数据是驱动深度学习发展的核心动力，而在基础模型时代，高质量的领域特定数据集对于模型的微调和评估显得尤为关键。尽管基础模型展现出了强大的零样本泛化能力，但农业环境的复杂性（如光照变化、背景干扰、相似病害混淆）仍需要专门标注的数据集来进行基准测试和领域适应。为了系统评估各类基础模型在农业病虫害诊断任务中的性能，本节梳理了该领域目前最常用且具代表性的公开基准数据集。这些数据集不仅是过去传统CNN模型研究的基础，也是当前评估基础模型迁移学习能力和少样本性能的核心平台。