小麦病害目标检测数据集 | 小麦病害 锈病检测 智慧农业9060期
数据集概述
本数据集专注于小麦常见病害的视觉检测与识别，服务于智慧农业、病害监测及精准植保。数据涵盖六类小麦健康状况，适配田间巡检、无人机病害普查及植保决策支持等应用。
数据集核心信息
| 数据要素 | 详细说明 |
|---|---|
| 类别 | 共6类：褐锈病、健康、白粉病、叶枯病、茎锈病、黄锈病 |
| 数量 | 7700张图像 |
| 格式 | 图像为 JPG/PNG（分辨率800×800）；标签为 YOLO 格式的txt文件（水平边界框） |
| 应用价值 | 1.病害预警：支持小麦锈病、白粉病等主要病害的早期自动化筛查。 2.精准施药：通过病害类型与分布识别，指导变量喷药，减少农药使用。 3.育种支持：为抗病品种筛选提供田间病害发生率的量化评估数据。 |
数据三要素解析
类别与病害覆盖
- 数据集定义6个类别，涵盖5种小麦主要病害与健康植株：
- 褐锈病（Brown Rust）、黄锈病（Yellow Rust）、茎锈病（Stem Rust）—— 三种锈病，由不同真菌引起。
- 白粉病（Powdery Mildew）、叶枯病（Septoria）—— 常见叶部病害。
- 健康（Healthy）—— 作为负样本，帮助模型学习正常植株特征。
- 该分类体系覆盖了小麦生产中最重要的病害类型，具有较强实用性。
数据规模与划分
- 图像总量约7700张，已按训练集（6357张）、验证集（831张）、测试集（526张）完成标准化划分，利于模型开发与独立评估。
- 图像分辨率统一为800×800，适配多种YOLO版本网络输入要求。
格式与兼容性
- 采用通用YOLO 格式（txt），每张图像对应一个同名标签文件，包含类别 ID 与归一化边界框坐标，可直接接入YOLOv5–v12、RTDETR、Mamba-YOLO等主流检测框架。
- 图像与标签一一对应，数据结构规范，即拿即用。
知识普及：小麦病害视觉检测的挑战
- 病害相似性：不同锈病（褐锈、黄锈、茎锈）在叶片上表现形态相似，需依赖颜色、孢子堆位置等细微差异进行区分，对模型细粒度特征提取能力要求较高。
- 环境干扰：田间拍摄受光照、阴影、叶片姿态等因素影响，建议采用多尺度训练与颜色增强策略。
- 小目标检测：病害斑点在叶面初期可能占比较小，可考虑使用更高分辨率输入或特征金字塔结构提升检测精度。
快速开始（代码示例）
配置文件data.yaml示例：
train:./dataset/images/trainval:./dataset/images/valtest:./dataset/images/testnc:6names:['brown_rust','healthy','powdery_mildew','septoria','stem_rust','yellow_rust']启动 YOLOv8 训练：
fromultralyticsimportYOLO model=YOLO('yolov8m.pt')model.train(data='data.yaml',epochs=100,imgsz=800,batch=16)标签
小麦病害锈病检测智慧农业目标检测YOLO格式深度学习数据集计算机视觉
