水稻病虫害数据集（复杂背景）

原创 已于 2026-05-15 11:51:11 修改 · 1.8k 阅读 · 16 ·
本内容遵循CC 4.0 BY-SA版权协议
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
GEO检测
标签
#数据分析 #数据仓库 #数据库 #python #深度学习
于 2024-05-28 22:18:17 首次发布
Python3.8

Python3.8

Conda
Python

Python 是一种高级、解释型、通用的编程语言，以其简洁易读的语法而闻名，适用于广泛的应用，包括Web开发、数据分析、人工智能和自动化脚本

水稻病虫害数据集（复杂背景）

数据集（文章最后关注公众号获取数据集）：
链接：https://pan.baidu.com/s/1ivaCb9TbuoEPHt97_wM_kQ?pwd=76d5 
提取码：76d5

数据集包含 9 个类别的图片，信息如下：
文件夹 东格鲁病毒病 中的图片数量: 1088
文件夹 健康水稻 中的图片数量: 1764
文件夹 枯心病 中的图片数量: 1442
文件夹 稻瘟病 中的图片数量: 1738
文件夹 细菌性条斑病 中的图片数量: 380
文件夹 细菌性白叶枯病 中的图片数量: 479
文件夹 细菌性穗枯病 中的图片数量: 337
文件夹 褐斑病 中的图片数量: 965
文件夹 霜霉病 中的图片数量: 620
所有子文件夹中的图片总数量: 8813

