作物病虫害识别数据集下载指南：PlantVillage、IP102 来源与许可证

一、先区分清楚你需要的是“病害”还是“虫害”这两者常被合在一起称呼但实际上是两套完全不同的数据集选错方向会浪费大量时间。病害指叶片上的斑点、霉斑、枯黄等症状。经典数据集是PlantVillage官方仓库https://github.com/spMohanty/PlantVillage-Dataset收录 5 万多张实验室拍摄的单片叶子照片覆盖苹果、葡萄、番茄等作物。该数据集免费直接下载无需注册。需要注意的是它是在干净背景下拍摄的单片叶子迁移到大田场景使用时效果会下降——模型在数据集上可达 95% 的准确率落到实际田间可能降至 70% 左右。虫害指蚜虫、螟虫等害虫本身。绕不开的是IP102https://github.com/xpwu95/IP102共 7.5 万张图、102 类害虫其中 1.9 万张带标注框可用于检测任务。同样免费直接下载。不建议使用第三方拼合的“病虫害合集”它们并非官方权威来源。先明确需求是“病”还是“虫”再到对应来源查找可以节省大量时间。数据集筛选决策流程图为了更直观地展示如何根据任务类型和场景筛选数据集可以参考以下决策路径分类检测分割实验室田间开始筛选数据集任务类型是什么场景是什么选择 IP102实验室虫害检测选择 PlantSeg田间病害分割选择 PlantVillage实验室病害分类选择 Cassava田间病害分类完成筛选流程图说明从任务类型开始首先确定你的任务是分类、检测还是分割。检测任务直接选择IP102实验室虫害检测。分割任务直接选择PlantSeg田间病害分割。分类任务进一步按场景选择实验室场景→ 选择PlantVillage实验室病害分类田间场景→ 选择Cassava田间病害分类此流程图基于后文表格中的四个核心数据集PlantVillage、IP102、Cassava、PlantSeg构建涵盖了主要的任务类型和场景组合。核心数据集横向对比为了方便快速了解四个核心数据集的关键信息下表整理了它们的主要特征数据集名称类型场景图片数量任务类型许可证下载难度备注PlantVillage病害实验室54,305张分类CC BY 3.0以官方 LICENSE 为准⭐️ 简单免费直接下载无需注册干净背景单片叶子迁移到田间场景效果会下降IP102虫害实验室75,000张其中19,000张带标注框检测未明确说明需查看官方仓库⭐️ 简单免费直接下载102类害虫包含检测标注框Cassava病害田间21,397张分类受Kaggle竞赛规则约束⭐⭐ 中等需注册Kaggle账号并接受规则乌干达农民手机田间拍摄包含真实干扰PlantSeg病害田间未明确说明分割CC BY-NC 4.0禁止商用⭐⭐ 中等需访问Zenodo田间拍摄专门用于分割任务注AI Challenger 2018 农作物病害集61 类、4.7 万张因原官网已停止运行未列入对比表。建议优先使用飞桨或天池上的同类替代数据集。如何根据表格快速筛选数据集按任务类型筛选分类任务选择 PlantVillage 或 Cassava检测任务选择 IP102包含标注框分割任务选择 PlantSeg按场景筛选实验室场景干净背景选择 PlantVillage 或 IP102田间场景真实环境选择 Cassava 或 PlantSeg组合筛选示例需要田间病害分类→ 选择Cassava需要实验室虫害检测→ 选择IP102需要田间病害分割→ 选择PlantSeg需要实验室病害分类→ 选择PlantVillage结合下载难度列可以快速判断获取成本⭐️ 简单表示可直接下载⭐⭐ 中等表示需要注册或接受平台规则。二、知道去哪找更要会挑可靠的下载入口有多个按需选用即可。国内网络访问友好飞桨 AI Studio 与阿里云天池飞桨 AI Studiohttps://aistudio.baidu.com/datasetoverview国内可直接下载无需翻墙。搜索“病虫害”即可找到 PlantVillage 镜像、农业病虫害识别、小麦病害等数据集。需注册百度账号免费使用。阿里云天池https://tianyi.aliyun.com/可搜索水稻病害7000 张或 102 类害虫2 万张 YOLO 格式数据集。需阿里云账号免费使用。面向真实场景不要只用实验室数据集若目标是做出可实际落地的模型应优先选择“田间实拍”的数据集。例如 Kaggle 上的Cassava 木薯叶病害https://www.kaggle.com/competitions/cassava-leaf-disease-classification其中 2 万多张由乌干达农民用手机在田间拍摄包含杂草、复杂光线等真实干扰模型迁移到实际场景时性能损失更小。下载需注册 Kaggle 账号并接受竞赛规则。此外Zenodo 上的PlantSeg 分割集https://zenodo.org/records/14051480也是田间拍摄。需特别注意该数据集采用 CC BY-NC 4.0 许可禁止商用。若用于商业项目看到“NC”即应避开。提醒已失效的数据集不必强求AI Challenger 2018 农作物病害集61 类、4.7 万张在国内曾广为使用。