A2H0H0R1/plant-disease-new

该数据集包含图像和标签两个主要特征。图像特征为植物图像，标签特征为植物的健康状况分类，涵盖了多种植物如苹果、蓝莓、樱桃、玉米、葡萄、橙子、桃子、辣椒、土豆、覆盆子、大豆、南瓜、草莓和番茄等。每个标签对应一种特定的植物疾病或健康状态。数据集分为一个训练集，包含162,916个样本，总大小为2,234,212,851.536字节。

This dataset is designed for plant disease identification, containing images of various plants and their corresponding disease labels. The labels cover healthy conditions and disease types of multiple plants including apple, blueberry, cherry, corn, grape, orange, peach, pepper, potato, raspberry, soybean, squash, strawberry, and tomato. The dataset provides a training set with 162916 image samples.

原始信息汇总

数据集概述

特征信息

• 图像：
  • 名称：image
  • 数据类型：image
• 标签：
  • 名称：label
  • 数据类型：class_label
  • 类别名称：
    • 0: Apple___Apple_scab
    • 1: Apple___Black_rot
    • 2: Apple___Cedar_apple_rust
    • 3: Apple___healthy
    • 4: Blueberry___healthy
    • 5: Cherry_(including_sour)___Powdery_mildew
    • 6: Cherry_(including_sour)___healthy
    • 7: Corn_(maize)___Cercospora_leaf_spot Gray_leaf_spot
    • 8: Corn_(maize)__Common_rust
    • 9: Corn_(maize)___Northern_Leaf_Blight
    • 10: Corn_(maize)___healthy
    • 11: Grape___Black_rot
    • 12: Grape___Esca_(Black_Measles)
    • 13: Grape___Leaf_blight_(Isariopsis_Leaf_Spot)
    • 14: Grape___healthy
    • 15: Orange___Haunglongbing_(Citrus_greening)
    • 16: Peach___Bacterial_spot
    • 17: Peach___healthy
    • 18: Pepper,_bell___Bacterial_spot
    • 19: Pepper,_bell___healthy
    • 20: Potato___Early_blight
    • 21: Potato___Late_blight
    • 22: Potato___healthy
    • 23: Raspberry___healthy
    • 24: Soybean___healthy
    • 25: Squash___Powdery_mildew
    • 26: Strawberry___Leaf_scorch
    • 27: Strawberry___healthy
    • 28: Tomato___Bacterial_spot
    • 29: Tomato___Early_blight
    • 30: Tomato___Late_blight
    • 31: Tomato___Leaf_Mold
    • 32: Tomato___Septoria_leaf_spot
    • 33: Tomato___Spider_mites Two-spotted_spider_mite
    • 34: Tomato___Target_Spot
    • 35: Tomato___Tomato_Yellow_Leaf_Curl_Virus
    • 36: Tomato___Tomato_mosaic_virus
    • 37: Tomato___healthy

数据分割

• 训练集：
  • 名称：train
  • 字节数：2234212851.536
  • 样本数：162916

数据集大小

• 下载大小：2171353111
• 数据集大小：2234212851.536

配置信息

• 默认配置：
  • 配置名称：default
  • 数据文件：
    • 分割：train
    • 路径：data/train-*

搜集汇总

数据集介绍

构建方式

在农业病害识别领域，A2H0H0R1/plant-disease-new数据集通过系统化采集与标注构建而成。该数据集整合了多种农作物叶片图像，涵盖苹果、玉米、葡萄、番茄等关键经济作物，每张图像均对应特定病害或健康状态标签。构建过程中，图像经过标准化预处理，确保视觉一致性，标签体系依据植物病理学知识精心设计，覆盖了从真菌感染到细菌性病害的广泛类别，为机器学习模型提供了结构化的训练基础。

特点

本数据集以其广泛的类别覆盖和高质量的图像标注而著称。它包含38个细分类别，涉及14种作物的病害与健康状态，其中番茄类别尤为详尽，涵盖了多种常见病害。图像数据规模庞大，训练集包含超过16万张样本，每张图像均以高分辨率呈现，清晰展示叶片病理特征。这种多样性与规模相结合，使得数据集能够支持复杂的多分类任务，并在农业视觉诊断研究中展现出重要价值。

使用方法

研究人员可通过HuggingFace平台直接加载该数据集，利用其预定义的训练分割进行模型开发。典型应用包括使用卷积神经网络进行端到端的图像分类，以识别特定作物的病害类型。数据集中图像与标签的配对格式便于直接输入深度学习框架，用户可在此基础上实施数据增强、迁移学习等策略，优化模型性能。此外，该数据集适用于评估模型在跨作物病害识别中的泛化能力，推动精准农业技术的发展。

背景与挑战

背景概述

在农业智能化与精准植物保护领域，植物病害的早期识别与分类是保障作物健康、提升农业生产效率的核心环节。A2H0H0R1/plant-disease-new数据集由相关研究机构或团队构建，旨在为机器学习与计算机视觉模型提供大规模、多类别的植物病害图像数据。该数据集涵盖了苹果、玉米、葡萄、番茄等多种重要经济作物的健康与病害状态，包括黑腐病、白粉病、叶斑病等常见病理特征，其创建响应了农业自动化监测中对高精度、可扩展视觉诊断工具的迫切需求。通过提供标注清晰的图像样本，该数据集推动了深度学习在植物病理学中的应用，为病害智能诊断系统的研发奠定了数据基础，对促进可持续农业发展具有显著影响力。

当前挑战

该数据集致力于解决植物病害自动识别与分类中的关键挑战，包括在复杂田间环境下对细微病害特征的准确提取，以及跨作物、跨病害类别的高泛化性模型构建。由于植物病害在视觉表现上常存在类内差异大、类间相似度高的问题，如不同病害可能呈现相近的叶斑症状，这增加了模型区分与分类的难度。在数据构建过程中，挑战主要源于图像采集的标准化与质量控制，需确保在不同光照、角度及背景条件下获取一致且具有代表性的样本。同时，标注工作依赖于领域专家的精细判别，以克服病害形态多样性及健康与早期病害的微妙区别，这些因素共同构成了数据集构建与应用中的核心难点。

常用场景

经典使用场景

在植物病理学与农业信息学交叉领域，该数据集为图像识别任务提供了丰富的视觉资源。其经典使用场景聚焦于训练深度学习模型，特别是卷积神经网络，以实现对多种农作物叶片病害的自动化分类。通过涵盖苹果、葡萄、番茄等关键经济作物的健康与患病状态图像，研究者能够构建高精度分类器，为植物病害的早期诊断奠定算法基础。

解决学术问题

该数据集有效解决了农业人工智能领域的关键挑战，即缺乏大规模、高质量、多类别的植物病害图像数据。它支持研究者探索小样本学习、跨物种迁移学习以及细粒度分类等前沿问题，推动了计算机视觉在农业场景中的理论创新。通过提供标准化标注，该数据集促进了模型泛化能力的评估，为病害识别算法的鲁棒性研究提供了基准测试平台。

衍生相关工作

基于该数据集衍生的经典工作包括多种轻量化神经网络架构的优化，如MobileNet与EfficientNet的农业适配版本。研究者进一步开发了数据增强策略以应对田间拍摄的图像变异问题，并构建了融合多模态信息的病害预测模型。这些工作不仅提升了分类精度，还推动了边缘计算在农业物联网中的集成应用。