哪些农业图像值得标注？当不确定性重复选择同一问题

成本不在拍照，而在赋予图像含义

农业企业在巡检中收集大量图像，却只能请专家标注一部分。标注意味着给图像添加类别或其他经验证信息，用于训练和评估模型。选择 AI 最不确定的图像，是否就能用好专家时间？未必。同一片叶子的连续两张照片都可能很难，却几乎描述同一个问题，其他拍摄条件仍未被探索。

问题限定为：预算只有两个新标签，如何避免都花在已被代表的区域？我们用平面上的六个点表示六张虚构图像，比较不确定性选择与几何覆盖，推导保证并揭示局限。坐标和概率都是合成的，不含农艺测量、不诊断植物，也不展示 EL-AI 项目成果。

这是图像地图，不是田地地图

嵌入是对象的数值表示，网络可将图像变为向量。如果表示适合任务，相关特征相似的图像可能具有相近向量。“如果”很关键：距离可能反映光照和背景，而非要识别的性质。本例只用两个任意单位的抽象分量展示推理，不是经纬度，也不是真实图像投影。

L 是原点处已标注图像。A、B 接近 L，C、D 构成第二区域，E、F 构成第三区域。每个候选还有合成二分类置信度。这里最不确定是指获胜置信度最接近 0.5；所有置信度至少为 0.5，因此选择最小的两个，即 A、B。该规则不考虑两者之间多么相似。

点	x₁	x₂	置信度
L	0	0	—
A	0.2	0	0.5
B	0.3	0.1	0.51
C	4	0	0.8
D	4.2	0.2	0.78
E	0	4	0.9
F	0.2	4.1	0.88

覆盖一个集合意味着什么

将每个点连接到最近的已标注表示。最长线段指向代表最不足的区域，其长度就是覆盖半径。最小化它，意味着不让任何候选离所选示例太远，但不意味着已知邻近点标签，也不保证同类。这是几何替代指标，只有几何相关时才有用。

d(x,y) = √[(x₁−y₁)² + (x₂−y₂)²] r(S) = maxₓ∈U min_c∈({L}∪S) d(x,c); |S| = 2

U 含六个候选，S 含两个待标注点，d 为欧氏距离。内层最小值为每点选择最近中心，外层最大值选择最差点。所选点到自身距离为零，L 不占预算但始终可用。这避免忘记已有标注，或优化平均距离却声称最坏情况保证的错误。

S = {A,B} 时，F 到最近中心 B 的距离为 √[(0.2−0.3)² + (4.1−0.1)²] = √16.01，约 4.00125，也是最终半径。两个原点附近标签充分覆盖一块区域，却几乎忽略其他区域。这是构造示例，并不证明不确定性采样总是错误；若重要类别边界恰在此处，这些标签可能很有价值。

每次选择代表最不足的点

最远优先是贪心算法：每步做当前最合适的选择，不枚举全部未来组合。从 L 开始，计算各候选到最近中心的距离，选最大者并加入中心，再更新距离，直到预算用尽。更新很重要：选 D 后，附近 C 不应保留旧优先级。

x* = argmaxₓ∈U\S d_min(x) S ← S ∪ {x*}; d_min(x) ← min[d_min(x), d(x,x*)]

最初 D 距 L 为 √17.68 ≈ 4.20476，比其他候选都远，因此先选 D。C 随即距 D 约 0.28284，而 F 距 L 仍约 4.10488，成为第二选择。有了 {L,D,F}，最大剩余距离是 B 到 L，约 0.31623；C 到 D、E 到 F 更小。覆盖半径于是从不确定性选择的 4.00125 降到几何选择的 0.31623。

同一合成池的两种选择。绿圈为新标注，方块 L 为已有标注，线段连接候选与最近中心。左图两块区域仍有长线段，右图覆盖更均匀。它们不是田地地图，也不是准确率测量。

这个选择有多好？有边界的保证

可以比较全部配对：六个候选共有 6 × 5 / 2 = 15 种组合。脚本枚举发现 {C,E} 属于最优解，半径 0.31623。这里贪心达到最优，但并非总能如此。一般保证更弱：采用度量距离、固定初始中心时，贪心半径至多为最优半径的两倍。两倍指距离，不是分类错误或节省标签数量。

r_greedy ≤ 2 r_opt

设预算为 b，最终贪心半径为 r。取 b 个已选点，再加最后一步后的最远点。这 b + 1 个点两两至少相距 r：每个新点当时离现有中心最远，增加中心不会增大最大距离。它们距初始中心也至少为 r。反设 r 大于 2r_opt，则初始中心无法在 r_opt 内覆盖任何一个。最优解仅有 b 个新中心，却要覆盖 b + 1 点，必有两点共享中心。三角不等式使它们距离不超过 2r_opt，与至少为 r 矛盾，公式得证。