但原官网已停止运行目前网络上仅存第三方转存的百度网盘链接https://github.com/spytensor/plants_disease_detection提取码iksk。此类链接随时可能失效完整性也无保证。与其依赖该来源不如直接使用飞桨或天池上的同类数据集更为稳妥。三、许可证必须逐一核对避免版权风险许可证是最容易出问题的环节。几个典型情况PlantVillage多标注为 CC BY 3.0署名即可但应以官方仓库的 LICENSE 为准。Zenodo 上的 PlantSegCC BY-NC 4.0不可商用违反可能面临侵权追责。Kaggle 上的 Cassava受竞赛规则约束需确认是否允许商用。用于商业项目前必须逐个核对官方页面的 LICENSE不要依据镜像站的标注。此外二手资料中的数字也不应直接照搬例如 PlantVillage 有标 54305 的、有标 54306 的应以官方一手信息为准。四、如果来源过于分散希望省力上述来源分布在多个平台“病”与“虫”两类、“实验室”与“田间”两种许可证也各不相同。逐个查找、逐个判断是否可下载、是否可商用确实费时费力。如果你不想自己逐个平台核验可以考虑使用数据聚合平台或学术搜索引擎一次性查找多个来源。但请注意无论使用何种工具最终都需要亲自核对每个数据集的官方页面确认其实际可得性、下载方式以及许可证条款。说明本文为公开资料整理仅供参考平台政策、价格、下载方式与链接随时可能变化本文不保证持续更新请以各官方页面最新信息为准。说明本文为公开资料整理仅供参考平台政策、价格、下载方式与链接随时可能变化本文不保证持续更新请以各官方页面最新信息为准。五、下一步模型训练与评估建议选定数据集后下一步是选择合适的模型进行训练与评估。针对上文提到的三个核心数据集以下是一些基线模型与关键评估指标的建议并特别提醒注意过拟合问题。1. PlantVillage病害分类推荐基线模型ResNet系列如 ResNet-50, ResNet-101是图像分类任务的经典选择在 PlantVillage 上被广泛用作基线。其残差结构能有效训练深层网络快速收敛。对于追求轻量化的场景可考虑EfficientNet或MobileNet。关键评估指标准确率 (Accuracy)最直观的指标反映模型整体分类正确率。宏平均 F1 分数 (Macro-F1)当各类别样本数量不均衡时此指标比准确率更能反映模型对少数类的识别能力。注意过拟合PlantVillage 是实验室环境下拍摄的干净背景图片模型极易在训练集上达到很高准确率如 95%但在真实田间场景如 Cassava 数据集上测试时性能可能大幅下降。务必使用数据增强随机裁剪、旋转、色彩抖动和早停法 (Early Stopping)并在独立的验证集上监控性能。2. IP102虫害检测推荐基线模型YOLO系列如 YOLOv5, YOLOv8或Faster R-CNN。YOLO 系列在速度和精度上取得了较好平衡适合实时检测需求Faster R-CNN 作为两阶段检测器的代表通常能获得更高的定位精度。关键评估指标平均精度均值 (mAP)目标检测的核心指标综合了不同 IoU交并比阈值和置信度阈值下的精度常用 mAP0.5 或 mAP0.5:0.95。每类平均精度 (AP per class)IP102 包含 102 类害虫各类别数量差异大查看每类的 AP 有助于发现模型对稀有类别的识别短板。注意过拟合IP102 数据量较大但类别极多102类存在严重的长尾分布问题少数类别样本极少。建议采用类别平衡采样、焦点损失 (Focal Loss)或迁移学习在 COCO 等大型检测数据集上预训练来缓解过拟合到头部类别的问题。3. Cassava田间病害分类推荐基线模型同样推荐ResNet或EfficientNet系列。由于 Cassava 是田间拍摄背景复杂Vision Transformer (ViT)或Swin Transformer等基于注意力机制的模型可能捕捉更全局的上下文信息表现更优但需要更多计算资源。关键评估指标准确率 (Accuracy)。Cohen‘s Kappa 系数该指标考虑了随机分类的准确性对于类别不平衡的数据集如 Cassava能更稳健地评估模型性能在 Kaggle 该竞赛中曾被用作官方评估指标。注意过拟合Cassava 数据量相对较小约 2.1 万张且包含真实环境干扰。过拟合表现为在训练集上表现良好但在测试集或新采集的田间图片上表现差。除了常规的数据增强和早停法强烈建议使用k 折交叉验证来更可靠地评估模型泛化能力并考虑使用集成学习如多个模型的预测结果取平均来提升稳定性。通用建议划分数据集始终将数据划分为训练集、验证集和测试集例如 70%/15%/15%。测试集仅在最终评估时使用一次。监控训练过程绘制训练和验证集的损失 (Loss)与准确率曲线。若验证集指标早于训练集指标开始下降则是过拟合的明显信号。利用预训练权重几乎所有上述模型都在 ImageNet 等大型数据集上有预训练权重。使用它们进行迁移学习可以加速收敛并提升最终性能。选择模型时应从项目对精度、速度和计算资源的需求出发进行权衡。建议先从上述基线模型开始快速验证数据 pipeline 和模型可行性再逐步尝试更复杂的架构或优化策略。