12类农田常见虫害目标检测数据集（秋黏虫/果蝇/红蜘蛛/蓟马等）| 3600张YOLO农业虫害监测数据集 适用于智慧农业、病虫害预警与目标检测研究

12类农田常见虫害目标检测数据集（秋黏虫/果蝇/红蜘蛛/蓟马等）| 3600张YOLO农业虫害监测数据集 适用于智慧农业、病虫害预警与目标检测研究

数据集介绍

本数据集是面向农田病虫害智能识别与精准农业管理场景构建的高质量目标检测数据集，共包含3600张农田实景标注图像，覆盖农业生产过程中常见的12类虫害及田间生物目标。数据集采用标准目标检测标注方式，适配YOLO系列、Faster R-CNN、SSD、RT-DETR等主流目标检测模型，可直接用于模型训练、验证与测试，为智慧农业、病虫害智能监测、农作物健康管理等研究提供可靠的数据支撑。

数据来源于真实农田环境，涵盖不同作物类型、不同生长阶段以及多种天气和光照条件下的虫害样本，能够有效模拟农业生产中的复杂场景，提升模型在实际部署过程中的泛化能力与鲁棒性。

数据集下载链接

通过网盘分享的文件：
链接: https://pan.baidu.com/s/10EjHdU_CC_E1DOIqWNYPJA?pwd=rchr
提取码: rchr

数据集基本信息

• 数据集名称：12类农田常见虫害目标检测数据集
• 数据总量：3600张高质量标注图像
• 任务类型：目标检测（Object Detection）
• 类别数量：12类
• 标注方式：Bounding Box边界框标注
• 数据格式：YOLO标准格式
• 存储路径：database/12类农田常见虫害数据集
  

数据集目录结构

数据集按照深度学习训练标准进行划分：

database/ └── 12类农田常见虫害数据集 ├── train/ │ └── images/ ├── valid/ │ └── images/ └── test/ └── images/

其中：

• train/images：训练集，用于模型训练与特征学习；
• valid/images：验证集，用于训练过程中的性能验证与参数调优；
• test/images：测试集，用于评估模型泛化能力与检测效果。

科学的数据划分能够有效避免过拟合问题，提高模型评估结果的客观性和可靠性。

检测类别说明

本数据集共包含12类农田常见虫害及相关生物目标：

类别覆盖粮食作物、经济作物及果蔬种植过程中常见的害虫与田间生物，具有较高的农业应用价值。

数据集特点

1. 真实农田场景采集

所有图像均来源于真实农业生产环境，包括：

• 玉米种植区
• 番茄种植基地
• 果园场景
• 蔬菜种植区
• 大田作物区域

场景真实性强，贴近农业生产实际需求。

2. 丰富的环境变化

数据覆盖：

• 晴天、阴天等不同天气条件
• 自然光、弱光等不同光照环境
• 近距离与远距离拍摄
• 单目标与多目标混合场景
• 复杂背景与叶片遮挡情况

有效提高模型的环境适应能力。

3. 高精度人工标注

数据集采用人工精细化标注：

• 目标边界框精准贴合虫体轮廓
• 标注类别统一规范
• 无明显漏标、错标现象
• 多轮人工校验保证数据质量

能够有效提升模型训练效果。

4. 适配主流检测框架

支持：

• YOLOv5
• YOLOv8
• YOLOv10
• YOLOv11
• RT-DETR
• Faster R-CNN
• SSD
• MMDetection系列框架

开箱即用，降低数据预处理成本。

应用场景

智慧农业病虫害监测

实时识别农田虫害种类，实现病虫害自动监测与统计分析。

精准施药决策

结合检测结果进行精准防治，降低农药使用量，提高农业生产效率。

农业无人机巡检

集成于无人机视觉系统，实现大面积农田虫害自动巡查。

农作物健康管理

辅助农业管理人员掌握虫害发生情况，提前制定防控策略。

农业AI算法研究

用于虫害检测、小目标识别、轻量化模型设计及农业视觉研究。

数据集优势

• 3600张高质量农田实景图像
• 12类高频农田虫害目标
• 真实农业场景采集
• 高精度人工标注
• 复杂环境覆盖全面
• 标准YOLO格式
• 兼容主流目标检测框架
• 具备较高农业应用价值

总结

本12类农田常见虫害目标检测数据集聚焦农业病虫害智能识别需求，通过3600张真实农田场景图像构建了覆盖多种典型虫害的高质量训练资源。数据集兼具丰富场景、多类别覆盖、高精度标注和良好工程适用性，可广泛应用于智慧农业、病虫害预警系统、无人机巡检平台以及农业AI算法研究，为现代农业数字化、智能化发展提供坚实的数据基础。