agriculture-dataset

该仓库是一个综合性农业数据集集合，包含玉米粒质量检测、智慧养殖羊行为识别、葡萄叶子病害检测、苹果叶子病害识别、芸豆叶子病害检测、虾识别检测、鸡蛋质量检测、水稻种子分类、果蔬检测、农业害虫检测、水稻叶子病害检测、草坪杂草检测、无人机鱼塘识别、棉花病虫害检测、柑橘病害识别、生姜叶子病害检测、花生叶子病害检测、甘蔗叶子病害检测、草莓叶子病害检测、荔枝叶子病害检测、玫瑰叶子病害检测、咖啡叶子病害检测、玉米叶子病害检测、黄瓜叶子病害检测等多个农业领域的视觉数据集，数据格式涵盖VOC、YOLO和labelme，涉及图像分类、目标检测和语义分割任务

This repository is a comprehensive agricultural dataset collection covering multiple visual datasets across diverse agricultural fields. The included datasets are: corn kernel quality detection, intelligent sheep breeding behavior recognition, grape leaf disease detection, apple leaf disease identification, kidney bean leaf disease detection, shrimp identification and detection, egg quality detection, rice seed classification, fruit and vegetable detection, agricultural pest detection, rice leaf disease detection, lawn weed detection, unmanned aerial vehicle (UAV) based fish pond identification, cotton disease and pest detection, citrus disease identification, ginger leaf disease detection, peanut leaf disease detection, sugarcane leaf disease detection, strawberry leaf disease detection, litchi leaf disease detection, rose leaf disease detection, coffee leaf disease detection, corn leaf disease detection, and cucumber leaf disease detection. The supported data formats include VOC, YOLO and LabelMe, covering image classification, object detection and semantic segmentation tasks.

原始信息汇总

农业数据集概述

数据集分类

植物病害检测数据集

• 玉米粒质量好坏检测数据集：VOC+YOLO格式，1337张图像，3类别
• 葡萄叶子病害检测数据集：VOC+YOLO格式，1834张图像，4类别
• 苹果叶子病害检测数据集：VOC+YOLO格式，8223张图像，4类别
• 水稻叶子病害检测数据集：VOC+YOLO格式，1578张图像，7类别
• 草莓叶子病害检测数据集：VOC+YOLO格式，6110张图像，7类别
• 玉米叶子病害检测数据集：VOC+YOLO格式，5997张图像，8类别
• 棉花叶子病虫害检测数据集：VOC+YOLO格式，5400张图像，8类别
• 烟草叶子烟叶病害检测数据集：VOC+YOLO格式，1555张图像，4类别
• 辣椒叶子病害检测数据集：VOC+YOLO格式，5000张图像，4类别

植物病害分类数据集

• 水稻种子分类数据集：11202张图像，7类别
• 果蔬检测数据集：VOC+YOLO格式，16099张图像，72类别
• 橘子叶子病害分类数据集：38432张图像，5类别
• 西红柿叶子病害分类数据集：22930张图像，10类别
• 苹果叶子病害分类数据集：9714张图像，4类别
• 葡萄叶子病害分类数据集：9027张图像，4类别

图像分割数据集

• 苹果叶子病害识别分割数据集：labelme格式，595张图像，4类别
• 虾识别分割数据集：labelme格式，3077张图像，1类别
• 无人机视角鱼塘池塘面积识别分割数据集：labelme格式，2079张图像，1类别
• 柑橘叶子病害识别分割数据集：labelme格式，2476张图像，3类别
• 花卉识别分割数据集：labelme格式，7111张图像，102类别

动物相关数据集

• 智慧养殖羊圈羊行为识别羊状态检测数据集：VOC+YOLO格式，9652张图像，3类别
• 虾识别检测数据集：VOC+YOLO格式，3077张图像，1类别
• 农业害虫小绿叶蝉检测数据集：VOC+YOLO格式，1199张图像，1类别
• 智慧农业多类别农业害虫检测数据集：VOC+YOLO格式，4200张图像，14类别

农产品质量检测数据集

• 鸡蛋质量检测数据集：VOC+YOLO格式，122张图像，5类别
• 鸡蛋受精未受精识别检测数据集：VOC+YOLO格式，773张图像，2类别
• 花生果仁质检损坏缺陷检测数据集：VOC+YOLO格式，3340张图像，6类别
• 柑橘缺陷检测数据集：VOC+YOLO格式，1598张图像，4类别