参考资料数据集PlantVillage官方仓库https://github.com/spMohanty/PlantVillage-Dataset论文Mohanty, S. P., Hughes, D. P., Salathé, M. (2016). Using deep learning for image-based plant disease detection. Frontiers in Plant Science, 7, 1419. https://doi.org/10.3389/fpls.2016.01419IP102官方仓库https://github.com/xpwu95/IP102论文Wu, X., Zhan, C., Lai, Y. K., Cheng, M. M., Yang, J. (2019). IP102: A large-scale benchmark dataset for insect pest recognition. InProceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition(pp. 8787-8796). https://openaccess.thecvf.com/content_CVPR_2019/html/Wu_IP102_A_Large-Scale_Benchmark_Dataset_for_Insect_Pest_Recognition_CVPR_2019_paper.htmlCassava Leaf Disease ClassificationKaggle 竞赛页面https://www.kaggle.com/competitions/cassava-leaf-disease-classification数据集下载https://www.kaggle.com/competitions/cassava-leaf-disease-classification/data相关论文Ramcharan, A., Baranowski, K., McCloskey, P., Ahmed, B., Legg, J., Hughes, D. P. (2017). Deep learning for image-based cassava disease detection. Frontiers in Plant Science, 8, 1852. https://doi.org/10.3389/fpls.2017.01852PlantSegZenodo 记录https://zenodo.org/records/14051480许可证CC BY-NC 4.0非商业使用AI Challenger 2018 农作物病害数据集原官网已停止运行原地址https://challenger.ai/competition/pdr2018第三方转存仓库https://github.com/spytensor/plants_disease_detection相关论文Tian, Y., Yang, G., Wang, Z., Wang, H., Li, E., Liang, Z. (2019). Apple detection during different growth stages in orchards using the improved YOLO-V3 model. Computers and Electronics in Agriculture, 157, 417-426. https://doi.org/10.1016/j.compag.2019.01.012平台飞桨 AI Studio官方主页https://aistudio.baidu.com数据集总览https://aistudio.baidu.com/datasetoverview文档中心https://ai.baidu.com/ai-doc阿里云天池官方主页https://tianyi.aliyun.com数据集平台https://tianchi.aliyun.com/dataset开发者文档https://help.aliyun.com/zh/tianchiKaggle官方主页https://www.kaggle.com数据集页面https://www.kaggle.com/datasets竞赛页面https://www.kaggle.com/competitionsZenodo官方主页https://zenodo.org搜索页面https://zenodo.org/search关于 Zenodohttps://about.zenodo.org其他相关资源CC BY 3.0 许可证https://creativecommons.org/licenses/by/3.0/CC BY-NC 4.0 许可证https://creativecommons.org/licenses/by-nc/4.0/GitHub 使用指南https://docs.github.com学术搜索引擎Google Scholar (https://scholar.google.com)、arXiv (https://arxiv.org)注链接有效性可能随时间变化建议访问时确认是否为最新版本。