PyTorch手撕FCN-32s：从VGG结构拆解到语义分割落地
2026/9/24 18:46:54
茶叶病害目标检测数据集及检测系统
数据集概述
茶叶病害目标检测数据集及检测系统，面向茶园叶片病害识别任务，覆盖 7 类茶叶状态（含正常叶片及 6 类常见病害），适用于茶叶病害智能诊断、茶园精准管护、智慧农业等视觉任务，可直接用于 YOLO 系列目标检测模型训练与部署。
数据集共 6159 张图像，按 7:1:2 比例划分；配套基于 Python + PyQt5 开发的图形化检测系统，提供 YOLOv8 与 YOLOv10 预训练模型（100 轮，mAP50 = 0.978），支持登录注册、多源检测与结果保存。
核心参数
| 项目 | 详情 |
|---|---|
| 数据集名称 | 茶叶病害目标检测数据集及检测系统 |
| 数据规模 | 6159 张图像 |
| 标注类别数 | 7 类 |
| 数据划分 | 训练集 : 验证集 : 测试集 = 7 : 1 : 2 |
| 标注格式 | YOLO 格式 |
| 模型精度 | YOLOv8 / v10 训练 100 轮，mAP50 = 0.978 |
| 开发框架 | Python + PyQt5 |
| 核心用途 | 茶叶病害诊断、茶园管护、智慧农业 |
标注类别说明
共 7 类（1 类正常 + 6 类病害/虫害），英文标签按原样列出：
| 英文标签 | 中文名称 |
|---|---|
| Tea leaf | 正常茶叶 |
| Black rot of tea | 茶黑腐病 |
| Brown blight of tea | 茶枯病 |
| Leaf rust of tea | 茶锈病 |
| Red Spider infested tea leaf | 红蜘蛛侵害 |
| Tea Mosquito bug infested leaf | 茶蚜虫侵害 |
| White spot of tea | 茶白霉病 |
配套检测系统
基于 Python + PyQt5 开发，功能包括：
- 用户登录与注册
- 支持图片、视频、实时摄像头检测
- 导入已有
.pt模型即可使用 - 保存识别结果，界面美观、指导详细
## 格式支持
默认YOLO格式数据集
适用场景
- 茶叶病害智能诊断与早期预警
- 茶园精准管护与农事决策辅助
- 智慧农业视觉算法研究
- 农作物病害目标检测教学与实验
训练配置示例（YOLO 格式）
数据集配置（YAML）
yaml 茶叶病害目标检测数据集配置 path: ./tea_disease_detect train: images/train val: images/val test: images/test names:0: Tea leaf1: Black rot of tea2: Brown blight of tea3: Leaf rust of tea4: Red Spider infested tea leaf5: Tea Mosquito bug infested leaf6: White spot of tea训练代码
python from ultralyticsimportYOLO 加载模型 model=YOLO("yolo11s.yaml")开始训练 model.train(data="tea_disease_detect.yaml",epochs=100,imgsz=640,batch=16,device=0)话题关键词
#茶叶病害 #目标检测 #智慧农业 #PyQt5 #YOLOv8 #YOLOv10 #茶园管护 #YOLO数据集