整体截图：

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

您可能感兴趣的与本文相关的镜像

Python3.8

Python3.8

Conda
Python

Python 是一种高级、解释型、通用的编程语言，以其简洁易读的语法而闻名，适用于广泛的应用，包括Web开发、数据分析、人工智能和自动化脚本

水稻病害分类数据集1886张8类别.7z
03-15
数据集类型：图像分类用，不可用于目标检测无标注文件 数据集格式：仅仅包含jpg图片，每个类别文件夹下面存放着对应图片 图片数量(jpg文件个数)：1886 分类类别数：8 类别名称:["bacterial_leaf_blight","brown_spot","healthy_rice_leaf","leaf_blast","leaf_scald","narrow_brown_leaf_spot","rice_hispa","sheath_blight"] 每个类别图片数： bacterial_leaf_blight 图片数：208 brown_spot 图片数：274 healthy_rice_leaf 图片数：187 leaf_blast 图片数：310 leaf_scald 图片数：231 narrow_brown_leaf_spot 图片数：163 rice_hispa 图片数：225 sheath_blight 图片数：288 重要说明：暂无 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理分类存放
自然生长状态下，水稻常见病虫害数据集
09-14
自然环境下，4种水稻叶片病虫害数据集 Bacterial blight（白叶枯病）共1548张，Blast（稻瘟病）共1440张，Brown Spot（褐斑病）共1600张，Tungro(水稻東格魯桿狀病毒)共1308张。自然环境下，水稻叶片病虫害数据集。
水稻病虫害数据集
xiaoxiaoehs的博客
06-10 7600
本文主要是对网上的病虫害数据集进行准确地标注
YOLO26实战水稻病害检测系统：6030张数据集+0.982 mAP，附完整训练流程（项目源码+数据集+模型权重+UI界面+python+深度学习+远程环境部署）
最新发布
斌擎科技
04-22 542
水稻作为全球最重要的粮食作物之一，其病害的早期识别与精准防治对保障粮食安全至关重要。传统的人工检测方法效率低下且易受主观因素影响，难以满足现代农业规模化、精细化管理的需求。为此，本研究提出了一种基于深度学习YOLO26（You Only Look Once）目标检测框架的水稻病害智能识别系统。该系统针对水稻主要病害——细菌性条斑病、褐斑病和叶黑粉病进行建模。实验数据集包含训练集6030张、验证集409张及测试集276张图像。模型训练结果表明，系统在测试集上表现出卓越的性能，mailto:mAP@0.5达到0
农业病虫害数据集与算法——调研整理
热门推荐
qq_40481602的博客
10-08 2万+
通过博客和文献调研整理的一些农业病虫害数据集与算法。
标准的农业病虫害图像库
慕云
03-05 5761
1、相关资料 中科院合肥智能机械研究所的陈雷等，采集的高分辨率和高相似度的同类农作物病害原始图像数据，经植物病理学家有关专家对病害种类确认核实后，建立了国内标准的农业病虫害图像库， 仅水稻㼿，小麦和玉米种田间作物的图像数量就达到17624张， 该基础数据资源可作为病害识别建模的训练样本使用。 2、网站 3、扩展数据库 【1】Digipathos作物病害公开数据集网站 【2】中国科学数据网 ...
农业病害、虫害、草害数据库
无极低码
11-17 1523
农业病害、虫害、草害数据库32大类，4239条数据，含名称、类型、介绍、主要特征，发病周期、危害症状、防御措施等。数据格式为mysql数据库格式。该数据库旨在为农业研究人员、农民和相关机构提供全面的病虫草害信息，帮助他们更好地预防和管理农业病虫草害。可以使用该数据开发病虫妨害软件，利用人工智能大数据精准匹配分析灾害。
病虫害检测图像数据集介绍
LOLUN9的博客
01-19 3885
深度学习——病虫害检测图像数据库
基于深度学习的水稻病虫害检测系统
【可全包】本人程序员，不需要做任何吹嘘，只是实在写点程序，写点文档，熟悉各类主流框架，SSM，SpringBoot，Flask，Djiango，Mysql，Sqlite，VUE，Uniapp等，各类程序设计专家，优质作者
12-31 1462
本文提出基于YOLOv8和Python的水稻病虫害智能检测系统。针对传统人工识别效率低、准确性差的问题，采用深度学习技术实现自动化检测。系统使用YOLOv8目标检测算法，通过C2f模块优化骨干网络、Anchor-Free检测头等创新技术提升性能。研究包含数据集标注、模型训练与优化等关键环节，最终实现高精度、实时的病虫害识别，为农业生产提供智能化解决方案。该系统可显著提高病虫害识别效率，降低人工成本，对保障粮食安全具有重要意义。
毕业设计：基于卷积神经网络的水稻农作物病虫害识别研究 目标检测
