樱桃叶部病害图像分类数据集

本数据集为樱桃叶部病害图像分类数据集，包含樱桃健康叶片与多种樱桃叶部病害叶片图像。 数据集旨在基于轻量化卷积神经网络 MobileNetV3 模型，利用深度学习技术自动提取叶片特征并输出分类标签与置信度，从而实现樱桃叶部病害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

本数据集用于樱桃叶部病害图像分类模型的训练与验证，包含樱桃健康叶片与多种樱桃叶部病害叶片图像。通过对叶片病害状态的图像采集与标注，可支持樱桃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：用于测试模型在樱桃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：为樱桃叶部病害的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樱桃病害图像数据，仅限科研与教学用途。
（2）数据结构：包含训练集与测试集，分为以下几类样本。
（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：适用于樱桃叶部病害图像识别、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

训练与验证曲线显示，模型在 5 个 epoch 后准确率超过 0.95，并趋近 1.0；损失值快速下降并稳定，训练与验证曲线基本重合，表明模型收敛快且无过拟合。数据增强与迁移学习有效提升了模型的泛化能力，确保其在田间应用中的稳定性与可靠性。

混淆矩阵热力图：

图4 混淆矩阵热力图

混淆矩阵显示模型对各类别的识别准确，主对角线接近 1.0，唯一的轻微混淆发生在轻度白粉病与严重白粉病之间（误差 0.01）。这表明模型在区分两者时存在挑战，可能是由于视觉差异较小。通过增加样本或调整特征提取层可进一步优化识别效果。

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

模型性能表现优异，准确率（Accuracy）达 1.00，所有类别（黑结病、褐腐病、健康叶片、轻度白粉病、严重白粉病）的 Precision、Recall 和 F1-score 均接近 1.00，表明识别准确。模型训练充分，特征提取效果好，类别差异明显，数据质量高；MobileNetV3 的轻量化结构保证了高效推理同时不降低识别精度，展现了其在樱桃叶部病害识别中的高效性与可靠性。