番茄健康叶片检测数据集 | 3100张YOLO智慧农业数据集

番茄健康叶片检测数据集 | 3100张YOLO智慧农业数据集

适用于作物健康监测、病害对照与目标检测研究

一、数据集概述

本数据集基于PlantVillage植物病害识别领域应用最广泛的公开图像库构建，为其检测版本的健康番茄叶片子集，共包含约3100张高质量标注图像。数据集在受控背景下采集，叶片主体清晰、干扰少，非常适合作为健康样本基线，与各 类 病害数据集配合构建"健康-患病"二元或多元判别体系。该数据集可广泛应用于设施农业作物健康监测、病害对照基线构建、叶片自动分割与计数、农业视觉算法入门教学等场景，适用于YOLOv5/v7/v8/v10/v11/v12等主流检测框架。

随着设施农业和精准农业的快速发展，利用 计算机视觉 技术实现番茄叶片健康状态的自动检测已成为作物健康监测与病害预警的重要手段。本数据集以高质量健康番茄叶片为检测目标，可为智慧农业病害识别系统提供可靠的健康样本基准。

数据集下载

通过网盘分享的文件：番茄健康叶片检测数据集-1类

链接: https://pan.baidu.com/s/13l4cnmlIQK9jXxaZukHeoA?pwd=su4n

提取码: su4n

二、数据集基本信息

三、数据集类别说明

本数据集为单类别目标检测数据集，聚焦于健康番茄叶片的精准检测与定位，类别简洁明确，无冗余类别干扰，适配单一目标检测任务需求。

类别配置

nc: 1

names:
  - healthy_tomato_leaf

类别详情

单类别设计使模型能够专注于健康番茄叶片的特征学习，提高检测精度与定位准确性，特别适用于健康样本基线构建、病害对照判别与叶片自动定位计数等专项应用场景。

四、数据集结构说明

数据集采用标准YOLO目录结构组织，已按训练集、验证集、测试集进行科学划分（7:2:1比例），结构规整，便于实验复现与对比。

番茄健康叶片检测数据集-1类/
├── train
│   ├── images
│   └── labels
├── valid
│   ├── images
│   └── labels
├── test
│   ├── images
│   └── labels
└── data.yaml

各数据集作用如下：

• train/images & labels：训练集图像与标签（约70%），用于模型参数学习与特征提取；
• valid/images & labels：验证集图像与标签（约20%），用于超参数调优、早停监控及防止过拟合；
• test/images & labels：测试集图像与标签（约10%），用于最终模型性能评估与泛化能力测试。

标注文件为同名.txt格式，每行格式为类别索引 x_center y_center width height，坐标均为归一化值，配套data.yaml已配置好类别名称与数量，可直接适配YOLO系列等目标检测框架。

五、数据集核心优势

1. 基于PlantVillage权威数据源

本数据集源自PlantVillage——植物病害识别领域应用最广泛的公开图像库之一，具有行业公认的数据质量与权威性。作为其检测版本的番茄健康叶片子集，继承了PlantVillage在受控环境下的高质量图像采集标准，为算法训练与评估提供了可靠的基准数据。

2. 受控背景下的高质量图像

图像在受控背景下采集，具有以下特点：

• 背景统一：去除复杂背景干扰，叶片主体突出
• 光照均匀：稳定一致的照明条件，减少光照变化对特征提取的影响
• 主体清晰：叶片纹理、颜色、形态等细节展现充分
• 噪声干扰小：图像质量高，模型收敛速度快

非常适合作为算法验证与教学演示的基准数据。

3. 健康样本基线定位明确

本数据集作为健康番茄叶片的纯样本集，定位清晰、应用明确：

• 病害对照基线：与各类病害数据集配合构建"健康-患病"二元或多元判别体系
• 健康基准：为病害识别模型提供健康的参考标准
• 纯净训练：单一类别设计避免多类别混淆，专注健康叶片特征学习

4. 规范统一的标注标准

所有图像均经过规范统一的标注：

• 边界框贴合叶片轮廓
• 无漏标/错标
• 标注标准一致，便于实验复现
• 满足高精度检测模型训练需求

有效保证模型训练质量。

5. 即用型数据组织

标准目录结构+单类别简化配置，无需复杂预处理，下载即可直接用于模型训练，使用门槛低。训练/验证/测试划分比例规整（7:2:1），便于实验复现与跨模型对比。

6. 适配入门教学与算法验证

数据质量高、标注规范、场景纯粹，特别适合：

• 目标检测算法入门教学
• 模型快速验证与调优练习
• 农业视觉算法基准测试

六、适用场景

设施农业番茄植株健康状态监测

在温室、大棚等设施农业场景中，自动检测番茄叶片健康状态，为植株健康评估提供数据支撑。

病害检测模型的健康对照基线

作为病害识别模型训练中的健康对照样本，构建"健康-患病"二元或多元判别体系，提升病害识别准确率。

叶片自动定位、计数与长势分析

实现对番茄叶片的自动定位与计数，辅助作物长势分析与生长状态评估。

农业视觉 数据集合 并与联合训练

可与各类番茄病害检测数据集合并使用，构建覆盖健康与多种病害状态的综合性目标检测数据集。

农业视觉算法入门教学

以纯净、高质量的数据集为教学素材，帮助初学者快速理解目标检测算法原理与模型训练流程。

教学科研

用于目标检测算法入门、模型调优练习、农业视觉基准测试等科研场景。

七、适用研究方向

本数据集可广泛应用于以下研究领域：

• 植物病害识别与健康监测研究
• 健康样本基线构建研究
• 单类别目标检测研究
• 农业计算机视觉研究
• 迁移学习与数据集合并研究
• YOLO系列模型优化研究
• 轻量化检测模型与边缘部署研究
• 目标检测算法入门与教学研究

八、总结

番茄健康叶片检测数据集包含约3100张高质量标注图像，采用标准YOLO格式构建，专注于健康番茄叶片的检测与定位任务。数据集源自PlantVillage权威图像库，图像在受控背景下采集、叶片主体清晰、干扰少，具有数据质量高、标注规范统一、健康基线定位明确等特点，可广泛应用于设施农业健康监测、病害对照基线构建、叶片定位计数、算法教学入门等领域，是开展农业视觉算法研究与智慧农业系统建设的优质数据资源。