甜瓜白粉病图像分类数据集

本数据集为甜瓜白粉病图像分类数据集，包含甜瓜健康叶片与白粉病叶片图像。基于轻量化卷积神经网络 MobileNetV3 模型，利用深度学习自动提取叶片特征并输出分类标签与置信度，实现甜瓜白粉病的智能识别与快速分类。

数据集概览

数据图像：

图1 样本图像

数据类型：

表1 数据类型与格式

数据规模：
（1）数据集划分饼图

图2 数据集划分饼图

数据集类别

表3 类别定义

数据集来源

表4 数据集来源与说明

数据集用途

本数据集用于甜瓜白粉病图像分类模型的训练与验证，包含甜瓜健康叶片与白粉病叶片两类图像。通过对叶片病害状态的图像采集与标注，可支持甜瓜病害的自动识别与智能防控研究。
（1）模型训练：支持基于轻量化卷积神经网络（如 MobileNetV3、ResNet50、Swin Transformer）等深度学习模型进行叶片病害特征学习。
（2）性能评估：用于测试模型在甜瓜叶片分类任务中的准确率、召回率、F1 值等性能指标。
（3）特征分析：研究健康叶片与病变叶片在纹理、色彩及病斑形态等特征上的差异。
（4）系统开发：为甜瓜白粉病田间快速检测系统及智能农业监测平台提供数据支撑。

数据集须知

（1）数据来源：基于田间实拍与公开甜瓜病害图像数据，仅限科研与教学用途。
（2）数据结构：包含训练集与测试集，分为两类样本（Healthy、MelonPowderyMildew）。
（3）文件格式：图像文件为 .jpg 格式，按类别文件夹组织，文件命名与类别标签一一对应。
（4）使用要求：需遵守农业图像数据隐私与科研伦理规定，引用时须注明数据来源。
（5）适用范围：适用于甜瓜白粉病图像识别、分类、特征提取及智能病害防控研究。

数据集性能

训练与验证准确率和损失曲线：

图3 训练与验证准确率和损失曲线线

从训练与验证曲线可以看出，模型在前期迅速收敛，准确率稳定在99%以上，损失值持续下降且训练与验证趋势一致，说明MobileNetV3模型拟合良好、无明显过拟合，具有较强的泛化能力与稳定的识别性能。

混淆矩阵热力图：

图4 混淆矩阵热力图

从混淆矩阵热力图可以看出，模型在健康叶片和白粉病叶片两类上均实现了100%的正确分类，对角线区域颜色最深且数值为1.0，非对角线为0.0，说明MobileNetV3模型无误判与漏判，分类性能极佳、识别准确率达到完美水平。

各类的分类性能评估：准确率、精确率、召回率与F1分数图

图5 各类的分类性能评估：准确率、精确率、召回率与F1分数图

从模型评估指标图可以看出，MobileNetV3在甜瓜叶片分类任务中表现极为出色，整体准确率、精确率、召回率及F1值均达到1.00，说明模型在区分健康叶片与白粉病叶片时实现了完全正确的识别，没有出现误判或漏判，体现出极高的稳定性与泛化能力，分类性能达到最佳水平。