树木园：一个大型多模数据集为生物多样性提供 AI 支持
内容提要
本文介绍了多个重要的生物数据集，包括用于树种识别的激光雷达数据集、昆虫多样性研究的BIOSCAN-5M数据集和CitrusFarm农业数据集。这些数据集支持深度学习和计算机视觉研究，促进植物学和农业机器人系统的发展，推动生物多样性研究和分类器的进步。
延伸解读
多模态数据如何提升生物多样性识别
文章中的BIOSCAN-5M数据集不仅包含昆虫图像，还整合了DNA条形码序列和地理信息。这种多模态设计让分类器能同时利用视觉和遗传特征，从而在物种识别上获得更高准确性。对于研究者和开发者而言，这意味着单一图像数据可能不足以应对复杂分类任务，融合多源信息是提升模型性能的关键方向。
农业机器人数据集的实用价值
CitrusFarm数据集由轮式机器人在柑橘园中采集，提供了立体RGB、近红外、热红外图像以及激光雷达、IMU和RTK-GNSS等导航数据，覆盖7.5公里、1.3TB。这些多光谱和定位信息能直接用于训练自主机器人的定位、建图和作物监测任务，为农业场景下的机器人研究提供了接近真实环境的基准。
计算机视觉在物种识别中的挑战
iNaturalist数据集包含859,000张图片、5000多个物种，但非集成模型的分类准确率仅约67%。这反映出细粒度分类、长尾分布和图像质量差异带来的困难。文章提示，现有方法仍有较大提升空间，需要更多针对低阶特征学习和类别不平衡问题的研究。
Q&A
纯森林数据集的主要用途是什么？
纯森林数据集主要用于树种识别，支持深度学习方法的开发。
BIOSCAN-5M 数据集包含哪些信息？
BIOSCAN-5M 数据集包含500万个昆虫标本的分类标签、原核酸条形码序列、条形码索引和地理信息等多模态信息。
CitrusFarm 数据集的收集方式是什么？
CitrusFarm 数据集是由在农田中操作的轮式移动机器人收集的。
Herbarium Half-Earth 数据集的目的是什么？
Herbarium Half-Earth 数据集旨在通过数字化技术协助植物学研究，支持自动识别和分类研究。
iNaturalist 数据集的规模和内容是什么？
iNaturalist 数据集包含859,000张图片，涉及5000多种植物和动物。
这些数据集如何促进生物多样性研究？
这些数据集通过提供多模态数据和支持深度学习，推动生物多样性研究和分类器的进步。
