摘要：杨桃病害识别数据集是一个专门用于利用人工智能技术早期检测和分类杨桃）病害的图像数据集。
数据集简介
数据集概述
杨桃病害识别数据集是一个专门用于利用人工智能技术早期检测和分类杨桃）病害的图像数据集。杨桃是原产于热带东南亚的酢浆草科果树，果实富含维生素A和C，具有预防消化系统癌症、防止血栓等健康功效。果树病害是农业生产中的普遍问题，会对果实品质和产量造成不利影响，给农民造成巨大经济损失，而传统的作物病害鉴定方法耗时费力、效率低下且主观性强。为创建基于机器视觉的算法，该数据集包含9种杨桃类别：健康果实、健康叶片、茎蛀虫病、炭疽病、叶虫病、早疫病、兜帽叶蝉病、臭虫病和果实蛀虫病。数据集最初从野外采集559张图像，随后应用平移、翻转、缩放、剪切、亮度增强和旋转等图像处理技术进行数据增强，最终生成3,913张图像。
数据结构与关键特征
数据集包含3,913张杨桃图像，分为9个类别（2类健康+7类病害），通过数据增强技术从559张原始野外采集图像扩充而来。关键特征包括：多病害覆盖（7种常见杨桃病害，涵盖真菌病害如炭疽病和早疫病，以及虫害如茎蛀虫、叶虫、兜帽叶蝉、臭虫和果实蛀虫）、健康-病害对比（包含健康果实和叶片作为基线）、大规模数据增强（从559张扩充到3,913张，增加7倍）、多样化增强技术（平移、翻转、缩放、剪切、亮度增强、旋转确保模型鲁棒性）、以及真实野外采集（原始图像来自实际农田，反映真实种植条件）。数据集的9类分类体系涵盖了杨桃种植中的主要病虫害威胁：炭疽病和早疫病是常见真菌病害，会导致果实和叶片损伤；茎蛀虫、果实蛀虫、叶虫、兜帽叶蝉和臭虫是主要虫害，会影响植株生长和果实品质。数据增强技术的应用不仅增加了样本数量，还模拟了不同光照、角度和尺度条件，提高了模型的泛化能力。
应用价值与研究方向
该数据集在精准农业、植物病害检测、计算机视觉和深度学习研究领域具有重要应用价值，可用于开发杨桃病害自动检测系统、智能农业管理平台、病虫害预警工具和移动端农业应用。研究方向包括：基于深度学习的植物病害分类算法、早期病害检测、多病害同时识别、迁移学习应用于其他热带水果、轻量级模型设计用于移动端部署、病害严重程度评估、以及可解释性AI用于病害特征可视化。数据集特别适合研究如何在真实农田环境中准确识别病虫害、如何区分相似病害症状、以及如何为农民提供实时的病害诊断和防治建议。此外，该数据集还可扩展至其他热带水果病害检测（芒果、番石榴、荔枝）、作物产量预测、农业无人机巡检等应用场景，为推动AI技术在热带水果种植中的应用、降低化学农药使用、实现精准防治、提升果实品质和产量、减少农民经济损失提供重要的数据支撑和技术基础。在全球粮食安全和可持续农业发展的背景下，该数据集对于保护热带水果产业、促进农业智能化转型具有重要意义。
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-225
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)