花卉数据集

• 花卉检测数据集：VOC+YOLO格式，8402张图像，106类别
• 鲜花分类数据集：5735张图像，102类别
• 鲜花雏菊蒲公英玫瑰向日葵郁金香分类数据集：4326张图像，5类别

树木林业数据集

• 无人机视角城市道路两旁树木检测数据集：VOC+YOLO格式，3329张图像，1类别
• 无人机视角林业树木病害检测数据集：VOC+YOLO格式，3999张图像，1类别
• 无人机树木识别及损伤检测数据集：VOC+YOLO格式，3171张图像，2类别
• 树上橘子检测数据集：VOC+YOLO格式，5215张图像，1类别

其他农业相关数据集

• 草坪杂草检测数据集：VOC+YOLO格式，3488张图像，1类别
• 棉花杂草检测数据集：VOC+YOLO格式，4279张图像，2类别
• 智慧农业-无人机视角庄稼倒伏检测数据集：VOC+YOLO格式，541张图像，1类别
• 智慧农业-水稻害虫检测数据集：VOC+YOLO格式，5212张图像，6类别
• 16种粮食谷物分类数据集：5300张图像，17类别

搜集汇总

数据集介绍

构建方式

在农业智能化的浪潮中，该数据集通过系统采集农田环境中的多源图像，涵盖作物生长、病虫害及农机设备等场景。构建过程采用标准化标注流程，以VOC、YOLO和labelme格式对图像进行边界框或像素级标注，部分数据通过增强技术提升多样性，确保标注质量与类别平衡。

特点

数据集覆盖玉米、水稻、果蔬等数十类农作物，兼具病害检测、成熟度判断及行为识别等多任务特性。其标注格式兼容主流检测与分割模型，部分子集包含近距离拍摄或无人机视角数据，呈现高分辨率与场景多样性，为农业视觉研究提供丰富样本支撑。

使用方法

用户可通过公开链接下载标准化数据包，按任务需求选择检测或分割子集。数据已预划分训练验证集，支持直接加载至YOLO、Faster R-CNN等框架进行模型训练。标注文件包含类别与坐标信息，便于迁移学习或跨作物泛化能力评估。

背景与挑战

背景概述

农业数据集作为智慧农业发展的关键基础设施，近年来由研究机构与数据科学家共同构建，旨在解决农业生产中植物病害识别、作物生长监测及农产品质量评估等核心问题。该数据集涵盖玉米、水稻、果蔬等多种农作物，通过高精度标注支持目标检测与图像分类任务，显著提升了农业自动化水平与病害防治效率。

当前挑战

农业领域数据采集面临自然环境多变导致的图像光照不均、遮挡复杂等挑战，同时病害症状相似性高增加了模型区分难度。构建过程中需克服标注一致性差、类别不平衡及小样本学习问题，此外无人机视角数据存在尺度变化大、背景干扰强等难点，对算法鲁棒性提出更高要求。

常用场景

经典使用场景

在农业智能化进程中，该数据集为计算机视觉技术在作物病害识别领域的应用提供了关键支撑。通过整合玉米、水稻、葡萄等多种作物的叶片病害检测数据，并采用VOC和YOLO标准化标注格式，研究人员能够构建高精度目标检测模型，实现对早期病害特征的自动化识别与分类，显著提升农业病害监测的效率和准确性。

解决学术问题

该数据集有效解决了传统农业病害诊断依赖人工经验导致的效率低下问题。通过提供大规模标准化标注数据，为深度学习模型训练提供了坚实基础，推动了基于卷积神经网络的轻量化检测算法研究，在降低模型计算复杂度的同时保持较高检测精度，为农业病害智能诊断系统的实际部署扫清了技术障碍。

衍生相关工作

基于该数据集衍生的研究成果已形成完整的技术生态。典型工作包括改进型YOLOv5在复杂田间环境下的适应性优化，以及结合注意力机制的病害特征增强网络。这些创新方法通过利用数据集提供的多尺度标注信息，在保持实时检测性能的同时，显著提升了模型对细小病害特征的感知能力，推动了农业视觉检测技术的持续演进。