棉花叶片8类病虫害检测数据集YOLO格式一、数据集概述本数据集为棉花叶片病虫害垂直领域专业数据集共 5,400 张田间实拍图像覆盖 8 类棉花叶片健康状态与常见病虫害含蚜虫、斜纹夜蛾等虫害以及细菌性叶斑、枯萎、灰霉、叶斑、卷叶等病害。数据集已按 7:2:1 划分为训练集3,784张/ 验证集1,169张/ 测试集447张采用标准 YOLO 格式标注标注规范准确到手无需二次标注与拆分可直接投入训练适配 YOLOv5/v8/v10/v11 全系列模型。二、检测类别8类英文类别 中文名 类型 说明 Aphids 蚜虫 虫害 刺吸式口器群集叶背致叶片卷曲发黄 Armyworm 斜纹夜蛾 虫害 幼虫啃食叶片造成缺刻或孔洞 Bacterial Blight 细菌性叶斑病 细菌病害 叶片出现水渍状小斑后扩大成角斑 Fusarium Wilt 枯萎病 真菌病害 维管束病害整株萎蔫叶片黄化脱落 Grey mildew 灰霉病 真菌病害 叶片出现灰色霉层 Healthy 健康叶片 对照 正常无病害叶片 Leaf Curl 卷叶病 病毒/生理 叶片皱缩卷曲多由棉卷叶病毒或蚜虫传毒引起 Leaf spot 叶斑病 真菌病害 多种病原菌引起的叶部斑点 8 类中虫害2类 病害5类 健康1类覆盖棉花田间最主要的叶部生物胁迫是棉花智能植保较完整的识别集合。三、数据集详情• 总图片数5,400 张• 标注格式YOLO .txt归一化坐标标准 data.yaml 可直接喂 Ultralytics• 数据划分◦ 训练集3,784 张70%◦ 验证集1,169 张22%◦ 测试集447 张8%• 目标尺度同时包含大目标与小目标蚜虫、早期病斑属于小目标卷叶、整叶病斑属于大目标• 数据来源田间实拍涵盖不同光照、角度、病害严重程度样本贴合实际植保场景四、核心优势• 开箱即用标注完整、划分就绪省去标注/拆分/清洗等预处理步骤• 配比科学7:2:1 是 YOLO 训练的标准划分验证集够做早停测试集够做最终评估• 场景真实田间实拍含不同病害程度梯度比实验室干净样本泛化性更好• 大小目标混合对 YOLO 的小目标头P2/P3训练友好可验证小目标检测策略五、训练建议• 小目标问题Aphids蚜虫和早期病斑在图上可能只有十几个像素建议◦ 开启 mosaic1.0 mixup0.15◦ 若用 YOLOv8/v11可尝试 imgsz960 或 1280 提升小目标 recall◦ 严重小目标场景可考虑 SAHI切片推理或加 P2 小目标检测头• 类别不平衡如果 Healthy 或某病害样本偏少可启用 class_weights 或过采样• 预期指标棉花叶病类数据集在 YOLOv8s 上 mAP0.5 通常能到 0.85v11n 可冲 0.88六、可配套系统方向延续此前农业AI系列农作物29类 / 番茄叶11类 / 害虫11类 / 桃子成熟度 / 小麦分类的架构可搭一套棉花智能植保检测系统• 检测端图片 / 批量 / 视频 / 摄像头田间手持或无人机挂载• LLM 模块识别到具体病虫害后调用 DeepSeek/Qwen输出◦ 发病规律如枯萎病在连作棉田高发◦ 防治药剂蚜虫用吡虫啉/啶虫脒枯萎病用苯醚甲环唑嘧菌酯灌根◦ 预警建议卷叶病早期与蚜虫关联性强需先控蚜• 地块管理按田块/农户记录发病分布生成植保作业建议• 报告导出PDF 检测报告 防治方案技术栈参考YOLOv8/v11 Flask Spring Boot Vue3 MySQL ECharts DeepSeek API七、应用场景• 棉花种植大户/合作社田间巡查看叶快速判断病虫害类型与严重程度• 植保站区域性棉田病虫害普查与预警• 农技服务公司飞防作业前的病害摸底精准配药• 棉花研究所抗病品种筛选、药效试验的自动化记录• 农业院校植物保护实训数据集八、与同系列农业数据集的对比数据集 图片量 类别 任务 侧重 农作物29类7,00029多作物叶病 检测 广覆盖跨作物 番茄叶11类8,42111番茄专类 检测 单作物深覆盖 害虫11类 —11害虫 检测 虫而非病 桃子成熟度3类1,2453成熟度 检测 品质分级 小麦分类6类4,8046麦粒品质 分类 籽粒而非叶 棉花叶8类5,4008棉叶虫病 检测 单作物虫病混合 棉花这套的特点是虫病同框——蚜虫和卷叶病经常伴生细菌性斑和枯萎病症状易混比纯病害集更贴近田间真实农户拍一张叶子可能既有虫又有病。九、交付内容数据集5,400 张图片 YOLO txt 标注划分文件train/val/test 列表 data.yaml标签对照表中英类别名方便写进论文/报告十、定制化服务• 扩充类别如棉铃虫、红蜘蛛、黄萎病等• 提供预训练权重YOLOv8/v11• 开发完整棉花植保检测系统含 LLM 建议 地块管理• 对接无人机/手持巡检设备做田间实时检测