Grape Leaf Diseases 葡萄叶病害检测数据集4类面向智慧农业的叶片病害识别基准数据集简介Grape Leaf Diseases数据集是一个专注于葡萄叶片病害检测的专业计算机视觉数据集专为智慧农业领域的病害自动识别任务构建。该数据集针对葡萄种植中常见的叶片病害问题收集了真实种植场景下的叶片图像并完成专业标注为病害检测算法的训练与评估提供了可靠基准。该数据集总计包含4195张葡萄叶片图像覆盖4类目标类别包括3种常见病害和健康叶片。图像采集自真实葡萄园场景涵盖不同光照、角度和生长阶段的叶片样本标注框总数达4415个无空标签文件标注覆盖率100%。数据集主要用于葡萄叶片病害目标检测、作物病害分类、智慧农业视觉监测系统开发等任务可支持从基础算法研究到实际农业生产应用的全流程技术验证。数据集采用标准YOLO格式划分为训练集和验证集两个子集训练集包含3358张图像占总数据量的80%标注框数量3534个用于模型的特征学习与参数优化验证集包含837张图像占总数据量的20%标注框数量881个用于模型性能的阶段性评估与超参数调优该数据集以其真实场景覆盖、专业病害标注和类别均衡性良好的特点成为葡萄病害检测领域重要的基准数据集为智慧农业中的作物病害自动识别技术研究提供了高质量的数据支撑。01 数据集概览字段详情数据集名称Grape Leaf Diseases 葡萄叶病害检测数据集类别数量4总图像数量4195张训练集规模3358张80%含3534个标注框验证集规模837张20%含881个标注框测试集支持无标注格式YOLO格式归一化边界框标注质量无空标签文件标注覆盖率100%边界框平均宽0.8687、高0.9155采集场景真实葡萄园环境涵盖不同光照、角度、生长阶段图像分辨率最小150×150最大5456×3632平均291×283其中256×256分辨率占比96.8%类别均衡性类别不均衡分数2.15整体均衡性良好数据增强建议建议采用旋转、翻转、亮度调整、对比度增强等方式缓解分辨率差异问题其他信息无小目标归一面积0.005目标尺度以中大型为主02 类别定义与特征类别ID英文名称中文术语视觉特征0Grape__BlackRot葡萄黑腐病叶片表面出现圆形或不规则形褐色病斑病斑边缘呈红褐色后期病斑上会出现黑色小点叶片逐渐干枯1Grape__Esca葡萄埃斯卡病叶片表面呈现黄色或红褐色斑点病斑呈不规则形状常伴有叶脉坏死严重时叶片出现穿孔或大面积枯萎2Grape__Healthy健康葡萄叶叶片颜色鲜绿表面无病斑、坏死或畸形叶脉清晰整体形态完整3Grape__LeafBlight葡萄叶枯病叶片边缘或尖端出现褐色坏死区域逐渐向叶片中心扩展病斑呈不规则形后期叶片大面积干枯卷曲03 数据集目录结构Grape_Leaf_Diseases/ ├── train/ │ ├── images/ # 训练集图像3358张 │ └── labels/ # 训练集YOLO标注.txt ├── val/ │ ├── images/ # 验证集图像837张 │ └── labels/ # 验证集YOLO标注.txt └── data.yaml # YOLO26配置文件04 应用场景智慧葡萄园病害监测部署在葡萄园的智能摄像头实时采集叶片图像通过模型自动识别病害类型实现病害的早期预警与精准防控减少农药使用量。移动农业检测终端集成在植保无人机或手持智能设备中在田间快速扫描葡萄叶片实时输出病害检测结果辅助农户进行现场诊断。农业大数据分析基于大量病害检测数据分析不同区域、不同季节的病害发生规律为葡萄种植的精细化管理提供数据支撑。作物病害识别算法研究作为基准数据集用于对比不同目标检测算法在葡萄病害识别任务中的性能推动农业计算机视觉技术的发展。农业科普与培训结合可视化检测结果用于种植户的病害识别培训提升农户对葡萄常见病害的认知水平。05 模型训练与部署YOLO26 配置文件data.yaml# Grape Leaf Diseases 葡萄叶病害检测数据集配置train:../train/images# 训练集图像路径val:../val/images# 验证集图像路径test:# 无测试集nc:4# 类别数量names:# 类别名称列表-Grape__BlackRot-Grape__Esca-Grape__Healthy-Grape__LeafBlight训练参数建议与命令根据数据集规模4195张图像和图像特征推荐以下训练参数epochs45中等规模数据集45轮训练可充分收敛batch_size16平衡训练效率与显存占用的通用最优值imgsz640适配目标尺度同时缓解原始分辨率差异问题optimizerSGD针对均衡数据集泛化性优于AdamampTrue开启混合精度训练节省显存并加速训练单GPU训练命令yolo traindatadata.yamlmodelyolo26n.ptepochs45batch16imgsz640optimizerSGDampTruecacheTrueworkers8save_period11device0多GPU训练命令yolo traindatadata.yamlmodelyolo26n.ptepochs45batch32imgsz640optimizerSGDampTruecacheTrueworkers8save_period11device0,1模型验证与导出# 模型验证yolo valdatadata.yamlmodelruns/detect/train/weights/best.ptimgsz640# 导出为ONNX格式用于部署yoloexportmodelruns/detect/train/weights/best.ptformatonnximgsz640Python 训练代码fromultralyticsimportYOLOif__name____main__:modelYOLO(yolo26n.pt)resultsmodel.train(datadata.yaml,epochs45,batch16,imgsz640,workers8,device0,optimizerSGD,ampTrue,cacheTrue,save_period11,)06 数据集获取方式后台回复关键词葡萄叶病害检测数据集即可获取数据集下载链接及使用说明。07 使用声明与引用规范本数据集仅用于学术研究与非商业用途禁止用于商业产品开发或盈利性活动使用数据集发表论文或研究成果时需在致谢部分注明数据集来源请勿对数据集进行二次分发或修改后重新发布数据集提供者不对因使用本数据集导致的任何损失承担责任08 相关数据集推荐PlantVillage 植物病害数据集包含14种作物的26类病害图像覆盖更广泛的作物种类Apple Leaf Disease Dataset专注于苹果叶片病害的检测数据集包含4类病害和健康叶片Citrus Leaf Disease Dataset针对柑橘类作物的叶片病害检测数据集涵盖5类病害类型Tomato Leaf Disease Detection Dataset包含10类番茄叶片病害的大规模数据集适合复杂病害识别任务