Hai_Lang_IT的博客
01-11 1732
毕业设计：基于卷积神经网络的水稻病虫害识别方法构建了一个包含多种水稻病虫害样本的图像数据集，进行了数据预处理和增强，以提高模型的学习效果。采用卷积神经网络模型进行训练与优化，实现对水稻病虫害的高效检测与分类。涵盖了深度学习、机器学习、算法、人工智能、大数据、信息安全、推荐系统、目标检测等多个热门领域。对于计算机专业、软件工程专业、人工智能专业、大数据专业的毕业生而言，毕业设计选题至关重要。对深度学习技术、机器学习、算法或人工智能等领域感兴趣的同学，都能提供选题资源和灵感。
【毕业设计】基于卷积神经网络的水稻病虫害检测 人工智能
机器学习,深度学习,计算机视觉爱好者,整理分享技术资料与项目案例。
02-08 1291
基于深度学习的水稻病虫害检测系统，结合卷积神经网络（CNN）与区域卷积神经网络（R-CNN）技术，实现对水稻病害的自动化检测。数据集包括褐斑病、叶霉病、细菌性枯萎病等，经过精心的数据采集、标注和预处理，确保了数据质量。通过合理配置YOLO模型，进行系统的训练与测试，最终实现了高效、准确的检测性能。该系统的实现将为水稻种植的实时监控、病害分析和农业管理提供科学依据，推动智能农业的发展。
基于YOLOv5的水稻蝗虫等病虫害检测技术研究
QQ_1309399183的博客
03-16 1015
基于YOLOv5的水稻蝗虫等病虫害检测技术研究
水稻纹枯病数据集公开版
04-15
描述 纹枯病，又名云纹病、花梗、烂脚瘟、眉斑。水稻纹枯病是南方稻区的严重病害，居“三大病害”（稻瘟病、白叶枯病、纹枯病）之首。在所有水稻产区，无论哪种水稻品种都受到感染。严重时多处病斑融合形成大病斑，呈不规则的云纹斑，常导致叶片变黄、死亡。叶片上的病斑呈云纹状，边缘呈黄色，病害快时病斑呈脏绿色，叶片腐烂快，茎秆损伤症状与叶片相似，后期呈黄褐色，容易折断。这种疾病阻止了水稻抽穗，或导致更多的谷物和减少的谷物重量。【防治方法】 【去除菌源】菌核大部分漂浮在稻苗田或本田耕灌耙的表面，混入“浪渣”，随风吹到田角和田野。他们用网或簸箕打捞出来，然后带出田野烧掉或深埋。病秸秆和未成熟病秸秆还田不直接使用，在田边除草，可以减少病菌来源，缓解病害早发。【加强肥水管理】根据水稻生育期、天气、水田水位、土壤性质和水利条件，合理排灌、控水病害，彻底改变长期深灌高湿环境，实现浅水生根，水养胚稀，长穗湿，其中搁（干）田及时排灌管理，分蘖后期至拔节期进行干湿灌溉。 数据量： 30.09 GB 文件数： 2,975
水稻害虫数据集，5229张图，可检测褐飞虱绿叶蝉叶夹稻蝽蛀干虫轮生蛆， VOC 标记.zip
11-28
水稻害虫数据集，5229张图，可检测褐飞虱绿叶蝉叶夹稻蝽蛀干虫轮生蛆， VOC 标记
农作物害虫分类数据集12846张27类别.7z
05-04
数据集类型：图像分类用，不可用于目标检测无标注文件 数据集格式：仅仅包含jpg图片，每个类别文件夹下面存放着对应图片 图片数量(jpg文件个数)：12846 分类类别数：27 数据集详情参考博客：https://blog.csdn.net/FL1623863129/article/details/138434801?spm=1001.2014.3001.5501 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理分类存放
水稻叶部病害数据集，白纸作为背景拍摄
12-20
水稻叶部病害数据集，工40张图片，白纸作为背景拍摄 水稻叶部病害数据集，工40张图片，白纸作为背景拍摄 水稻叶部病害数据集，工40张图片，白纸作为背景拍摄
香橙派赋能水稻病虫害精准识别：AI+边缘计算守护粮食安全
xiesibo2012的博客
12-14 1082
摘要： 针对水稻病虫害人工识别效率低、精度不足的问题，本研究提出基于香橙派边缘计算设备和改进Transformer模型的智能检测方案。通过构建包含1200张病虫害图像的数据集，采用ConvNeXt主干网络和可变形注意力机制优化DETR算法，实现田间复杂场景下80%的精确率和83.2%的召回率。模型经INT8量化后部署至香橙派4B设备，推理耗时控制在500ms内，支持离线实时检测。该系统显著降低农业AI应用门槛，为精准施药提供科学依据，相比传统方法提升准确率30%以上，展现了边缘计算在智慧农业中的高性价比优势
Atlas200赋能水稻病虫害精准识别：AI+边缘计算守护粮食安全
xiesibo2012的博客
12-14 1355
摘要： 本文提出基于华为Atlas200边缘计算设备与改进Transformer模型的水稻病虫害精准识别方案。通过构建1200张涵盖4类典型病虫害的数据集，结合ConvNeXt主干网络与可变形注意力机制优化模型，实现田间复杂场景下81.6%的F1分数。系统采用PyQt5开发可视化界面，模型经ONNX转换后在Atlas200上实现300ms内实时推理，满足无网络农田需求。相比传统方法，该系统提升检测精度30%以上，为农业精准防控提供轻量化、易操作的AI解决方案，对保障粮食安全具有重要意义。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值