摘要38类植物叶片病害图像数据集是一套面向植物病害识别与智慧农业研究的公开图像数据集涵盖番茄、苹果、玉米、葡萄、马铃薯、桃、草莓、甜椒等14种常见农作物共设置38个健康与病害类别其中包括14个健康类别和24个病害类别。数据集概述38类植物叶片病害图像数据集是一套面向植物病害识别与智慧农业研究的公开图像数据集涵盖番茄、苹果、玉米、葡萄、马铃薯、桃、草莓、甜椒等14种常见农作物共设置38个健康与病害类别其中包括14个健康类别和24个病害类别。数据集共包含约61,486张植物叶片图像图像主体清晰、病斑特征明显能够较好地反映不同植物在健康状态以及细菌、真菌、病毒和虫害等影响下的典型外观特征可为植物病害智能识别、图像分类及深度学习模型训练提供较为丰富的数据基础。数据结构与关键特征该数据集按照“植物种类—健康或病害状态”的方式进行类别划分共包含38个独立类别原始图像主要采用JPG格式分辨率约为256×256像素每个类别包含数百至数千张样本整体类别分布相对均衡。数据主要在较为规范的采集环境下获得叶片通常采用正面或近似垂直角度拍摄背景较为简单光照条件较稳定因此叶片轮廓、颜色变化、斑点、霉斑、枯萎和坏死区域等视觉特征较为突出。实际模型训练过程中可进一步采用随机翻转、旋转、缩放裁剪和颜色扰动等数据增强方式并通过尺寸统一、Tensor转换和像素归一化等预处理操作提高模型的泛化能力和训练稳定性。应用价值与研究方向38类植物叶片病害数据集可用于植物病害自动识别、健康状态分类、病斑检测与病害程度评估等研究并支持迁移学习、轻量化模型和智能诊断系统的开发。结合移动端、农业机器人、无人机遥感和边缘计算等技术可进一步提升模型在真实田间复杂环境中的应用能力为病害监测、精准施药和智慧农业管理提供技术支持。数据集来源由张家梁(Bob)整理并于2026年在7zcode平台公开发布。数据集信息免责声明与引用数据仅用于科研与教学用途。若用于商业场景请自行核验数据许可。如需引用请在论文或报告中注明数据集名称与版本号。作者信息作者Bob (张家梁)项目编号AI-39-P-Dataset文件大小890M原创声明本数据集为整理作品