土豆叶病害分类数据集 | 实例分割 | 农业识别

本数据集面向土豆叶病害分类场景的实例分割任务，涵盖7个检测类别，总计3,004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：土豆叶病害分类数据集
• 任务类型：实例分割
• 图像总数：3,004 张
• 标注类别：7 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7个检测类别，各类别标注分布如下：

• Healthy（健康）
• Bacteria（细菌）
• Fungi（真菌）
• Pest（害虫）
• Virus（病毒）
• Phytopthora
• Nematode（线虫动物门）

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. **实例分割模型训练**：使用本数据集训练实例分割模型，实现土豆叶病害分类的自动识别
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

登录本站后即可免费获取百度网盘下载链接，数据集已按标准目录结构组织，下载后即可直接用于模型训练。
🏷️ 标签
#农业识别 #实例分割 #YOLO数据集 #深度学习 #计算机视觉 #健康 #细菌 #真菌