potato-crop 数据集 于马铃薯作物病害检测数据集 无人机土豆叶片病害检测数据集
potato-crop 数据集说明
本数据集用于马铃薯作物的计算机视觉相关任务，为深度学习模型训练与验证提供支持。
数据集核心信息表
| 信息类别 | 具体内容 |
|---|---|
| 类别数量及名称 | 2 类（健康的、压力大的） |
| 数据数量 | 1500 张图片 |
| 数据集格式 | YOLO 格式 |
| 最重要应用价值 | 实现马铃薯作物健康状态的自动检测，辅助农业生产中的作物长势监控与问题诊断，提升农业管理效率 |
数据三要素概述
类别
数据集包含 2 个核心类别，分别对应马铃薯作物的两种不同状态。
其中 “健康的” 类别用于标注生长状态正常的马铃薯作物样本，“压力大的” 类别用于标注存在生长压力（如病虫害、环境胁迫等）的马铃薯作物样本，类别划分明确，贴合农业实际需求。
数量
数据集共包含 1500 张图片，数据量规模适中，能够为基础的计算机视觉模型（如目标检测模型）提供足够的训练样本，保障模型初步学习到马铃薯作物不同状态的特征。
图片样本可支撑模型进行多次迭代训练与交叉验证，满足中小型深度学习项目的数据集需求。
应用价值
从农业生产角度，基于该数据集训练的模型可自动识别马铃薯作物健康与否，减少人工巡检的工作量与成本，帮助种植者及时发现作物生长问题。
从技术应用角度，数据集采用 YOLO 格式，适配主流的目标检测模型训练框架，降低了技术落地的门槛，便于开发者快速开展相关农业 AI 应用的研发。
从行业发展角度，该数据集为农业领域的作物状态计算机视觉检测提供了基础数据支撑，可推动 AI 技术在智慧农业中的进一步应用与普及。