证明也说明如何避免误用。任意相似度未必满足三角不等式，例如欧氏距离的平方就不具有同样性质。证明不涉及标签、噪声或植物疾病。要将覆盖转为准确率承诺，还需模型及表示与类别关系的额外假设；我们没有验证这些假设。

当多样性追逐孤立点

加入 O = (7,7)，合成置信度为 0.99。它可能代表不同背景、采集错误，或真正重要的罕见情况；几何无法判别。贪心选 O、D，半径约 4.10488。枚举 21 对后，{B,O} 属于最佳覆盖，半径 4.00125。这是贪心非最优但仍满足已证界限的具体例子。

加入 O	新中心	最大半径	平均距离
Greedy	O,D	4.10488	1.27199
min max	B,O	4.00125	2.23669
min mean	D,E	7.35391	1.19666

表中均值包含全部七个候选，已选点贡献零。最小化均值会选 {D,E}：多数点表示良好，但 O 很远。最小化最大值则牺牲平均覆盖来保护最差情况。不存在脱离目标的赢家。若 O 是拍摄故障，追逐它可能浪费预算；若记录重要罕见情况，忽略它可能才是错误。应检查数据和目的，而非自动删除所有异常。

距离取决于如何表示图像

另一项计算把第一坐标乘以 0.1。在不含 O 的原池上，贪心变为先 F 后 D：最终集合不变，但顺序改变。新半径约 0.20100，不代表优于 0.31623，因为尺子变了，数值不能直接比较。真实系统中权重、归一化、表示网络可能放大颜色、纹理或背景。标准化分量本身并不保证农业意义上的距离。

预算也需明确定义。这里两幅图恰好花两单位。类别标签和逐像素轮廓耗时可能差异很大，模糊图像可能需专家。优化两项不等于优化二十分钟。不等成本改变组合问题，不能将上述保证自动移植到距离除以成本的启发式。

代码、计算成本与实地验证

下载包含坐标、置信度、贪心选择及配对枚举。末尾代码调用 run，打印情景、方法、选择及半径；JSON 还保存平均距离。数据和规则确定，平局按字母顺序，无需随机种子。不训练网络，也未获取真实农业图像。贪心与最优半径比例断言仅检查这些有限实例；证明解释假设下的一般结果。

设 N 个候选、维度 d、新标签 b。缓存当前最小距离的实现，每步更新 N 个距离，成本 O(Nbd)，另加与已有中心的初始比较。保存最小值需 O(N) 额外内存，不需完整 N × N 矩阵。我们的脚本优先可读性，重算全部中心距离，成本 O(Nb(|L| + b)d)。枚举所有配对并评价 N 点为 O(N³d)。这些是运算计数，不是设备延迟或内存测量。

要确认农业价值，还需实际标注，在可比预算下训练同一模型，并包含随机选择基线。当相关性重要时，测试应按地块、季节或采集序列隔离；训练与测试近重复帧会让任何策略显得有效。需多次重复并记录专家投入。这是尚未执行的实验建议，不报告准确率提升、经济节省或 EL-AI 结果。

研究与结论：覆盖只是一个问题

Sener 与 Savarese 的 ICLR 2018 论文联系代表子集选择与主动学习，分析理论假设并用图像网络测试稳健优化。本文只研究基础几何，不复现其网络、基准或稳健优化。

研究不限于 k-center。Cohen-Addad 等人的 ICML 2026 论文利用低秩结构和损失敏感度研究选择与加权。其目标、假设与这里的几何覆盖不同，并不使最远点选择普遍最优。

最初问题有了明确答案：预算少时，仅看不确定性可能两次购买几乎相同的几何信息。每次选择后更新覆盖可避免这类冗余，并具有可证明的度量保证。但它不判断表示是否相关、罕见点是否值得关注，或新标签是否改善模型。真正有用的是分开并测量这些决定，始终围绕标注所服务的农业问题。

参考文献与可复现性

Sener & Savarese — Active Learning for Convolutional Neural Networks: A Core-Set Approach, ICLR 2018; arXiv v4, 1 June 2018.

Cohen-Addad et al. — ICML 2026, PMLR 306:21154–21175.

Cohen-Addad et al. — full methods and experiments, arXiv 2606.16045 v1.

from experiment import run
r = run()
for case in r['results']:
    print(case['scenario'])
    for m in case['methods']:
        print(m['method'], m['selected'], round(m['radius'], 6))

代码、数据与说明 · JSON. 教学计算使用 Python 3.14.0，图使用 Matplotlib 3.11.2。分析由 AI 辅助，不声称经过同行评审或人工审核。原创 ImageGen 封面仅作示意，不记录 EL-AI 人员、场所或实际安装。来源查阅于 2026 年 10 月 4 日。