数据集概述
该数据集包含香蕉、辣椒、萝卜、花生和花椰菜五种作物的健康与病害叶片标注图像，共两万三千余张，覆盖三十余种病害类型。图像以六百四十乘六百四十分辨率采集于印度泰米尔纳德邦真实农田，标注为YOLO格式边界框，用于训练植物病害检测的人工智能模型。
文件详解
- 数据集结构:
- 按train（训练）、test（测试）、valid（验证）三个子集划分，每个子集包含images（图像）和labels（标签）两个目录
- 图像文件:
- 格式: JPG（.jpg）
- 内容: 按作物和病害类别分类的叶片图像，分辨率为六百四十乘六百四十
- 标签文件:
- 格式: TXT（.txt）
- 内容: YOLO格式的边界框标注文件，与图像文件一一对应
- 配置文件:
- data.yaml: 数据集配置文件
- 说明文档:
- README.roboflow.txt: 数据集导出说明文档
适用场景
- 植物病害检测模型训练: 用于训练CNN、YOLO等深度学习模型实现作物病害分类与定位
- 精准农业研究: 支持智能农业系统中的实时病害诊断应用开发
- 计算机视觉基准测试: 作为农业场景下目标检测模型的性能评估数据集
- 边缘人工智能应用: 适配移动农业应用和嵌入式设备的轻量化模型开发
