217.53MBZIP

数据集介绍：烟草病害多类别目标检测数据集

一、基础信息

数据集名称：烟草病害多类别目标检测数据集

图片数量：

- 训练集：2,614张

- 验证集：395张

- 测试集：321张

总计：3,330张农业场景图片

分类类别：

- 黑斑病（Black Spot）

- 黑胫病（Black shank）

- 早疫病（Early Blight）

- 晚疫病（Late Blight）

- 叶霉病（Leaf Mold）

- 烟草花叶病毒（TMV）

- 烟草曲叶病毒（TLCD）

- 白粉病（Powdery Mildew）

- 蜘蛛螨害（Spider Mites）

- 健康叶片（Healthy Leaf）等20种病害状态

标注格式：

YOLO格式标注，包含标准化边界框坐标与病害分类标签，适配目标检测模型训练。

数据特性：

覆盖叶片不同生长阶段、多角度拍摄的农业图像，包含室内研究样本与田间实拍场景。

二、适用场景

智能农业监测系统：

用于开发烟草病害实时检测系统，通过无人机或田间摄像头实现病害早期预警。

植物病理学研究：

为农业科研机构提供标准化病害图像数据，支持病害传播模式分析与防治策略研究。

农业技术教育：

作为农林院校数字化教学资源，帮助学生直观识别20种烟草常见病害特征。

农业AI产品开发：

适用于开发移动端病害识别应用，辅助农户进行田间即时诊断决策。

三、数据集优势

行业针对性突出：

专注烟草作物领域，包含从真菌性病害（如晚疫病）到虫害（叶螨）的全类别覆盖。

标注专业性强：

由农业专家参与标注验证，确保病害分类准确性与边界框定位可靠性。

场景多样性丰富：

包含实验室特写与田间复杂背景样本，增强模型在真实农业环境中的泛化能力。

技术适配度高：

原生YOLO格式支持主流检测框架快速训练，可扩展至病害严重度评估等衍生任务。

时效价值显著：

包含烟草曲叶病毒（TLCD）等新兴病害类型数据，响