水果及叶片病害检测数据集 | 目标检测 | 农业识别

【水果及叶片病害检测数据集 | 目标检测 | 农业识别】

本数据集面向水果及叶片病害检测场景的目标检测任务，涵盖31个检测类别，总计2,554张标注图像。数据集适用于农业识别领域的算法研究、模型训练与工程应用。

数据集概览

• 数据集名称：水果及叶片病害检测数据集
• 任务类型：目标检测
• 图像总数：2,554 张
• 标注类别：31 类
• 标注格式：YOLO TXT（归一化坐标）
• 适用框架：YOLOv5 / YOLOv8 / YOLOv10 / RT-DETR
• 数据划分：训练集 / 验证集 / 测试集

检测类别与标注分布

本数据集包含31个检测类别，各类别标注分布如下：

• Blueberry leaf（Blueberry leaf）— 834 个标注实例
• Tomato leaf yellow virus（Tomato leaf yellow virus）— 782 个标注实例
• Peach leaf（Peach leaf）— 589 个标注实例
• Raspberry leaf（Raspberry leaf）— 556 个标注实例
• Strawberry leaf（Strawberry leaf）— 473 个标注实例
• Tomato Septoria leaf spot（Tomato Septoria leaf spot）— 426 个标注实例
• Tomato leaf（Tomato leaf）— 400 个标注实例
• Corn leaf blight（Corn leaf blight）— 368 个标注实例
• Bell_pepper leaf（Bell_pepper leaf）— 323 个标注实例
• Potato leaf early blight（Potato leaf early blight）— 318 个标注实例
• Tomato mold leaf（Tomato mold leaf）— 295 个标注实例
• Tomato leaf bacterial spot（Tomato leaf bacterial spot）— 280 个标注实例

技术规格

• 标注格式：YOLO TXT格式，每行标注为 class x_center y_center width height，坐标值归一化至 [0, 1]
• 数据划分：按照标准比例划分训练集、验证集与测试集，可直接用于模型训练与性能评估
• 数据来源：Roboflow Universe 平台

应用场景

1. 农作物病害监测
2. 智慧农业自动化
3. 农产品质量分级

数据集特点

• 数据集包含 2,554 张标注图像，覆盖 31 个检测类别
• 标注格式为 YOLO TXT，坐标归一化至 [0, 1] 区间
• 适用于 YOLOv5 / YOLOv8 / YOLOv10 等主流目标检测框架
• 累计标注实例 8,786 个，标注质量高

获取方式

数据集持续整理中，如需获取请关注本站后续更新。

🏷️ 标签

#农业识别 #目标检测 #YOLO数据集 #深度学习 #计算机视觉