尧图网络 高端网站定制 · 原创设计
免费咨询热线
400-888-6620
免费获取方案
数据集04-番茄叶片病害识别数据集介绍
【深度学习数据集】番茄叶片病害识别数据集介绍番茄叶片出现斑点、霉层或卷曲时不同病害的症状容易混淆。使用深度学习模型识别叶片图片可以辅助判断病害类别并将识别结果保存到样本库中便于后续查询和统计。本文数据集包含 10 类番茄叶片图片适合训练图像分类模型可用于基于深度学习的番茄叶片病害识别与样本管理系统。一、数据集基本信息项目数据说明图片数量18,160 张图片格式JPG类别数量10 类数据类型图像分类标注方式类别文件夹名作为标签数据划分未预先划分训练集、验证集和测试集数据集大小约 342 MB每张图片对应一个类别标签数据集没有病斑位置的边界框标注。因此它适合训练图像分类模型不能直接用于 YOLO 目标检测或病斑定位。二、类别与样本数量数据集包含 9 类病害和 1 类健康叶片类别样本数量分布如下类别文件夹名中文类别图片数量Tomato___Bacterial_spot细菌性斑点病2,127Tomato___Early_blight早疫病1,000Tomato___Late_blight晚疫病1,909Tomato___Leaf_Mold叶霉病952Tomato___Septoria_leaf_spot番茄斑枯病1,771Tomato___Spider_mites Two-spotted_spider_mite二斑叶螨1,676Tomato___Target_Spot靶斑病1,404Tomato___Tomato_Yellow_Leaf_Curl_Virus番茄黄化曲叶病毒5,357Tomato___Tomato_mosaic_virus番茄花叶病毒373Tomato___healthy健康叶片1,591合计18,160类别之间存在明显的不平衡。番茄黄化曲叶病毒有 5,357 张占总量约 29.5%番茄花叶病毒只有 373 张约占 2.1%。如果直接训练模型可能更偏向样本较多的类别。三、图像特点与适用任务数据集按类别文件夹组织文件夹名称就是图像标签。图片主要是在受控环境下拍摄背景较简单适合开展分类模型训练和算法对比。需要注意实验室背景与实际农田中的光照、背景和拍摄角度存在差异。模型在该数据集上的分类效果不能直接代表它在真实田间图片上的表现。适合的任务包括番茄叶片病害图像分类健康叶片与病害叶片识别不同分类模型的性能比较病害识别结果展示与样本记录管理该数据集没有 YOLO 格式的目标框。若要定位病斑或检测单张图中的多片叶子需要另外进行目标框标注并重新构建检测数据集。四、数据集划分与类别不平衡处理数据集没有预先提供训练集、验证集和测试集可以按70% / 15% / 15%划分。划分时建议使用分层抽样让每个子集中都保留各类别样本。对样本较少的类别可以尝试使用类别权重降低模型忽略少数类的可能性对训练集中的少数类别进行适度增强观察每一类的 Precision、Recall 和 F1而不只看整体准确率。增强只应用于训练集验证集和测试集应保留原始图像以便更客观地评估模型。五、模型选择与训练思路该任务是图像分类可以从以下模型开始模型用途ResNet18作为基础分类模型训练流程简单MobileNetV3适合关注推理速度或轻量部署EfficientNet可用于进一步比较分类效果建议先训练一个基础模型再替换网络进行对比。评价指标可以包括 Accuracy、Precision、Recall、F1 和混淆矩阵尤其要关注样本较少的番茄花叶病毒类别是否容易被错分。六、样本管理系统可以实现什么训练好的分类模型可以接入样本管理系统。用户上传叶片图片后系统输出预测类别和置信度并保存图片与识别记录。系统可包含以下功能图片识别上传番茄叶片图片查看预测类别和置信度样本记录保存原始图片、识别结果、时间和操作用户样本查询按病害类别、识别时间筛选历史记录结果复核允许用户修正预测标签保留人工复核结果数据统计展示各类样本数量和近期识别情况模型管理查看当前使用的模型和版本信息样本管理功能由系统数据库和图片存储实现数据集只提供模型训练所需的图像和类别标签。七、总结番茄叶片数据集包含 18,160 张图片和 10 个类别适合训练番茄叶片病害分类模型。数据集规模较大、类别标签清楚可以作为系统的基础训练数据类别不平衡和实验室背景也需要在数据处理和结果分析时考虑。
RELATED

