/10 - 类型：Scan - 机构：Inra - 作者：Bonnet Pierre - 地点：Herault - Palavas - 内容：Leaf - 分类：Plantae > Angiosperms > Eudicots > Asterids > Gentianales > Apocynaceae > Nerium > oleander - 俗名：Nerium Oleander样例3：照片 - Magnolia grandiflora（北美木兰） - 文件名：100.jpg - 日期：05/11/10 14:01 - 类型：photograph - 机构：Inra - 作者：Bonnet Pierre - 地点：Herault - Lattes - 内容：Foliage - 分类：Plantae > Angiosperms > Magnoliids > Magnoliales > Magnoliaceae > Magnolia > grandiflora - 俗名：Southern Magnolia样例4：扫描图像 - Celtis australis（南欧朴） - 文件名：1001.jpg - 日期：06/07/10 - 类型：Scan - 机构：Inra - 作者：Barthelemy Daniel - 地点：France - Herault - 内容：Leaf - 分类：Plantae > Angiosperms > Eudicots > Rosids > Rosales > Cannabaceae > Celtis > australis - 俗名：European Nettle Tree样例5：照片 - Corylus avellana（欧洲榛） - 文件名：1005.jpg - 日期：13/06/10 12:05 - 类型：photograph - 机构：Inra - 作者：Barthelemy Daniel - 地点：Var - Toulon - 内容：Foliage - 分类：Plantae > Angiosperms > Eudicots > Rosids > Fagales > Betulaceae > Corylus > avellana - 俗名：Common Hazel样例6：照片 - Acer monspessulanum（蒙彼利埃槭） - 文件名：1006.jpg - 日期：09/11/10 14:07 - 类型：photograph - 机构：Inra - 作者：Bonnet Pierre - 地点：Herault - Montpellier - 内容：Foliage - 分类：Plantae > Angiosperms > Eudicots > Rosids > Sapindales > Sapindaceae > Acer > monspessulanum - 俗名：Montpellier Maple样例7：扫描图像 - Quercus coccifera（胭脂栎） - 文件名：1007.jpg - 日期：25/08/09 - 类型：Scan - 机构：Tela - 作者：Cachon Denis - 地点：France - 内容：Leaf - 分类：Plantae > Angiosperms > Eudicots > Rosids > Fagales > Fagaceae > Quercus > coccifera - 俗名：Kermes Oak样例8：扫描图像 - Laurus nobilis（月桂） - 文件名：1008.jpg - 日期：07/07/10 - 类型：Scan - 机构：Inra - 作者：Barthelemy Daniel - 地点：France - Herault - 内容：Leaf - 分类：Plantae > Angiosperms > Magnoliids > Laurales > Lauraceae > Laurus > nobilis - 俗名：Laurel Tree样例9：扫描图像 - Vitex agnus-castus（穗花牡荆） - 文件名：1011.jpg - 日期：07/07/10 - 类型：Scan - 机构：IRD - 作者：Molino Jean-francois - 地点：France - Herault - 内容：Leaf - 分类：Plantae > Angiosperms > Eudicots > Asterids > Lamiales > Lamiaceae > Vitex > agnus-castus - 俗名：chaste Tree样例10：伪扫描图像 - Magnolia grandiflora（北美木兰） - 文件名：1010.jpg - 日期：25/10/10 14:24 - 类型：pseudoscan - 机构：Inra - 作者：Bonnet Pierre - 地点：Herault - Montpellier - 内容：Leaf - 分类：Plantae > Angiosperms > Magnoliids > Magnoliales > Magnoliaceae > Magnolia > grandiflora - 俗名：Southern Magnolia样例11：扫描图像 - Viburnum tinus（地中海荚蒾） - 文件名：1012.jpg - 日期：07/07/10 - 类型：Scan - 机构：Inra - 作者：Barthelemy Daniel - 地点：Herault - Montpellier - 内容：Leaf - 分类：Plantae > Angiosperms > Eudicots > Asterids > Dipsacales > Adoxaceae > Viburnum > tinus - 俗名：Laurestine样例12：扫描图像 - Crataegus azarolus（阿扎山楂） - 文件名：1014.jpg - 日期：07/07/10 - 类型：Scan - 机构：Inra - 作者：Bonnet Pierre - 地点：Herault - Montpellier - 内容：Leaf - 分类：Plantae > Angiosperms > Eudicots > Rosids > Rosales > Rosaceae > Crataegus > azarolus - 俗名：Azarole样例13：扫描图像 - Juglans regia（核桃） - 文件名：1016.jpg - 日期：29/08/10 - 类型：Scan - 机构：Inra - 作者：Bonnet Pierre - 地点：Oriental Pyrenees - Prades - 内容：Leaf - 分类：Plantae > Angiosperms > Eudicots > Rosids > Fagales > Juglandaceae > Juglans > regia - 俗名：Common Walnut样例14：照片 - Quercus ilex（冬青栎） - 文件名：1017.jpg - 日期：09/11/10 19:06 - 类型：photograph - 机构：Inra - 作者：Bonnet Pierre - 地点：Herault - Montpellier - 内容：Foliage - 分类：Plantae > Angiosperms > Eudicots > Rosids > Fagales > Fagaceae > Quercus > ilex - 俗名：Holm Oak样例15：测试集样例（无分类信息） - 文件名：10.jpg（测试集） - 日期：03/11/10 14:22 - 类型：pseudoscan - 机构：Inra - 作者：Bonnet Pierre - 地点：Herault - Montpellier - 内容：Leaf - 经度：3.879447222，纬度：43.608175

