苹果叶片病害判断数据集，苹果园内实景拍摄叶片，共18602张图片，数据包含苹果树树叶的图像，这些树叶有疾病分为和没有疾病， 苹果叶片病害判断数据集，苹果园内实景拍摄叶片，共18602张图片，数据包含苹果树树叶的图像，这些树叶有疾病分为和没有疾病，

花生叶片病害检测数据集，该数据集包含图像及其标签xml文件，共335张花生叶片图像。 花生叶片病害检测数据集，该数据集包含图像及其标签xml文件，共335张花生叶片图像。 花生叶片病害检测数据集，该数据集包含图像及其标签xml文件，共335张花生叶片图像。

常见10类水果作物叶片病害数据集，该数据集包含256x256张彩色图像，使用Keras图像增强技术随机改变其原始属性以创建更多已有的图像，每类水果作物4-5种疾病，每种疾病100-500张图片不等

我国作为世界上最大的葡萄生产国和消费国,葡萄产业已经成为很多地方脱贫致富的支柱产业,但是葡萄病害影响葡萄品质和果实产量,因此快速而精准地识别葡萄病害类型及病害程度是增产增收的重要保障。数据集收集自plant_village，在其基础上用voc格式进行标注，葡萄叶片病害数据集，可用于目标检测，使用数据增强技术完成对搜集的病害样本图片进行扩充,建立了葡萄病害叶片的数据集。传统的依靠人工进行病害识别、诊断并进行决策的生产方式效率低下且劳动成本高昂,迫切需要实现病害的智能化诊断。作为信息技术的核心之一,人工智能技术为实现农业信息化和智能化提供了重要支撑,随着深度学习技术的快速发展,农业领域中的农作物病虫害识别、检测、分割与计数等研究均取得了一定的进展,对实现病虫害的精准防治、减少经济损失及生物育种等具有重要意义。

植物叶片病害数据集 含4500多张

Bacterial leaf blight Brown spot Leaf smut 里面包含这三种水稻病害叶片白底图，可以添加数据量

神经网络图像识别——水稻叶片病害分类.zip

黑斑病171张，溃疡病163张，黄龙病204张，健康58张。数据集扩增（1张变多张），在博客资源里配套有。

葡萄叶片病害分类图像数据集（四类）

开发环境：Python3.6.5、keras2.2.4、tensorflow1.12、django等 系统应用：本部分在训练完植物叶片病害识别的模型参数后，将植物叶片病害识别的模型部署到Web中，前端负责获取用户在页面上传的图像并预处理，再向服务器发出AJAX请求，请求内容为待识别的图像。服务器端程序生成TF会话并加载训练好的模型，调用相应的视图函数将请求数据送入TF会话中计算，最后将识别结果异步回传到前端。