IP102农作物害虫检测数据集 | 4400张YOLO智慧农业数据集适用于农田害虫识别、虫情测报与目标检测研究一、数据集概述本数据集为IP102农作物害虫检测数据集的5类精选子集共包含约4400张高质量标注图像聚焦水稻、豆类等主要作物上的常见害虫类别界定清晰、样本质量较高。IP102是农业害虫识别领域规模最大、影响最广的公开数据集之一原始版本涵盖上百种农作物害虫。本数据集可广泛应用于智慧农业、精准植保、病虫害测报、农技服务、农业物联网等场景适用于YOLOv5/v7/v8/v10/v11/v12等主流检测框架。随着智慧农业和精准植保的快速发展利用计算机视觉技术实现农作物害虫的自动检测与种类识别已成为提升病虫害防控效率、降低农药使用量的重要手段。本数据集针对农田害虫检测场景中虫体与背景颜色接近、姿态多样、存在遮挡等问题进行专项构建可为害虫智能识别系统与虫情测报设备提供高质量数据支撑。数据集下载通过网盘分享的文件农作物害虫检测数据集-5类链接: https://pan.baidu.com/s/1s8ci-DjHg0nf4cWMvA1SfA?pwdnv6w提取码: nv6w二、数据集基本信息项目内容数据集名称IP102农作物害虫检测数据集5类子集数据规模约4400张高质量标注图像任务类型目标检测Object Detection检测目标5类农作物害虫类别数量nc5类标注方式Bounding Box目标框标注数据格式YOLO标准格式数据来源IP102公开数据集农业害虫识别数据划分Train / Valid / Test适配模型YOLOv5、YOLOv7、YOLOv8、YOLOv10、YOLOv11、YOLOv12、Faster R-CNN等三、数据集类别说明本数据集为多类别目标检测数据集共设置5个检测类别聚焦水稻、豆类等主要作物上的常见害虫类别界定清晰样本质量较高适合作为害虫检测模型的训练与评测基准。类别配置nc:5names:-bay_leaf-legume_blister_beetle-lytta_polita-rice_leaf_roller-tarnished_plant_bug类别详情类别ID类别名称英文名称主要危害作物类别说明0月桂叶bay leaf多种作物月桂叶害虫可危害多种经济作物1豆芫菁legume_blister_beetle豆类作物豆类作物的重要害虫成虫取食叶片2光亮芫菁lytta_polita多种作物芫菁科害虫取食多种作物叶片3稻纵卷叶螟rice_leaf_roller水稻水稻重要害虫幼虫卷叶取食影响光合作用4牧草盲蝽tarnished_plant_bug牧草、经济作物多食性害虫危害牧草、棉花、果树等五类设计聚焦水稻稻纵卷叶螟和豆类豆芫菁等主要作物的代表性害虫同时覆盖多食性害虫牧草盲蝽、月桂叶害虫等类别覆盖面合理适合作为多类别害虫检测模型的训练与评测基准。四、数据集结构说明数据集采用标准YOLO目录结构组织已按训练集、验证集、测试集进行科学划分结构清晰便于直接接入主流检测框架。IP102农作物害虫检测数据集-5类/ ├── train │ ├── images │ └── labels ├── valid │ ├── images │ └── labels ├── test │ ├── images │ └── labels └── data.yaml各数据集作用如下train/images labels训练集图像与标签用于模型参数学习与特征提取valid/images labels验证集图像与标签用于超参数调优、早停监控及防止过拟合test/images labels测试集图像与标签用于最终模型性能评估与泛化能力测试。标注文件为同名.txt格式每行格式为类别索引 x_center y_center width height坐标均为归一化值配套data.yaml已配置好类别名称与数量可直接适配YOLO系列等目标检测框架。五、数据集核心优势1. 基于IP102权威数据源本数据集源自IP102——农业害虫识别领域规模最大、影响最广的公开数据集之一。原始版本涵盖上百种农作物害虫经过多年积累与持续完善已成为农业害虫识别领域的基准数据集。本子集继承IP102的高质量标准为算法研究与模型训练提供权威的数据基础。2. 聚焦主要作物关键害虫五类害虫聚焦农业生产的核心问题水稻害虫稻纵卷叶螟——水稻重要害虫分布广泛、危害严重豆类害虫豆芫菁——豆类作物的重要害虫多食性害虫牧草盲蝽、月桂叶害虫、光亮芫菁——危害多种经济作物覆盖水稻、豆类及经济作物的主要害虫类型与农业生产实际紧密相关。3. 贴近真实农田环境图像取自真实农田环境具有以下特点背景复杂作物叶片、茎秆与土壤构成的自然背景虫体伪装虫体常与背景颜色接近增加检测难度姿态多样不同角度、不同活动状态下的虫体形态遮挡情况叶片遮挡、虫体重叠等真实场景与田间虫情测报实际场景高度一致具有较强的实际应用代表性。4. 高质量的样本分布约4400张高质量图像各类别样本分布相对均衡适合多类别检测模型训练避免严重类别不平衡问题有效保障模型对各类害虫的识别能力。5. 即用型数据组织标准目录结构精简data.yaml配置无需复杂预处理下载即可直接用于模型训练降低使用门槛。6. 广泛的应用支撑本数据集可支撑从算法研究到实际部署的完整链条模型训练与评测基准农业害虫识别算法开发虫情测报系统构建智能植保设备研发六、适用场景农田害虫种类自动识别与虫情测报自动识别田间害虫种类与数量为病虫害测报提供客观数据支撑实现虫情的自动化监测。精准植保与农药减施决策基于害虫种类识别结果指导精准施药方案制定实现减量增效的绿色植保目标。虫情测报灯图像自动分析集成于虫情测报灯系统自动分析诱捕图像中的害虫种类与数量实现智能化虫情监测。农技服务与农户识虫应用为农技服务App、小程序等提供害虫自动识别能力帮助农户快速了解田间虫害情况。农业物联网与智慧种植作为农业物联网系统的智能感知模块实现田间害虫的自动监测与数据化管理。教学科研用于细粒度目标检测与农业视觉算法研究等科研场景。七、适用研究方向本数据集可广泛应用于以下研究领域农业害虫检测与识别研究细粒度目标检测研究农田复杂环境目标检测研究虫体与背景颜色相近多类别目标检测研究5类智慧农业与精准植保研究YOLO系列模型优化研究轻量化检测模型与边缘部署研究域适应与跨地区泛化研究虫情测报自动化研究八、总结IP102农作物害虫检测数据集5类子集包含约4400张高质量标注图像采用标准YOLO格式构建专注于农作物害虫的检测与种类识别任务。数据集覆盖月桂叶、豆芫菁、光亮芫菁、稻纵卷叶螟、牧草盲蝽5类主要作物害虫基于IP102权威数据源具有类别界定清晰、背景真实、样本分布均衡等特点可广泛应用于农田害虫自动识别、虫情测报、精准植保、农技服务等领域是开展农业害虫视觉检测算法研发与智慧植保系统建设的优质数据资源。