为什么92%的PHP团队在LLM长连接上线后3天内遭遇OOM崩溃？——Swoole内存管理与LLM上下文缓存协同优化指南
2026/5/1 2:07:33
芒果病虫害检测数据集核心信息分析
类别
Classes (10) 类别（10） Weevil 象鼻虫 beetle 甲虫 grasshopper 蚱蜢 mango_hopper 芒果叶蝉 mango_mealybug 芒果粉蚧 moth 蛾 sawfly 叶蜂 slug 蛞蝓 stem_borer 蛀茎虫 wasp 黄蜂芒果病虫害检测数据集核心信息表
| 核心维度 | 具体内容及亮点 |
|---|---|
| 病虫害类别 | 覆盖 10 类芒果关键虫害，含象甲（Weevil）、甲虫（beetle）、蚱蜢（grasshopper）、芒果叶蝉（mango_hopper）、芒果粉蚧（mango_mealybug）、飞蛾（moth）、叶蜂（sawfly）、蛞蝓（slug）、蛀茎虫（stem_borer）、胡蜂（wasp），基本囊括芒果种植高频虫害类型 |
| 数据数量 | 含 3614 张标注图像，规模达 “3.6k 级”，为模型训练提供充足样本支撑，可有效提升算法泛化能力 |
| 数据集格式种类 | 适配计算机视觉领域主流任务，以目标检测格式构建，标注信息可直接用于模型训练与验证 |
| 最重要应用价值 | 1. 填补芒果虫害视觉识别数据空白，助力农业 AI 落地；2. 支撑虫害自动监测系统开发，降低人工巡检成本；3. 为多类别虫害分类模型研究提供标准化数据基础，推动算法优化 |
数据三要素概述
在类别维度，该数据集精准聚焦芒果种植场景，筛选出 10 类对芒果产量影响显著的虫害，类别划分兼具实用性与针对性，能有效覆盖生产中的主要病虫害识别需求。
数量上，3614 张图像的规模在农业细分领域数据集里表现突出，足够支撑基础模型的训练与初步优化，避免因样本量不足导致的模型过拟合问题。
分辨率方面，虽未直接标注具体参数，但从其适配目标检测任务的特性可推断。
图像分辨率能满足虫害细节捕捉需求 —— 无论是叶蝉这类小型虫害的形态特征，还是蛀茎虫在枝干上的痕迹，均能清晰呈现，为模型精准识别提供优质视觉输入。