## 应用场景

### 植物物种识别与分类模型训练

该数据集最直接的应用场景是植物物种识别与分类模型的训练和评估。基于5412张标注完整的叶片图像，研究人员可以构建深度学习模型，实现从叶片图像到植物物种的自动识别。数据集包含扫描图像、照片和伪扫描三种类型，涵盖了不同的采集条件和图像质量，能够增强模型对实际应用场景中各种图像来源的适应性。训练集提供了从界到种的完整分类学信息，支持多层次分类任务，研究人员可以根据需求选择不同的分类粒度进行模型训练，例如属级识别、科级识别或种级识别。测试集则为模型性能评估提供了独立的验证数据，确保模型的泛化能力和实际应用价值。

### 植物叶片图像特征提取与分析

叶片图像包含丰富的形态学特征，如叶片形状、纹理、颜色、叶缘特征等，这些特征对于植物分类和识别具有重要意义。该数据集提供了大量标注完整的叶片图像，可用于研究和提取叶片的各种视觉特征。研究人员可以利用计算机视觉技术，自动提取叶片的形状特征（如长宽比、面积、周长等）、纹理特征（如灰度共生矩阵特征、小波特征等）以及颜色特征，建立叶片特征数据库。这些特征不仅可以用于植物识别，还可以用于研究不同物种之间的形态差异、叶片形态与环境因素的关系等。此外，数据集包含的枯叶图像（Dead leaf）还为叶片衰老过程的研究提供了数据支持。

### 植物地理分布分析与生态研究

该数据集的一个重要特点是每张图像都包含精确的GPS坐标和地点描述，这为植物地理分布分析和生态研究提供了宝贵的数据资源。研究人员可以结合地理信息和分类学数据，分析不同植物物种的空间分布模式，研究物种分布与地理环境、气候条件之间的关系。例如，可以利用该数据集研究法国南部地区植物物种的分布特征，分析不同海拔、不同气候区域的植物多样性，或者研究入侵物种的分布范围和扩散趋势。此外，结合采集日期信息，还可以开展植物物候学研究，分析植物叶片的季节性变化规律。

### 农业与林业中的植物鉴定应用

在农业和林业领域，快速准确地识别植物物种对于病虫害防治、作物品种鉴定、林业资源管理等具有重要的实际意义。该数据集可以用于训练面向农业和林业应用的植物识别系统，帮助农林业工作者快速识别田间或林区的植物种类。例如，在果园管理中，可以利用基于该数据集训练的模型识别不同果树品种，辅助精准施肥和病虫害防治；在林业调查中，可以快速识别树木种类，提高森林资源清查的效率。数据集包含的多种植物科属（如蔷薇科、壳斗科、豆科等）涵盖了许多重要的经济作物和林木物种，具有广泛的应用价值。

### 教育与科普中的植物识别工具开发

基于该数据集训练的植物识别模型可以用于开发教育和科普应用。例如，可以开发植物识别手机应用，帮助学生和公众识别身边的植物，了解植物的分类学信息和生态特征。这种应用不仅可以提高公众的植物学知识水平，还可以促进生态保护意识的提升。数据集包含的俗名字段为科普应用提供了便利，可以直接展示植物的常用名称，降低用户理解门槛。

## 结尾

该植物叶片图像数据集以其庞大的数据规模、多种图像类型、完整的分类学标注（界门纲目科属种）和丰富的元数据信息，为植物识别、图像分类和生态研究提供了宝贵的研究资源。5412张图像涵盖了多种植物物种、多种图像类型和多个地理区域，支持从基础研究到实际应用的多层次需求。数据集的核心优势在于其包含完整的原始图像文件和高质量的分类学标注，这为构建精准的植物识别模型奠定了坚实基础。

对于计算机视觉领域的研究人员，该数据集提供了标准化的实验基准，可用于评估和比较不同植物识别算法的性能；对于植物学和生态学研究人员，结合地理信息和分类数据，可以开展植物分布模式分析、物种多样性研究等深度探索；对于产业应用，基于该数据集训练的模型可以应用于农业、林业、环境保护等多个领域，实现植物物种的快速自动识别。

如需获取该数据集的完整访问权限或了解更多使用细节，可私信获取相关信息。该数据集的开放共享将有力推动植物识别技术的发展和应用，为相关领域的研究和创新提供数据支撑。