植物叶片病害目标检测数据集
一、基础信息
数据集名称：植物叶片病害目标检测数据集
数据规模：
- 训练集：5,524 张植物叶片图像
- 验证集：231 张图像
- 测试集：232 张图像
分类类别：
Apple Scab Leaf（苹果疮痂病叶）、Tomato leaf bacterial spot（番茄细菌性斑叶）、
Corn Gray leaf spot（玉米灰斑病叶）等 30 种作物叶片健康状态及病害类型，覆盖苹果、
番茄、玉米等 9 大类经济作物
标注格式：
YOLO 格式标注，包含边界框坐标及病害类型标签，可直接适配 YOLOv5/v7/v8 等主流检
测框架
二、适用场景
智能农业病害诊断系统：
通过叶片病害检测模型开发，实现田间实时病害识别，辅助农户进行早期防治决策
精准农业管理平台：
集成至农业物联网系统，配合无人机巡检实现大田作物健康状态监测
农业科研创新：
为植物病理学研究提供标准化数据支撑，支持病害传播模式分析与抗病品种培育
农业教育可视化工具：
可作为农业院校数字教学资源，用于植物保护专业的病害识别教学实践
三、数据集优势
专业病害覆盖全面：
包含 30 种典型作物病害样本，涵盖真菌性（如晚疫病）、细菌性（如细菌性斑疹）及虫
害（如二斑叶螨）等多元病理类型
真实农田场景采集：
图像涵盖不同生长阶段、光照条件和拍摄角度，包含自然病害特征与背景干扰要素
精准标注体系：
由农业专家参与标注校验，确保病害分类准确性与边界框标注精细度
