摘要多模态深度学习最小数据集是一个面向冬小麦关键生育期干旱监测与农业智能分析的多模态数据集。数据集概述多模态深度学习最小数据集是一个面向冬小麦关键生育期干旱监测与农业智能分析的多模态数据集。该数据集围绕冬小麦在不同干旱胁迫条件下的生长状态进行构建通过融合小麦干旱胁迫图像、土壤数据和气象数据为研究作物外观变化、土壤水分状况与气候环境之间的关系提供数据基础。其主要目标是支持利用多模态深度学习方法识别冬小麦关键生育阶段的干旱程度并为农业旱情监测和精准灌溉提供技术支持。数据结构与关键特征该数据集主要由三类信息构成第一类是冬小麦干旱胁迫图像用于记录不同水分条件下小麦叶片颜色、形态、冠层结构和萎蔫程度等视觉变化第二类是土壤数据可用于描述土壤水分、含水状态及其他与根区环境相关的指标第三类是气象数据通常反映温度、湿度、降水、光照等环境条件。通过将视觉特征与土壤、气象数值特征进行时间和样本层面的对应可建立“图像—土壤—气象”联合输入结构适合开展多模态特征融合与干旱状态分类或预测研究。应用价值与研究方向该数据集适用于冬小麦旱情识别、作物胁迫检测、农业多模态学习和智慧灌溉决策等研究。研究人员可以使用 CNN、Vision Transformer 等模型提取小麦图像特征并结合 MLP、LSTM、Transformer 等方法处理土壤和气象数据再通过特征级融合或注意力机制实现干旱程度预测。进一步可研究关键生育期干旱敏感性分析、不同模态贡献度评估、跨季节模型泛化、作物早期胁迫预警以及面向智慧农业的实时旱情监测系统。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-462文件大小660M原创声明本数据集为整理作品