数据集概述
该数据集包含两千七百二十六张高质量鲜食葡萄叶片图像，按霜霉病、细菌性叶斑病、白粉病及健康叶片四个类别分类存储。图像由手机拍摄，分辨率为二百五十六乘二百五十六像素，九十七点九五分辨率，具有真实世界场景的代表性，适用于机器学习、植物病理学和农业研究。
文件详解
- 目录结构:
数据集通过多层目录组织，核心图像文件位于
Niphad Grape Leaf Disease Dataset (NGLD)/Niphad Grape Leaf Disease Dataset (NGLD)/Grapes Disease Dataset/ 目录下，并按四个类别分别存储在独立子文件夹中：
- Bacterial Leaf Spot/: 细菌性叶斑病叶片图像
- Downy Mildew/: 霜霉病叶片图像
- Healthy Leaves/: 健康叶片图像
- Powdery Mildew/: 白粉病叶片图像
- 文件信息:
- 总计两千七百二十七份文件，主要为
.jpg 格式（两千六百七十一份，占比约百分之九十七点九五），少量为 .png 格式（五十五份，占比约百分之二点零二）和 .ini 配置文件（一份）。
- 图像文件命名模式示例：
Bacterial Leaf Spot_17.jpg、Downy Mildew_272.jpg、Healthy Leaves_1.jpg、Powdery Mildew_10.jpg。
适用场景
- 农业科技应用: 训练人工智能模型，基于视觉症状自动识别、分类和诊断鲜食葡萄叶片病害。
- 精准农业系统开发: 辅助构建自动化植物病害检测系统，提升田间管理效率。
- 植物病理学研究: 分析不同葡萄病害的视觉特征差异，支持病害诊断方法优化。
- 机器学习算法测试: 为图像分类、目标检测等算法提供真实场景的训练与验证数据。
