摘要面向野外杂草识别的多类别图像数据集共包含17,509张256×256彩色图像采集自澳大利亚昆士兰州北部8个牧场环境。数据集概述面向野外杂草识别的多类别图像数据集共包含17,509张256×256彩色图像采集自澳大利亚昆士兰州北部8个牧场环境。数据覆盖自然光照、复杂植被背景、不同生长阶段和拍摄视角包含8种主要入侵杂草及“其他”类别可用于评估深度学习模型在真实农业环境中的识别能力。数据结构与关键特征数据集主要由 images 图像目录和 labels.csv 标签文件组成标签文件记录图像文件名、数字类别及物种名称。九个类别分别为Chinee Apple、Lantana、Parkinsonia、Parthenium、Prickly Acacia、Rubber Vine、Siam Weed、Snake Weed和Other。数据还提供用于五折交叉验证的训练、验证和测试划分文件各折按照60%、20%和20%的比例划分便于复现模型实验与性能比较。应用价值与研究方向该数据集可用于牧场杂草自动识别、入侵植物监测、精准除草、农业机器人视觉感知和生态环境调查。研究方向包括卷积神经网络与视觉Transformer分类、细粒度物种识别、复杂背景特征分离、类别不平衡处理、数据增强、迁移学习、模型轻量化和可解释性分析还可结合目标检测、图像分割及无人机遥感技术研究杂草定位、覆盖度估计和大范围分布监测。数据集来源由张家梁(Bob)整理并于2026年在7zcode平台公开发布。数据集信息免责声明与引用数据仅用于科研与教学用途。若用于商业场景请自行核验数据许可。如需引用请在论文或报告中注明数据集名称与版本号。作者信息作者Bob (张家梁)项目编号Datasets-577文件大小470M原创声明本数据集为整理作品