摘要：该数据集是一个面向小麦病害识别、农业病虫害分类与智慧农业视觉分析构建的大规模图像分类数据集，共包含约 14,155 张高分辨率小麦图像。
数据集概述
该数据集是一个面向小麦病害识别、农业病虫害分类与智慧农业视觉分析构建的大规模图像分类数据集，共包含约 14,155 张高分辨率小麦图像。数据集覆盖健康小麦以及多种真菌病害、虫害和叶部病斑，所有图像均来自真实场景，未采用人工数据增强，因此能够较好地保留实际田间环境中的光照、背景、植株形态和病害表现差异。该数据集可用于训练深度学习模型自动识别小麦植株健康状态和具体病虫害类型，为农田病害监测和精准植保提供数据基础。
数据结构与关键特征
数据集已经划分为 train、valid 和 test 三个部分，并按照类别分别建立文件夹，共包含 15 个类别。具体包括 Aphid（蚜虫）、Black Rust（黑锈病/秆锈病）、Blast（小麦瘟病）、Brown Rust（褐锈病/叶锈病）、Common Root Rot（普通根腐病）、Fusarium Head Blight（镰刀菌穗枯病/赤霉病）、Healthy（健康）、Leaf Blight（叶枯病）、Mildew（白粉病）、Mite（螨虫）、Septoria（壳针孢叶斑病）、Smut（黑穗病）、Stem fly（茎蝇）、Tan spot（黄褐斑病）和 Yellow Rust（黄锈病/条锈病）。
实地调查数据保存在 field_data.csv 中，每一行对应一棵实地调查树木，主要记录树种名称、胸径（DBH）、GPS 坐标以及物种组等信息。物种组主要包括香蕉、可可、柑橘、水果、木材及其他类别。研究人员依据胸径和树种相关异速生长方程计算每棵树的地上生物量，并以千克为单位记录 AGB 估算值。
需要注意的是，原始中文说明中将 Smut 误译成了“色情”，这里应正确理解为黑穗病。数据集同时包含病害、虫害和健康样本，因此本质上属于多类别小麦病虫害图像分类数据集。真实图像中不同病害在叶片颜色、病斑形状、锈斑分布、霉层、虫害痕迹和植株组织损伤方面具有不同视觉特征，可用于训练模型学习细粒度病害差异。
应用价值与研究方向
该数据集适用于小麦病害分类、虫害识别、作物健康监测、智能植保以及农业计算机视觉等研究方向。可以采用 ResNet、DenseNet、EfficientNet、MobileNet、ConvNeXt、Vision Transformer 等模型进行 15 类图像分类，并结合迁移学习、注意力机制和类别重加权方法提高相似病害之间的识别能力。
进一步还可以研究病害严重程度评估、田间复杂背景鲁棒识别、移动端轻量化模型、无人机农田巡检以及病斑区域定位与分割等任务。结合实际农业管理系统后，可实现小麦病虫害的自动筛查、早期预警和辅助诊断，为精准农业和粮食作物健康管理提供数据支持。
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-839
文件大小：6G
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)