摘要：玫瑰叶片病害数据集是一个关于影响玫瑰叶片病害的综合性数据集，旨在辅助识别和防治策略研究，包含3,113张高分辨率原始图像和15,500张增强图像（调整为640×480像素），按病害类型分为四个类别。
数据集概述
玫瑰叶片病害数据集是一个关于影响玫瑰叶片病害的综合性数据集，旨在辅助识别和防治策略研究，包含3,113张高分辨率原始图像和15,500张增强图像（调整为640×480像素），按病害类型分为四个类别。数据集专为训练深度学习和机器学习模型而设计，用于研究植物病理学、病虫害管理和玫瑰种植中的病害预防。图像采集于2024年10月30日至11月6日，历时约8天，确保了数据的时间集中性和条件一致性。数据集包含四个疾病类别：Class 1黑斑病（Black Spot）、Class 2健康叶片（Healthy Leaf）、Class 3干枯叶片（Dry Leaf）、Class 4叶片穿孔（Leaf Holes），每个类别在原始数据中至少包含300张图像。所有图像统一调整为640×480像素分辨率，适用于病害检测、植物病理学研究和防治策略开发，属于农业工程和工程研究数据管理领域。
数据结构与关键特征
数据集包含3,113张高分辨率原始图像和15,500张增强图像（约5倍数据增强），所有图像统一调整为640×480像素分辨率，按病害类型分为四个类别：黑斑病（Black Spot，常见真菌病害）、健康叶片（Healthy Leaf，正常状态对照）、干枯叶片（Dry Leaf，生理病害症状）和叶片穿孔（Leaf Holes，虫害或病害导致），每个类别在原始数据中至少包含300张图像以确保类别平衡。关键特征包括：集中时间采集（2024年10月30日至11月6日的8天内采集，确保光照和环境条件的一致性和可比性）、大规模数据增强（15,500张增强图像通过旋转、翻转、亮度调整等技术生成，提升模型泛化能力）、标准化分辨率（统一640×480像素便于模型训练和推理）、平衡类别设计（每类至少300张原始图像减少类别不平衡问题）、多病害覆盖（涵盖真菌病害、生理病害、虫害和健康对照，提供完整的玫瑰叶片健康谱系）、以及高分辨率原始数据（保留病害细节特征，支持细粒度分析和病症特征提取）。数据集的四类设计代表了玫瑰种植中的主要叶片问题和健康基线，黑斑病是玫瑰最常见的真菌病害，叶片穿孔反映虫害影响，干枯叶片可能由水分不足或其他生理因素引起，健康叶片作为对照类别使模型能够区分正常和异常状态。
应用价值与研究方向
该数据集在精准农业、植物病理学、病虫害防治和计算机视觉研究领域具有重要应用价值，可用于开发玫瑰病害自动识别系统、智能病虫害监测平台、精准施药工具和植物健康管理应用。研究方向包括：基于深度学习的玫瑰叶片病害分类算法、多类别病害识别、健康与病害叶片判别、早期病害检测、病害严重程度评估、迁移学习应用于其他观赏植物、轻量级模型设计用于移动端部署、以及病害防治决策支持系统。数据集的四类设计特别适合研究不同类型病害的视觉特征差异、黑斑病的典型症状识别、叶片穿孔的虫害检测、以及干枯与健康叶片的判别。此外，该数据集还可扩展至其他花卉病害检测、植物健康评估、园艺管理优化、有机种植病害监测等应用场景，为推动AI技术在观赏植物种植中的应用、提升病害早期识别能力、减少化学农药使用、支持可持续园艺实践、改善玫瑰种植经济效益提供重要的数据支撑和技术基础。数据集的集中时间采集（8天内）确保了数据的一致性和可比性，5倍的数据增强提供了充足的训练样本，640×480的标准分辨率平衡了图像细节和计算效率，每类至少300张的设计保证了模型训练的平衡性，玫瑰作为重要的观赏和经济作物，其病害检测技术具有广泛的市场应用前景。
数据集来源
由张家梁(Bob)整理并于2026年在7zcode平台公开发布。
数据集信息
免责声明与引用
数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。
作者信息
作者：Bob (张家梁)
项目编号：Datasets-243
文件大小：4.1G
原创声明：本数据集为整理作品
联系方式
开源协议
本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。
评论(0)