摘要：香蕉病害识别数据集包含 408 张实际田间拍摄的原始图像和 2,856 张数据增强图像，7 个类别（健康叶片、苞叶花叶病毒病、黑条叶斑病、虫害病、Moko 病、巴拿马病、黄条叶斑病），专为基于机器视觉的病害识别和精准农业设计。
数据集简介
数据集概述
香蕉病害识别数据集包含 408 张香蕉图像，全部拍摄于实际田间。香蕉不仅营养丰富且美味，生香蕉和熟香蕉都有益健康，富含钾、维生素 C、维生素 B6 和膳食纤维，对心血管健康、消化、血糖稳定、体重管理、情绪调节、视力健康、骨骼健康和肠道健康均有益处。然而，香蕉相关疾病的普遍性凸显了需要采取适当措施来减轻其影响，这可能导致大规模香蕉产量减少。因此，一旦观察到疾病症状就采取预防措施至关重要。作物疾病对农业生产构成重大挑战，影响作物的质量和生产力，传统的作物病害识别和管理方法通常耗时、劳动密集、效率低且主观。计算机视觉在此类分类和识别任务中近年来成为一个有前景的领域。
据集包含 7 个不同的香蕉类别：
(1) 健康叶片（Healthy Leaf）；
(2) 苞叶花叶病毒病（Bract Mosaic Virus Disease）；
(3) 黑条叶斑病（Black Sigatoka）；
(4) 虫害病（Insect Pest Diseases）；
(5) Moko 病（Moko Disease，细菌性萎蔫病）；
(6) 巴拿马病（Panama Disease，镰刀菌枯萎病）；
(7) 黄条叶斑病（Yellow Sigatoka）。
数据集总共包含 408 张原始图像（拍摄于实际田间）。为了扩展数据点数量，使用数据增强技术（平移、翻转、缩放、剪切、亮度增强和旋转），从原始图像创建总共 2,856 张增强图像。数据集专为创建基于机器视觉的算法而设计。
支持香蕉病害识别与分类（7 类）、作物病害自动检测、精准农业、计算机视觉、深度学习模型训练（CNN、ResNet、EfficientNet）、植物病理学研究、早期病害诊断、产量损失预防、智能农业系统和农业决策支持。
数据集来源
由 Mafi, Md Mafiul Hasan Matin 等（2023）创建（Mendeley Data, DOI: 10.17632/79w2n6b4kf.1），408 张实际田间原始图像，7 个类别（健康/苞叶花叶病毒/黑条叶斑/虫害/Moko/巴拿马/黄条叶斑），数据增强（平移/翻转/缩放/剪切/亮度/旋转）创建 2,856 张增强图像，专为机器视觉病害识别和精准农业设计。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-144
文件大小：120M
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)