早期的 PlantVillage 为图像分类提供了标准化的起步数据，而 PlantDoc 则通过引入复杂的田间背景噪声向真实应用迈进了一大步。IP102 通过大规模网络爬取显著扩展了病虫害的类别覆盖面。更重要的是，随着基础模型向多模态交互方向发展，如 CDwPK-VQA 这类结合结构化知识图谱与非结构化图像文本的视觉问答数据集，为评估模型的跨模态对齐与语义推理能力提供了新的平台。