博主简介：曾任某智慧城市类企业算法总监，目前在美国市场的物流公司从事高级算法工程师一职，深耕人工智能领域，精通python数据挖掘、可视化、机器学习等，发表过AI相关的专利并多次在AI类比赛中获奖。CSDN人工智能领域的优质创作者，提供AI相关的技术咨询、项目开发和个性化解决方案等服务，如有需要请站内私信或者联系任意文章底部的的VX名片（ID：xf982831907）
博主粉丝群介绍：① 群内初中生、高中生、本科生、研究生、博士生遍布，可互相学习，交流困惑。② 热榜top10的常客也在群里，也有数不清的万粉大佬，可以交流写作技巧，上榜经验，涨粉秘籍。③ 群内也有职场精英，大厂大佬，可交流技术、面试、找工作的经验。④ 进群免费赠送写作秘籍一份，助你由写作小白晋升为创作大佬。⑤ 进群赠送CSDN评论防封脚本，送真活跃粉丝，助你提升文章热度。有兴趣的加文末联系方式，备注自己的CSDN昵称，拉你进群，互相学习共同进步。
一、引言
在农业领域，番茄叶病的及时检测对于保障作物健康和提高产量至关重要。本文介绍的番茄叶病检测数据集，为研究人员和开发者提供了一个宝贵的资源，助力推动番茄叶病检测技术的发展。
二、数据集概况
该番茄叶病检测数据集包含 1823 张图像，涵盖了 7 种常见的番茄叶片病害类别，以 YOLOv5 PyTorch 格式进行了精准的边界框注释。数据集经过预处理，包括自动校正图像方向和统一调整图像大小为 640x640，以适应模型训练的需求。
数据集文件夹格式如下：
三、数据样本与类别
数据集包含 1823 张图像，分为以下 7 个类别：
Bacterial Spot（细菌斑点） ：图像中叶片上出现细菌感染导致的斑点，这些斑点通常呈 brown 或 black 色，形状不规则，是细菌性病害的典型表现。Early Blight（早疫病） ：叶片上形成 brown 色的圆形或椭圆形斑点，周围常有 yellow 色晕环，随着病情发展，斑点会逐渐扩大并合并，导致叶片枯萎。Healthy（健康） ：叶片无病害特征，颜色鲜绿，纹理清晰，是植物健康生长的正常状态。Late Blight（晚疫病） ：叶片上出现 dark green 或 purple 色的斑点，湿度大时斑点边缘会出现 white 色霉层，病情严重时叶片会迅速腐烂。Leaf Mold（叶模） ：叶片正面形成 light green 或 yellow 色的斑块，背面则有 white 或 gray 色的霉层，是一种常见的真菌性病害。Target Spot（目标点） ：叶片上出现圆形或椭圆形的斑点，中间颜色较深，周围有较宽的淡色晕环，形似射击靶心，由特定真菌感染引起。Black Spot（黑点） ：叶片上散落着 small black 色斑点，这些斑点通常较小且边界清晰，是多种真菌或细菌性病害的表现之一。以下是各类别的图片数量统计：
类别图片数量Bacterial Spot2921Early Blight2921Healthy3769Late Blight3244Leaf Mold4438Target Spot3808Black Spot4044总图片数量22093 原始图片展示：
训练的数据配置文件如下：
检测的结果展示:
四、数据集的应用场景
智能农业 ：集成到农业监测系统中，实时检测番茄作物的病害情况，及时采取措施进行治疗，减少病害传播，提高作物产量和质量。自动化温室管理 ：与温室的自动化控制系统相结合，实现对植物健康的实时监控，自动调节温室环境参数，优化植物生长条件，降低人工管理成本。植物病害数据库和研究 ：为植物病理学研究提供丰富的数据支持，帮助研究人员深入理解不同病害的发生机制和发展规律，促进新病害防治方法的开发。教育应用 ：用于农业相关专业的教学实践，帮助学生更直观地了解番茄叶病的各类症状，提高学生的实践诊断能力，培养专业人才。移动植物病害诊断应用程序 ：基于该数据集开发的移动应用程序，用户可以拍摄植物叶片的图片，快速识别病害类型，并获得相应的治疗建议和管理措施，为农户和园艺爱好者提供便捷的服务。五、数据集的优势
高质量标注 ：采用 YOLOv5 PyTorch 格式进行精准的边界框注释，确保模型能够准确学习到病害特征和位置信息，提高检测的准确性。多样性与丰富性 ：涵盖多种常见的番茄叶片病害类别，以及不同病害程度和环境条件下的图像，使模型在实际应用中具有更强的泛化能力。标准化预处理 ：对图像进行统一的方向校正和尺寸调整，提高数据的一致性，有利于模型的训练和优化，节省数据预处理的时间和精力。六、总结与展望
番茄叶病检测数据集凭借其高质量的标注、丰富的类别和标准化的预处理流程，成为了农业领域中不可或缺的宝贵资源。它不仅推动了番茄叶病检测技术的发展，更为智能农业、温室管理、植物病害研究、教育教学以及移动应用开发等多个方面提供了有力支持。如果你对番茄叶病检测相关项目感兴趣，这个数据集将是探索和创新的重要起点，有望为农业生产的智能化和精准化做出积极贡献。
注： 博主目前收集了6900+份相关数据集，有想要的可以领取部分数据：
