尧图网站设计 尧图网站设计YAOTU DESIGN
ARTICLE DETAIL

资讯详情

深耕网站设计与一线实操的经验洞察。

小麦病害目标检测数据集 | 小麦病害 锈病检测 智慧农业9060期

小麦病害目标检测数据集 | 小麦病害 锈病检测 智慧农业9060期 小麦病害目标检测数据集 | 小麦病害 锈病检测 智慧农业9060期数据集概述本数据集专注于小麦常见病害的视觉检测与识别服务于智慧农业、病害监测及精准植保。数据涵盖六类小麦健康状况适配田间巡检、无人机病害普查及植保决策支持等应用。数据集核心信息数据要素详细说明类别共6类褐锈病、健康、白粉病、叶枯病、茎锈病、黄锈病数量7700张图像格式图像为 JPG/PNG分辨率800×800标签为 YOLO 格式的txt文件水平边界框应用价值1.病害预警支持小麦锈病、白粉病等主要病害的早期自动化筛查。2.精准施药通过病害类型与分布识别指导变量喷药减少农药使用。3.育种支持为抗病品种筛选提供田间病害发生率的量化评估数据。数据三要素解析类别与病害覆盖数据集定义6个类别涵盖5种小麦主要病害与健康植株褐锈病Brown Rust、黄锈病Yellow Rust、茎锈病Stem Rust—— 三种锈病由不同真菌引起。白粉病Powdery Mildew、叶枯病Septoria—— 常见叶部病害。健康Healthy—— 作为负样本帮助模型学习正常植株特征。该分类体系覆盖了小麦生产中最重要的病害类型具有较强实用性。数据规模与划分图像总量约7700张已按训练集6357张、验证集831张、测试集526张完成标准化划分利于模型开发与独立评估。图像分辨率统一为800×800适配多种YOLO版本网络输入要求。格式与兼容性采用通用YOLO 格式txt每张图像对应一个同名标签文件包含类别 ID 与归一化边界框坐标可直接接入YOLOv5–v12、RTDETR、Mamba-YOLO等主流检测框架。图像与标签一一对应数据结构规范即拿即用。知识普及小麦病害视觉检测的挑战病害相似性不同锈病褐锈、黄锈、茎锈在叶片上表现形态相似需依赖颜色、孢子堆位置等细微差异进行区分对模型细粒度特征提取能力要求较高。环境干扰田间拍摄受光照、阴影、叶片姿态等因素影响建议采用多尺度训练与颜色增强策略。小目标检测病害斑点在叶面初期可能占比较小可考虑使用更高分辨率输入或特征金字塔结构提升检测精度。快速开始代码示例配置文件data.yaml示例train:./dataset/images/trainval:./dataset/images/valtest:./dataset/images/testnc:6names:[brown_rust,healthy,powdery_mildew,septoria,stem_rust,yellow_rust]启动 YOLOv8 训练fromultralyticsimportYOLO modelYOLO(yolov8m.pt)model.train(datadata.yaml,epochs100,imgsz800,batch16)标签小麦病害锈病检测智慧农业目标检测YOLO格式深度学习数据集计算机视觉
返回列表