企业官网建设流程全解析

🌾 水稻病虫害目标检测数据集（YOLO格式）

覆盖15类水稻病虫害，20,115张图片，35,003个标注目标，YOLO格式即开即用。
数据集地址链接: https://pan.baidu.com/s/1sCPEGdwCv81btCyDXwmd7Q 提取码: 6822

一、数据集简介

水稻是我国最重要的粮食作物之一，病虫害每年造成大量减产。本数据集覆盖6类虫害和9类病害，适用于目标检测任务，可直接用于 YOLO等模型训练。

二、数据规模

三、类别分布

数据集包含15类水稻病虫害，其中虫害6类、病害9类：

虫害类别

病害类别

总标注目标数：35,003，最大/最小类别比例 4.18，存在一定类别不平衡。

四、数据格式

采用 YOLO 标注格式，每张图片对应一个同名.txt标签文件：

class_id x_center y_center width height

坐标均为归一化值（0~1），例如：

0 0.78046875 0.38515625 0.2125 0.403125 0 0.53984375 0.66484375 0.31875 0.421875

五、目录结构

datasets/ ├── data.yaml # 数据集配置文件 ├── classes.txt # 类别名称文件 ├── train/ │ ├── images/ # 训练图片 (14,030) │ ├── labels/ # 训练标签 (14,030) │ └── classes.txt ├── val/ │ ├── images/ # 验证图片 (3,974) │ ├── labels/ # 验证标签 (3,974) │ └── classes.txt ├── test/ │ ├── images/ # 测试图片 (2,111) │ ├── labels/ # 测试标签 (2,111) │ └── classes.txt └── sample/ # 示例数据集 (每类5张) ├── data.yaml ├── train/ (75张) ├── val/ (75张) └── test/ (75张)

六、data.yaml 配置

path:D:/Rice_Diseases_and_Pests/ultralytics-main/ultralytics-main/datasetstrain:train/imagesval:val/imagestest:test/imagesnc:15names:['Bhopper','Ghopper','Folder','Rice-bug','Stem-borer','Whorl-maggot','False-smut','Sheath-blight','Streak','Tungro','Blast','Blight','Brown-spot','Dead-heart','Downy-mildew']

使用时将path修改为本机数据集实际路径即可。

七、快速开始

7.1 环境准备

pipinstallultralytics

7.2 训练

fromultralyticsimportYOLO model=YOLO('yolov8n.pt')model.train(data='data.yaml',epochs=100,imgsz=640,batch=16)

7.3 验证

model=YOLO('best.pt')metrics=model.val()

7.4 推理

results=model.predict(source='test.jpg',save=True)

八、数据分析

8.1 类别平衡度

• 平均每类标注数：2,333
• 最大类（Blast 稻瘟病）：4,308，占比 1.85x
• 最小类（Stem-borer 二化螟）：1,031，占比 0.44x
• 最大/最小比例：4.18
• 标准差/平均值：0.46

8.2 目标尺寸分布

8.3 位置与宽高比

• 目标中心点基本均匀分布，图像中心区域目标密度略高
• 宽高比均值约 1.0，大部分目标接近正方形
• 极端宽高比目标较少

九、示例数据集

为方便快速验证，提供了sample/文件夹，每类取5张图片，结构与完整数据集一致：

sample/ ├── data.yaml ├── train/ (75张, 15类×5) ├── val/ (75张, 15类×5) └── test/ (75张, 15类×5)

十、常见问题

Q1: 训练时显存不够怎么办？

• 减小batch大小（如 8 或 4）
• 使用更小的模型（yolov8n）
• 减小imgsz（如 416）

Q2: 如何提升小目标检测效果？

• 增大输入分辨率（imgsz=1280）
• 添加SAHI（切片辅助推理）
• 数据增强中增加Mosaic、CopyPaste等策略

Q3: 类别不平衡如何处理？

• 对少数类进行过采样
• 使用Focal Loss
• 调整类别权重

十一、参考链接

• Ultralytics YOLOv8 官方文档
• YOLOv8 GitHub

如果这个数据集对你有帮助，欢迎 Star ⭐ 和引用！