蔬菜病害检测数据集 | 目标检测 | 农业识别-YOLO数据集

本数据集面向蔬菜病害检测场景的目标检测任务，涵盖12个检测类别，总计5,373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：蔬菜病害检测数据集
任务类型：目标检测
图像总数：5,373 张
标注类别：12 类
标注格式：YOLO TXT（归一化坐标）
适用框架：YOLOv5 / YOLOv8 / YOLOv10 / YOLOv11 / YOLO26 / 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12个检测类别，各类别标注分布如下：

Tomato_Spider_Mites（番茄_蜘蛛_螨虫）
Beans_Angular_LeafSpot
Strawberry_Anthracnose_Fruit_Rot（草莓_炭疽病_水果_腐烂）
Strawberry_Leaf_Spot（草莓叶斑）
Strawberry_Angular_LeafSpot（草莓_角_叶斑）
Strawberry_Powdery_Mildew_Leaf（草莓_粉状_发霉_叶子）
Strawberry_Gray_Mold（草莓_灰色_霉菌）
Strawberry_Blossom_Blight（草莓_花_枯萎病）
Strawberry_Powdery_Mildew_Fruit（草莓_粉状_霉菌_水果）
Tomato_Leaf_Mold（番茄叶霉病）
Tomato_Blight
Beans_Rust

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. **目标检测模型训练**：使用本数据集训练目标检测模型，实现蔬菜病害检测的自动识别
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