杂草分类数据集 | 目标检测 | 工业检测

【杂草分类数据集 | 目标检测 | 工业检测】

本数据集面向杂草分类场景的目标检测任务，涵盖16个检测类别，总计1,000张标注图像。数据集适用于工业检测领域的算法研究、模型训练与工程应用。

数据集概览

• 数据集名称：杂草分类数据集
• 任务类型：目标检测
• 图像总数：1,000 张
• 标注类别：16 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16个检测类别，各类别标注分布如下：

• Weed（Weed）— 453 个标注实例
• Mealy_bug（Mealy_bug）— 116 个标注实例
• Brown_plant_leafhopper（Brown_plant_leafhopper）— 104 个标注实例
• Thrips（Thrips）— 90 个标注实例
• Spiny_beetle（Spiny_beetle）— 88 个标注实例
• White_backed_plant_hopper（White_backed_plant_hopper）— 85 个标注实例
• Armyworms（Armyworms）— 84 个标注实例
• Grasshopper（Grasshopper）— 79 个标注实例
• Rice_horned_caterpillar（Rice_horned_caterpillar）— 69 个标注实例
• Paddy_stemborer（Paddy_stemborer）— 59 个标注实例
• Leaf_folder（Leaf_folder）— 55 个标注实例
• Rice_case_worm（Rice_case_worm）— 53 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. 产线质量检测与缺陷识别
2. 工业自动化巡检
3. 设备状态监控与预警

数据集特点

• 数据集包含 1,000 张标注图像，覆盖 16 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 1,479 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

#工业检测 #目标检测 #YOLO数据集 #深度学习 #计算机视觉