苹果的黑腐、雪松锈病、痂叶病数据集，每类160张图片左右，为单独页面紫色背景拍摄，共480张 苹果的黑腐、雪松锈病、痂叶病数据集，每类160张图片左右，为单独页面紫色背景拍摄，共480张 苹果的黑腐、雪松锈病、痂叶病数据集，每类160张图片左右，为单独页面紫色背景拍摄，共480张

苹果痂病、苹果腐病和叶斑病。大部分数据来自克什米尔山谷的果园，用于教育和研究目的。我们收集了大约419张受感染和健康叶子的图片。大多数数据收集是在5月、6月和7月期间进行的，这三个月是植物病害数量最多的月份。

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，

苹果叶片植物病理数据集（在天然环境下拍摄），原始数据集(植物病理学2020)苹果叶片疾病数据集(新植物疾病数据集)健康锈痂病。共6193张图片 苹果叶片植物病理数据集（在天然环境下拍摄），原始数据集(植物病理学2020)苹果叶片疾病数据集(新植物疾病数据集)健康锈痂病。共6193张图片

苹果叶子早期结痂病感染图像数据集，数据集包含525x525px的分类图像，保存在三个文件夹中“背景”、“健康”和“结疤”，以标识它们的类别。每类有700以上个图片 苹果叶子早期结痂病感染图像数据集，数据集包含525x525px的分类图像，保存在三个文件夹中“背景”、“健康”和“结疤”，以标识它们的类别。每类有700以上个图片

阿尔茨海默氏病（AD）是痴呆症的最常见形式，是一种无法治愈的神经系统疾病，会导致进行性精神恶化。 尽管对AD进行明确诊断很困难，但在实践中，AD诊断主要基于临床病史和神经心理学数据，包括磁资源成像（MRI）。 近年来，有关将机器学习应用于AD识别的研究越来越多。 本文介绍了我们对这一进展的最新贡献。 它描述了一种基于3D脑MRI深度学习的自动AD识别算法。 该算法使用卷积神经网络（CNN）来实现AD识别。 独特之处在于，大脑的三维拓扑在AD识别中被视为一个整体，从而可以进行准确的识别。 本研究中使用的CNN包括三组连续的处理层，两个完全连接的层和一个分类层。 在该结构中，三组中的每一个都由三层组成，包括卷积层，池化层和归一化层。 使用来自阿尔茨海默氏病神经成像计划的MRI数据对算法进行了训练和测试。 使用的数据包括约47位AD患者和34位正常对照的MRI扫描。 实验表明，该算法具有较高的AD识别精度，灵敏度为1，特异性为0.93。

内含数据集以及算法源码适合初学者和进阶者

咖啡叶表面疾病数据集，1700多个咖啡叶子的各种疾病的图片。具有注释和图像掩码以消除背景。 咖啡叶表面疾病数据集，1700多个咖啡叶子的各种疾病的图片。具有注释和图像掩码以消除背景。

豆叶病害数据集，2种疾病和1种健康的检测数据集，每种340张图片 豆叶病害数据集，2种疾病和1种健康的检测数据集，每种340张图片 豆叶病害数据集，2种疾病和1种健康的检测数据集，每种340张图片

柑橘类疾病图像分类数据集，包含柑橘溃疡病和黑斑病，每类1200张图片左右 柑橘类疾病图像分类数据集，包含柑橘溃疡病和黑斑病，每类1200张图片左右 柑橘类疾病图像分类数据集，包含柑橘溃疡病和黑斑病，每类1200张图片左右