杂草分类数据集 | 目标检测 | 农业识别

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：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 / 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16个检测类别，各类别标注分布如下：

• Rice_earhead_bug
• Rice_horned_caterpillar
• Mealy_bug
• Weed（野草）
• Rice_case_worm
• Grasshopper（弹跳蚱蜢）
• Thrips（纓翅目）
• Armyworms
• Paddy_stemborer
• Whorl_maggot
• Rice_skipper
• Spiny_beetle
• Brown_plant_leafhopper
• White_backed_plant_hopper（白色_背衬_植物_料斗）
• Gall_midge

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，实现杂草分类的自动识别
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

获取方式