sybase公司powerbuilder开发组混日字的不少啊,否则怎么会经常崩溃?

柠檬叶病害数据集，柠檬树叶疾病图片数据集，可以用于图像识别，目标检测等，包含健康的和患病的柠檬叶片（总图像数：1354张，9种类别）

檬叶病害数据集（LLDD）是一个高质量的图像数据集，专为训练和评估用于柠檬叶病害分类的机器学习模型而设计。该数据集包含健康和患病柠檬叶片的图像，适用于植物病害检测、图像分类以及农业中的深度学习应用。 数据集概述： 类别：健康的和患病的柠檬叶片 总图像数：1354张 图像分辨率：高质量图像 格式：JPG 柠檬叶病害数据集（LLDD）包含了以下几种疾病类别： 炭疽病 (Anthracnose) - 100张图像 细菌性枯萎病 (Bacterial Blight) - 105张图像 柑橘溃疡病 (Citrus Canker) - 178张图像 卷曲病毒 (Curl Virus) - 115张图像 缺素症 (Deficiency Leaf) - 193张图像 干叶 (Dry Leaf) - 186张图像 健康叶片 (Healthy Leaf) - 210张图像 煤污病 (Sooty Mould) - 153张图像 红蜘蛛螨 (Spider Mites) - 114张图像

柠檬叶病害目标检测数据集_20251121_220727.zip

柠檬叶病害目标检测数据集 一、基础信息 • 数据集名称：柠檬叶病害目标检测数据集 • 图片数量： 训练集：720张图片 验证集：180张图片 总计：900张图片 • 训练集：720张图片 • 验证集：180张图片 • 总计：900张图片 • 分类类别： Anthracnose（炭疽病） Bacterial Blight（细菌性枯萎病） Citrus Canker（柑橘溃疡病） Curl Virus（卷叶病毒） Deficiency Leaf（缺素症） Dry Leaf（干叶病） Healthy Leaf（健康叶） Sooty Mould（烟霉病） Spider Mites（红蜘蛛） • Anthracnose（炭疽病） • Bacterial Blight（细菌性枯萎病） • Citrus Canker（柑橘溃疡病） • Curl Virus（卷叶病毒） • Deficiency Leaf（缺素症） • Dry Leaf（干叶病） • Healthy Leaf（健康叶） • Sooty Mould（烟霉病） • Spider Mites（红蜘蛛） • 标注格式：YOLO格式，包含边界框和类别标签，适用于目标检测任务。 二、适用场景 • 农业病害智能诊断系统开发：帮助构建自动识别柠檬叶病害的AI模型，辅助农民快速诊断和处理，提升作物管理效率。 • 智能农业应用研发：集成至农业监测平台，提供实时病害识别功能，优化种植决策和病虫害防治。 • 学术研究与创新：支持植物病理学与人工智能交叉领域研究，推动农业科技论文发表和技术突破。 • 农业教育与培训：用于农业院校或培训机构，作为学习病害分类和识别的重要教学资源。 三、数据集优势 • 精准标注与多样性：每张图片经过专业标注，确保病害分类准确，边界框定位精确。包含9个常见柠檬叶病害类别，覆盖健康与多种疾病状态，具有高度代表性。 • 任务适配性强：标注兼容主流深度学习框架（如YOLO等），可直接用于目标检测任务，并支持扩展到分类等计算机视觉应用。 • 农业应用价值突出：专注于柠檬叶病害的检测，有助于早期发现和防治，减少作物损失，提升农业生产效益。

常见水果蔬菜数据集36类果蔬识别分类数据集3600张.zip

常见水果蔬菜数据集36类果蔬识别分类数据集3600张.zip 该数据集包含以下食品的图像： 水果 - 香蕉、苹果、梨、葡萄、橙子、猕猴桃、西瓜、石榴、菠萝、芒果。 蔬菜 - 黄瓜、胡萝卜、辣椒、洋葱、马铃薯、柠檬、番茄、萝卜、甜菜根、卷心菜、生菜、菠菜、大豆、花椰菜、甜椒、辣椒、萝卜、玉米、甜玉米、红薯、辣椒粉、生姜、大蒜、豌豆、茄子。 该数据集包含三个文件夹： 训练（每个 100 张图像） 测试（每个 10 张图像） 验证（每张 10 张图片） 上述每个文件夹都包含不同水果和蔬菜的子文件夹，其中存在相应食品的图像

柠檬质量分类数据集（Lemon Quality）

可以用于区分好柠檬和坏柠檬的数据集，其中包含好柠檬、坏柠檬、拍照背景图片，可以用于区分柠檬好坏

柠檬质量识别图像数据集

柠檬质量识别图像数据集，柠檬质量数据集超过2533个，300x300图像 柠檬质量识别图像数据集，柠檬质量数据集超过2533个，300x300图像 柠檬质量识别图像数据集，柠檬质量数据集超过2533个，300x300图像