图像分类数据集：4种苹果叶片病害识别【包括划分好的数据、类别字典文件、python数据可视化脚本】下载

图像分类数据集：4种苹果叶片病害识别【包括划分好的数据、类别字典文件、python数据可视化脚本】

4种苹果叶片病害识别【包括划分好的数据、类别字典文件、python数据可视化脚本】 4类别：桧胶锈病、健康、黑腐病、斑点病 【数据集详情】训练集个数为2537，验证集个数为634，均标注好。 【json文件】4 种分类的字典文件 为了方便查看数据，提供了可视化py文件，随机传入4张图片即可展示，并且保存在当前目录。脚本无需更改，直接运行即可

苹果数据集（txt、xml格式）

文件夹中包含了带标注的苹果图片1600张左右，标注格式为txt、xml格式。

图像分类数据集：苹果叶病图像识别数据集（包括划分好的数据【文件夹保存】、类别字典文件）

图像分类数据集：苹果叶病图像识别数据集（包括划分好的数据【文件夹保存】、类别字典文件） 【分类个数：3】scrab、rust、healthy【具体查看json文件】 【数据集详情】data目录下分为3个目录，训练集、测试集。存放各自的同一类数据图片。训练集图片总数1350，测试集图片总数340。可以用作yolov5的分类数据集，和分类网络的数据集 如果想可视化数据集，可以运行资源中的show脚本。 CNN分类网络项目：https://blog.csdn.net/qq_44886601/category_12056269.html 基于yolov5的分类：https://blog.csdn.net/qq_44886601/article/details/137408637

plantVillage_PR：在Plant Village数据集上应用了低成本的多标签分类，以识别图像中的植物，然后使用CNN帮助获得最新技术有限的小规模农民识别植物病害（如果有）

plantVillage_PR 在植物村数据集上应用低成本的多标签分类，以识别图像中的植物，然后帮助使用最新技术无法获得最新技术的小规模农民使用CNN识别植物的病害（如果有）。

含完整训练流程的苹果叶病害识别项目：Python+TensorFlow实现，带数据集与部署示例

一套开箱即用的苹果叶片病害图像分类项目，基于Python和TensorFlow构建，支持常见病害如黑星病、褐斑病、锈病等的自动识别。项目包含清洗标注过的苹果叶病害数据集（按类别组织），已封装好的CNN模型训练脚本（支持迁移学习，可选ResNet50/VGG16），完整的训练-验证-测试流程，以及轻量级Flask后端（server.py）和简易前端界面（index.html + main.js）。提供inference.yml用于环境快速复现，README.md含详细操作步骤，LICENSE明确开源协议，demo.jpg展示预测效果。所有代码适配主流Python 3.8+环境，dataset目录结构清晰，inference目录含单图/批量推理脚本，backend和apps模块便于二次开发集成到农业监测系统中。