水果及叶片病害检测数据集 | 目标检测

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 / 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31个检测类别，各类别标注分布如下：

Potato leaf early blight（马铃薯叶早疫）
Potato leaf（马铃薯叶）
Tomato Early blight leaf（番茄早疫叶）
Tomato mold leaf（番茄霉叶）
Squash Powdery mildew leaf（南瓜白粉病叶）
Apple Scab Leaf（苹果痂叶）
Cherry leaf（樱桃叶）
Corn leaf blight（玉米叶枯病）
Potato leaf late blight（马铃薯叶晚疫病）
Apple leaf（苹果叶）
Tomato leaf bacterial spot（番茄叶细菌斑）
Soyabean leaf（大豆叶）
grape leaf black rot（葡萄叶黑腐病）
Apple rust leaf（苹果锈叶）
Soybean leaf（大豆叶）

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，实现水果及叶片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