作物病害目标检测数据集（YOLO 格式）

数据预览

数据交付

本条目提供数据和数据说明，暂未提供可运行教学案例。需要自行完成建模或实验。

数据集介绍

【数据集名称】作物病害目标检测数据集（YOLO 格式） 【门类归属】植物与农业 / 病害识别 【数据类型与任务】图像；待核查 【数据规模】2410 张图像 【文件格式】TXT 文本 【压缩包大小】下载压缩包约 133.2 MB 【数据划分】已划分 —— 训练集（images 1691 张）；验证集（images 474 张）；测试集（images 245 张）。 【标签或字段】有标签：每张图像存放在以类别名命名的文件夹里，文件夹名就是这张图的类别；完整的字段与类别说明见压缩包内的数据字典文件 data-dictionary.csv。 【类型关键参数】图像尺寸不统一：随机抽取 80 张实测，宽度 640~640 像素、高度 640~640 像素。标注方式：每张图片所在文件夹的名字就是它的类别，不需要额外的标注文件。 【目录结构】 plant-disease-detection-bounding-box-dataset.zip（解压后） ├── test/images/ —— .jpg×245 ├── test/labels/ —— .txt×245 ├── train/images/ —— .jpg×1691 ├── train/labels/ —— .txt×1691 ├── valid/images/ —— .jpg×474 └── valid/labels/ —— .txt×474 README.dataset.txt README.roboflow.txt data.yaml 【怎么使用】 图片已经按类别分好了文件夹，文件夹的名字就是图片的类别，不需要额外的标注文件。做深度学习的话，用 PyTorch 两行代码就能全部读入： from torchvision.datasets import ImageFolder test = ImageFolder("test") # images×245 train = ImageFolder("train") # images×1691 val = ImageFolder("valid") # images×474 每个类别有多少张图片，见压缩包内的 file-manifest.csv。 【数据体检结果】 · 数据体检未发现问题，可放心使用。

整理与使用信息

本站处理内容

本站已完成的工作： 1. 中文名称与用途说明整理（对照原站信息逐项核对）； 2. 全量文件清点与 SHA256 校验（file-manifest.csv，可溯源）； 3. 自动质检报告（quality-report.json：结构、编码、重复、标注一致性等）； 4. 数据字典整理（data-dictionary.csv，字段/类别中英对照）； 5. 预览样例抽取（preview/，供购买前判断内容）。

中文整理说明

门类：植物与农业 / 病害识别（依据《数据集中文分类体系》） 中文命名：作物病害目标检测数据集（YOLO 格式）（原始名称 mahin661/plant-disease-detection-bounding-box-dataset） 已知问题：自动检查未发现问题（详见 quality-report.json） 配套文档：简明说明.md、README_中文.md、数据字典、文件清单、质检报告、预览样例（均随网盘下载包提供）。