flavia植物叶片分类数据集 | 目标检测

本数据集面向flavia植物叶片分类场景的目标检测任务，涵盖26个检测类别，总计9,933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：flavia植物叶片分类数据集
任务类型：目标检测
图像总数：9,933 张
标注类别：26 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26个检测类别，各类别标注分布如下：

Tomato leaf mosaic virus（番茄叶花叶病毒）
Tomato bacterial wilt（番茄细菌性枯萎病）
Cassava Brown Leaf Spot（木薯褐叶斑点）
Cassava Root Rot（木薯根腐病）
Cassava Bacterial Blight（木薯白叶枯病）
Corn Chlorotic Leaf Spot（玉米绿叶斑）
Corn Yellow Spots（玉米黄斑）
Corn Brown Spots（棕点）
Corn rust leaf（玉米锈叶）
Corn Stripe（玉米条）
Corn Mildew（玉米霉病）
Cassava Healthy（木薯健康）
Corn Insects Damages（玉米虫害）
Corn Purple Discoloration（玉米紫变色）
Corn Gray leaf spot（玉米灰叶斑）

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flavia植物叶片分类的自动识别
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