各位CVer同仁，大家好！我是CV探长。本期为大家带来的数据集是 《农作物病虫害目标检测数据集》。在信息爆炸的数字化时代，数据早已突破资源属性的边界，跃升为驱动农业智能检测领域创新发展的核心引擎。而对于计算机视觉领域而言，算法模型的性能上限，从根本上取决于训练数据的质量高度。面向农作物病虫害目标检测这一垂直赛道，《臻享数据集》合集始终以高标准、高要求深耕数据建设，致力于沉淀多维度标注、广作物品类覆盖、高精度病灶校验的优质数据资源，全面囊括大田作物、设施果蔬、经济林木等多场景下的常见病虫害类型与典型发病特征。本数据集将为农作物病虫害智能识别、早期预警、精准防治等相关方向的算法研发、学术研究与工程应用，筑牢坚实可靠的基础数据支撑。

近近年来，人工智能在农业智能检测领域的应用普及度飙升，带动了农作物病虫害目标检测专用数据集的需求爆发。随着政策对智慧农业发展的大力推进、行业端种植场景（大田作物/设施果蔬/经济林木等）的持续拓展，农作物病虫害智能检测市场热度不减，对应的数据集需求也同步走高。不同农作物病虫害目标检测数据集的核心区别，在于作物与病害适配性——比如大田作物数据集侧重小麦条锈病、玉米螟等常见病虫害标注，设施果蔬数据集聚焦番茄晚疫病、黄瓜霜霉病等高频病害识别，经济林木数据集则关注果树溃疡病、蚜虫虫害等典型病灶特征。

农作物病虫害目标检测数据集不仅决定了算法模型的识别精度，更直接影响病虫害防治的时效性与精准度。检测设备作业后，会在不同种植环境（露天/温室/大棚）、不同生育期（苗期/成株期/采收期）、不同病害阶段（初发期/盛发期/衰退期）下积累海量影像数据，这些数据是训练模型“看懂”病虫害特征的关键素材。通过AI解决病虫害检测中的目标定位、病种分类、病情分级等问题，借助迁移学习、小样本学习适配不同作物与病害的差异，实现更高效的病虫害早期预警与精准防治。因此本文整理了一份超全面的农作物病虫害目标检测数据集清单，如下所示共包含30+病虫害检测数据集，助力AI+农作物病虫害防治的落地与优化。

1.水稻叶片病虫害目标检测YOLO数据集
2.南瓜叶片病害目标检测YOLO数据集
3.棉花叶片虫害目标检测YOLO数据集
4.茶叶病害目标检测YOLO数据集
5.小麦叶片病害目标检测YOLO数据集
6.大棚番茄病害目标检测YOLO数据集
7.黄瓜病害目标检测YOLO数据集
8.草莓病虫害目标检测YOLO数据集
9.梨叶片病害目标检测YOLO数据集
10.玉米叶片病害目标检测 OLO数据集
11.枸杞病虫害目标检测YOLO数据集
12.粮虫目标检测YOLO数据集
13.果树病害目标检测YOLO数据集
14.棉花棉铃目标检测YOLO数据集
15.大豆叶片病虫害目标检测YOLO数据集
16.辣椒叶片病虫害目标检测YOLO数据集
17.草莓病害目标检测YOLO数据集
18.桑叶病害目标检测YOLO数据集
19.金桔成熟度目标检测YOLO数据集
20.猕猴桃目标检测YOLO数据集
21.油茶果目标检测YOLO数据集
22.桃子成熟度目标检测YOLO数据集
23.棉花幼苗目标检测YOLO数据集
24.苜蓿杂草目标检测 YOLO 数据集
25.无人机苜蓿花目标检测YOLO数据集
26.花椰菜病害目标检测YOLO数据集
27.萝卜叶病虫害目标检测YOLO数据集
28.辣椒叶病虫害目标检测YOLO数据集
29.花生叶片病害目标检测YOLO数据集
30.西红柿串目标检测YOLO数据集
31.苹果目标检测YOLO数据集
32.玉米杂草目标检测YOLO数据集