杂草作物检测数据集 | 目标检测 | 农业识别

本数据集面向杂草作物检测场景的目标检测任务，涵盖18个检测类别，总计4,752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

检测类别与标注分布

本数据集包含18个检测类别，各类别标注分布如下：

• ECHCG_Ve
• SOLNI_V1
• ECHCG
• SOLNI_Vc
• CYPRO_max
• ECHCG_V2
• ECHCG_V1
• CYPRO
• ZEAMX_V1
• ZEAMX_V3
• NC
• ZEAMX_V4
• ZEAMX
• OE
• SOLNI_V2

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

应用场景

1. 目标检测模型训练：使用本数据集训练目标检测模型，实现杂草作物检测的自动识别
2. 算法研究：作为目标检测算法的基准数据集，用于性能评估与横向对比
3. 工程应用：支持智能检测系统的开发与部署
4. 教学与科研：适用于计算机视觉、深度学习等领域的科研项目与课程实践

数据集特点

• 即开即用：YOLO格式标注，无需额外格式转换，下载后可直接用于模型训练
• 标准数据划分：按照标准比例划分训练集、验证集与测试集

数据集下载

更多优质数据集请登录网站免费获取，持续更新中！

相关推荐

• YOLOv8训练数据集推荐