Advertisement

该集合包含五个分类：健康棉花叶、蚜虫、粘虫、白粉病和斑点病（共9,000张图片）。

  • 5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：RAR

简介：
基于棉花叶片的病害图像分类数据集包含5个类别：健康状态下的棉花叶片、蚜虫造成的叶片损伤、粘虫引起的叶片问题、白粉病导致的叶片斑点以及斑点病造成的叶片斑块（共9,000张不同类型的图片）.rar

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 苹果叶五类病害图像分类数据集：健康叶、叶斑病、白粉病、疮痂病和褐斑病（共7900张图片）.rar
    优质
    本数据集包含7900张苹果叶片图像，涵盖健康叶片及四种常见病害（叶斑病、白粉病、疮痂病和褐斑病），适用于植物病理学研究与机器学习模型训练。 苹果叶病害图像分类数据集包含5个类别：健康苹果叶、叶斑病、白粉病、疮痂病和褐斑病，共有7900张图片。
  • 苹果叶病害图像分类数据集（含5类标签：健康叶片、灰斑病、铁锈病、马赛克病及蛙眼叶斑病，共7100张图片）.rar
    优质
    本数据集包含7100张苹果叶片的高分辨率图像，涵盖五种状态：健康叶片和四种常见病害（灰斑病、铁锈病、马赛克病及蛙眼叶斑病），适用于农业病理学研究与机器学习模型训练。 苹果叶病害图像分类数据集包含5个类别：健康苹果叶、灰斑病、铁锈病、马赛克病和蛙眼叶斑病，共7100张图片。rar文件包含了这些分类的图像数据。
  • 棉花病害图像数据集：包含病棉叶(300张)、病棉(850张)、新鲜棉叶(450张)及新鲜棉(450张)
    优质
    本数据集涵盖1,000张病棉叶与850张病棉图像，以及900张健康状态的棉花样本（包括450张新鲜棉叶和450张新鲜棉），为研究提供全面的视觉资料。 棉花病害数据集包括：病棉花叶（300张）、病棉花（850张）、新鲜棉花叶（450张）以及新鲜棉花（450张）。此外，还有一个实地拍摄的棉花地病害数据集，同样包含病棉花叶（300张）、病棉花（850张）、新鲜棉花叶（450张）和新鲜棉花（450张），所有图片均在实际棉田环境中采集。
  • 棉花叶片病害分类图像数据集
    优质
    本数据集包含大量标记的棉花叶片图像，旨在帮助研究者识别和分类由不同病原体引起的棉花叶片病害，促进农业领域智能诊断技术的发展。 棉花叶病害分类数据集按照棉花叶片感染的3种类型进行组织，其中一个文件夹包含1786张未感染棉花叶片的数据图片。
  • 关于棉叶与棉花健康的判断数据集，包含约2000张图片
    优质
    本数据集收录了近2000张照片，旨在评估棉叶和棉花健康状况，为研究及模型训练提供详实的数据支持。 棉叶和棉花的健康情况判断数据集包含约2000张图片，并且已经根据病害类型进行了分类。
  • 智慧农业苹果树叶病害数据集（花叶病和斑点落叶病）916张图片，包含VOC/YOLO/JSON标签.zip
    优质
    本数据集包含916张针对苹果树花叶病和斑点落叶病的图像，提供VOC、YOLO及JSON格式标签，适用于智慧农业中机器视觉与深度学习研究。 苹果叶病害（包括花叶病、斑点落叶病、叶枯病）识别检测数据集适用于课程作业、设计比赛及实际项目应用，如智慧农业与植物疾病智能识别app等。该数据集中共有916张图片，背景丰富多样，目标物大小不一且角度各异，分布均匀，整体上具有较高的多样性。标签格式包括VOC（xml）、YOLO（txt）和JSON三种类型，适用于多种目标检测算法直接使用。所有标注均为人工完成，并确保了框选的准确性及数据质量的高度可靠性。
  • 包含2000多张图片的大白菜病虫害数据集
    优质
    本数据集收录了超过两千张图片，全面展示了大白菜生长过程中可能遇到的各种病虫害情况，旨在为农业研究与防治提供详实资料。 在IT行业中，数据集是研究和发展人工智能、机器学习及深度学习等领域的重要资源之一。大白菜病虫害图像数据集包含超过2000张图片，用于识别并分析大白菜上的各种病虫害问题。 理解该数据集的结构和用途至关重要。它主要用于训练计算机视觉模型（如卷积神经网络CNN），以便准确地检测出大白菜上存在的不同类型的病虫害状况。这样的技术能帮助农民及时发现农作物中的潜在问题，从而提高农业生产的效率与质量。 通常情况下，一个完整的数据集会分为训练、验证和测试三个部分：训练集用于初始模型的学习；验证集则用来调整优化参数；而测试集则是评估最终模型性能的关键环节。虽然该数据集中具体的划分方式未详细说明，但可以假设已经按照上述标准进行了分类处理。 在深度学习领域中，对原始图像进行适当预处理是必不可少的步骤之一。这包括但不限于调整图片大小、归一化像素值以及执行各种形式的数据增强技术（如翻转和旋转等），以确保模型能够更有效地提取特征信息并减少过拟合的风险。例如，统一所有输入图片的尺寸可以简化计算流程；而标准化图像中的颜色分布有助于加快训练速度。 每一张图都需要有一个对应的标签来指示其属于哪个类别，比如健康、霉菌感染或者虫害等状况。这些标签作为监督学习的基础，在模型训练过程中起到至关重要的作用。 最终构建出来的识别系统可以通过集成到农业监测设备中实现大规模应用：当摄像头捕捉到新的大白菜图像时，该系统可以立即进行分析并判断是否存在病虫害情况；一旦发现问题，则会向农民发出警报以便及时处理。此外，这种技术还可以应用于其他类型的农作物上，进一步推动智能农业的发展。 总之，这个包含2000多张图片的大白菜病虫害数据集是一个宝贵的资源库，它不仅支持了深度学习模型的开发与优化工作，也为解决农业生产中的实际挑战提供了新的解决方案和广阔的应用前景。
  • 棉花叶片病害检测数据集（VOC+YOLO格式），含977张图片，22个类别.7z
    优质
    本数据集提供针对棉花叶片病害的图像识别训练素材，包含977幅图片及22种不同的病害分类标签，支持VOC与YOLO两种格式。 数据集格式：Pascal VOC 格式 + YOLO 格式（不包含分割路径的 txt 文件，仅包含 jpg 图片以及对应的 VOC 格式 xml 文件和 YOLO 格式的 txt 文件） 图片数量（jpg 文件个数）：977 标注数量（xml 文件个数）：977 标注数量（txt 文件个数）：977 标注类别数：22 重要说明：所有图像的分辨率为 640x640，请仔细查看图片预览以确认是否符合实际项目需求。下载前请务必参考相关博文，确保数据集满足项目的具体要求。
  • 草莓植株病虫害及营养不良数据集，含正常、缺钙和缺肥植株以及白粉病与叶斑病植株等约1200张图片
    优质
    本数据集包含约1200张草莓植株图像，涵盖健康植株、缺钙、缺肥及遭受白粉病和叶斑病感染的样本，旨在促进植物病理学与营养不良研究。 其中包括原始数据集、根据YOLO标注的数据集、我自己训练好的模型以及我的标签文件。我共分了8类标签：flower（花）、health（健康状况）、ripe（成熟度）、fruit（果实）、fertilizer（肥料使用情况）、powdery（白粉病）、acalcerosis（轮纹病）和greyleaf（灰叶）。希望这些信息对你有所帮助。