IP102农作物害虫检测数据集 | 4400张YOLO智慧农业数据集

适用于农田害虫识别、虫情测报与目标检测研究

一、数据集概述

本数据集为IP102农作物害虫检测数据集的5类精选子集，共包含约4400张高质量标注图像，聚焦水稻、豆类等主要作物上的常见害虫，类别界定清晰、样本质量较高。IP102是农业害虫识别领域规模最大、影响最广的公开数据集之一，原始版本涵盖上百种农作物害虫。本数据集可广泛应用于智慧农业、精准植保、病虫害测报、农技服务、农业物联网等场景，适用于YOLOv5/v7/v8/v10/v11/v12等主流检测框架。

随着智慧农业和精准植保的快速发展，利用计算机视觉技术实现农作物害虫的自动检测与种类识别已成为提升病虫害防控效率、降低农药使用量的重要手段。本数据集针对农田害虫检测场景中虫体与背景颜色接近、姿态多样、存在遮挡等问题进行专项构建，可为害虫智能识别系统与虫情测报设备提供高质量数据支撑。

数据集下载

通过网盘分享的文件：农作物害虫检测数据集-5类 链接: https://pan.baidu.com/s/1s8ci-DjHg0nf4cWMvA1SfA?pwd=nv6w 提取码: nv6w

二、数据集基本信息

三、数据集类别说明

本数据集为多类别目标检测数据集，共设置5个检测类别，聚焦水稻、豆类等主要作物上的常见害虫，类别界定清晰，样本质量较高，适合作为害虫检测模型的训练与评测基准。

类别配置

nc: 5

names:
  - bay_leaf
  - legume_blister_beetle
  - lytta_polita
  - rice_leaf_roller
  - tarnished_plant_bug

类别详情

五类设计聚焦水稻（稻纵卷叶螟）和豆类（豆芫菁）等主要作物的代表性害虫，同时覆盖多食性害虫（牧草盲蝽、月桂叶害虫等），类别覆盖面合理，适合作为多类别害虫检测模型的训练与评测基准。

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，结构清晰，便于直接接入主流检测框架。

IP102农作物害虫检测数据集-5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，用于模型参数学习与特征提取；
• valid/images & labels：验证集图像与标签，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，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IP102权威数据源

本数据集源自IP102——农业害虫识别领域规模最大、影响最广的公开数据集之一。原始版本涵盖上百种农作物害虫，经过多年积累与持续完善，已成为农业害虫识别领域的基准数据集。本子集继承IP102的高质量标准，为算法研究与模型训练提供权威的数据基础。

2. 聚焦主要作物关键害虫

五类害虫聚焦农业生产的核心问题：

• 水稻害虫：稻纵卷叶螟——水稻重要害虫，分布广泛、危害严重
• 豆类害虫：豆芫菁——豆类作物的重要害虫
• 多食性害虫：牧草盲蝽、月桂叶害虫、光亮芫菁——危害多种经济作物

覆盖水稻、豆类及经济作物的主要害虫类型，与农业生产实际紧密相关。

3. 贴近真实农田环境

图像取自真实农田环境，具有以下特点：

• 背景复杂：作物叶片、茎秆与土壤构成的自然背景
• 虫体伪装：虫体常与背景颜色接近，增加检测难度
• 姿态多样：不同角度、不同活动状态下的虫体形态
• 遮挡情况：叶片遮挡、虫体重叠等真实场景

与田间虫情测报实际场景高度一致，具有较强的实际应用代表性。

4. 高质量的样本分布

约4400张高质量图像，各类别样本分布相对均衡，适合多类别检测模型训练，避免严重类别不平衡问题，有效保障模型对各类害虫的识别能力。

5. 即用型数据组织

标准目录结构+精简data.yaml配置，无需复杂预处理，下载即可直接用于模型训练，降低使用门槛。

6. 广泛的应用支撑

本数据集可支撑从算法研究到实际部署的完整链条：

• 模型训练与评测基准
• 农业害虫识别算法开发
• 虫情测报系统构建
• 智能植保设备研发

六、适用场景

农田害虫种类自动识别与虫情测报

自动识别田间害虫种类与数量，为病虫害测报提供客观数据支撑，实现虫情的自动化监测。

精准植保与农药减施决策

基于害虫种类识别结果，指导精准施药方案制定，实现减量增效的绿色植保目标。

虫情测报灯图像自动分析

集成于虫情测报灯系统，自动分析诱捕图像中的害虫种类与数量，实现智能化虫情监测。

农技服务与农户识虫应用

为农技服务App、小程序等提供害虫自动识别能力，帮助农户快速了解田间虫害情况。

农业物联网与智慧种植

作为农业物联网系统的智能感知模块，实现田间害虫的自动监测与数据化管理。

教学科研

用于细粒度目标检测与农业视觉算法研究等科研场景。

七、适用研究方向

本数据集可广泛应用于以下研究领域：

• 农业害虫检测与识别研究
• 细粒度目标检测研究
• 农田复杂环境目标检测研究（虫体与背景颜色相近）
• 多类别目标检测研究（5类）
• 智慧农业与精准植保研究
• YOLO系列模型优化研究
• 轻量化检测模型与边缘部署研究
• 域适应与跨地区泛化研究
• 虫情测报自动化研究

八、总结

IP102农作物害虫检测数据集（5类子集） 包含约4400张高质量标注图像，采用标准YOLO格式构建，专注于农作物害虫的检测与种类识别任务。数据集覆盖月桂叶、豆芫菁、光亮芫菁、稻纵卷叶螟、牧草盲蝽5类主要作物害虫，基于IP102权威数据源，具有类别界定清晰、背景真实、样本分布均衡等特点，可广泛应用于农田害虫自动识别、虫情测报、精准植保、农技服务等领域，是开展农业害虫视觉检测算法研发与智慧植保系统建设的优质数据资源。