相关推荐

深度学习21个工程级项目实战:从训练到部署闭环

深度学习21个工程级项目实战:从训练到部署闭环

简介:本资源是面向深度学习初学者与进阶实践者的21个完整项目实战合集,聚焦DNN、CNN、RNN/LSTM、VAE、GAN等主流模型的端到端实现,覆盖图像识别、文本处理、时序预测、生成任务等典型应用场景。资源包共911个文件,以511个Python脚…

📅 2026/10/11 14:31:36
教务管理系统数据库课程设计:六张表与四类查询的完整指南

教务管理系统数据库课程设计:六张表与四类查询的完整指南

简介:一份供计算机科学与技术等专业学生参考的《教务管理系统数据库课程设计报告》文档,完整呈现了从需求分析、可行性分析、数据库模型设计到系统功能模块划分、界面实现与测试部署的课程设计全流程。文档以高校教务管理为背景,明确划分教务…

📅 2026/10/11 14:26:36
Linux VFS深度解析:从C++视角看文件系统如何统一与交互

Linux VFS深度解析:从C++视角看文件系统如何统一与交互

在Linux上写C服务端程序这么多年,我见过不少人被文件系统相关问题坑得死去活来。最典型的一个场景:程序在本机ext4上跑得好好的,换到NFS挂载的目录上就出现各种诡异行为;或者明明用fopen成功打开了文件,下一个毫秒再打…

📅 2026/10/11 14:26:36
MORE NEWS

更多资讯

📰

免费本地AI绘图:MeiGen AI Design MCP接入ComfyUI完整教程,GPU零成本出图

【免费下载链接】MeiGen-AI-Design-MCP Supports GPT Image 2, Seedance & ComfyUI, with a 1,400 prompt library, carefully crafted hooks and a multi-task orchestration system 项目地址: https://gitcode.com/gh_mirrors/me/MeiGen-AI-Design-MCP 点击查…

📰

YCBlogs 算法笔记:从上往下打印二叉树——队列实现层序遍历(BFS)原理与实战

教程技术博客文档 【免费下载链接】YCBlogs 技术博客笔记大汇总,包括Java基础,线程,并发,数据结构;Android技术博客等等;常用设计模式;常见的算法;网络协议知识点;部分fl…

📰

性能测试指标体系详解:从RT、TPS到系统资源与稳定性

1. 先立个框架:性能指标不是一个点,而是一条链路1.1 别急着看数值,先回答“这些指标给谁看”我做了这么多年性能测试,发现最容易翻车的不是不会压测,而是拿到结果不知道该怎么解读。你给领导汇报,说TPS有12…

📰

PO模式+数据驱动:打造低维护成本的UI自动化测试框架

写自动化测试的朋友应该都经历过这些:用例写起来一时爽,维护起来火葬场。前端页面刚改了个按钮的class,测试脚本跟着红一片,定位不到元素、用例全挂。这种情况多了以后,团队里难免出现一种声音——自动化到底值不值得搞…

📰

用LangChain和Playwright构建大模型驱动的测试智能体

把大模型接进自动化测试这件事,我之前一直持保留态度。直到用LangChain把Playwright包成一个能自己看页面、自己点按钮、自己写断言的测试智能体之后,我才意识到传统的UI自动化写法确实到了该升级的时候。这篇文章就把我搭建这个测试智能体的完整思路、核…

📰

西门子Teamcenter仿真体系建设:构建自动驾驶研发数字主线

简介:本资源系统阐述西门子在自动驾驶与智能网联汽车领域的仿真开发方法论与平台化体系建设路径,面向汽车电子工程师、ADAS/自动驾驶算法开发者、仿真流程架构师及PLM系统实施人员,解决多学科协同难、仿真数据分散、V模型全流程工具链割裂、C…

TODAY

今日更新

THIS WEEK

本周精选

THIS MONTH

本月热门

读完文章,想聊聊您的网站?

告诉我们您的行业与需求,资深顾问一对一梳理方案与报价,全程免费。

📞 💬