简介面向水稻叶病虫害识别与分类项目的开发者这份资料包提供真实场景下的高质量水稻叶片图像分类数据集涵盖细菌性叶枯病、褐斑病、健康叶片、叶瘟病、叶鞘腐病、窄褐斑病、穗颈瘟、稻飞虱、纹枯病、钨黄病毒病等10个类别图片按分类文件夹整理标注质量高可直接用于YOLO11cls等图像分类模型的训练。配套YOLO11cls一键训练脚本及博主训练结果日志便于快速复现和调参也可作为通用分类数据集的补充场景数据。压缩包整体2.32MB仅含1个PDF文件内附数据集基本情况介绍、类别图示与百度网盘获取方式资源虽为PDF形式但核心交付物为网盘内约15000张图片的完整数据集。已有318人学习浏览适合需要开展水稻病虫害分类研究或落地农业视觉项目的算法工程师与学生参考使用。1. 水稻叶病虫害分类15000张图 YOLO11cls 一键训练这套资源能省多少事做水稻叶病虫害分类项目最头疼的往往不是模型而是数据和训练链路。网上散图一堆但类别对不上、没整理好训练脚本也得自己写前后折腾好几天。这份水稻叶病虫害分类数据集把 15000 张真实场景图按 10 个类别分好文件夹还带一个 YOLO11cls 一键训练脚本我拆完之后觉得它特别适合两类人一类是想快速验证分类算法、跑通 baseline 的从业者另一类是把通用分类项目扩展出农业场景的开发者。文件夹即标签脚本一跑就出结果省掉的正是从数据到模型的中间环节。这到底靠不靠谱下面我把它拆开看。2. 数据集的底细十个类别、文件夹标注和真实场景图先搞懂再动手2.1 十个类别分别是什么为什么用文件夹当标签这份数据集覆盖了水稻叶片上常见的十类情况包括 9 种病害/虫害和 1 个健康类别。我先把类别清单按英文名整理出来方便后面对应训练脚本里的标签英文类别名中文含义典型症状bacterial_leaf_blight细菌性叶枯病叶片呈条状枯白边缘水渍状brown_spot褐斑病褐色近圆形病斑后期中心灰白leaf_blast叶瘟病梭形病斑边缘褐色中央灰白leaf_scald叶鞘腐病叶片中段大面积枯白像被烫过narrow_brown_spot窄褐斑病细长褐色条斑沿叶脉分布neck_blast穗颈瘟穗颈节变褐枯死严重时白穗rice_hispa稻飞虱Hispa幼虫潜叶形成白色纵条成虫啃食叶肉sheath_blight纹枯病叶鞘上出现云纹状病斑tungro钨黄病毒病叶片黄化、矮缩常伴随橙叶症状healthy健康叶片无肉眼可见病斑用文件夹来区分类别是图像分类任务里最直接的标注方式。YOLO11cls 这类分类模型在训练时会把数据集根目录下的每个子文件夹名当做一个类别标签图片文件名本身不重要。相比检测任务需要坐标框、实例分割任务需要多边形掩膜分类任务只需要把图片归类、按文件夹放好即可。这个设计让数据准备阶段省掉了一大半工具链不需要再写解析 XML、JSON 的代码。2.2 真实场景图与“高质量”标签的边界这份数据集能用在哪“真实场景高质量水稻图片”这句话听起来很舒服但落地时要知道它的边界在哪里。我拆过很多公开数据集所谓真实场景图通常意味着拍摄环境是在田间地头有自然光照变化、叶片重叠、背景有杂草或泥土甚至有些图对焦不够实。这种数据在训练时容易让模型学到背景特征因为同一个类别的图片可能恰好都来自相似角度和光照。这个特性对实际部署反而是好事。你最终做出来的识别程序大概率也会在田间、手机或无人机照片上运行训练数据越接近真实使用环境模型泛化到现场的成功率越高不会出现“实验室数据训练得很好、一到地里就不认识”的窘境。需要注意的是这类数据集不适合用来做细粒度病斑分割或病害严重度分级因为它只有整图分类标签没有像素级标注。如果你需要的是“判断这片叶子得了什么病”这种任务它非常合适。2.3 拿到资源后的文件整理从压缩包到可训练目录解压之后第一步一定要先核对目录结构。常见的整理方式是下面这样的rice_disease/ ├── train/ │ ├── bacterial_leaf_blight/ │ ├── brown_spot/ │ ├── healthy/ │ ├── leaf_blast/ │ ├── leaf_scald/ │ ├── narrow_brown_spot/ │ ├── neck_blast/ │ ├── rice_hispa/ │ ├── sheath_blight/ │ └── tungro/ ├── val/ │ └── ... └── test/ └── ...有些分享包会把所有图放在一个train文件夹下没有划分验证集这时我一般会按比例切分。下面这个脚本可以把原始的单层目录拆成 train / val 两套比例默认 80/20#!/bin/bash # split_data.sh SRC_DIRdataset/all_images # 所有类别文件夹所在目录 TRAIN_DIRdataset/train VAL_DIRdataset/val RATIO0.2 for class_dir in $SRC_DIR/*/; do class_name$(basename $class_dir) mkdir -p $TRAIN_DIR/$class_name $VAL_DIR/$class_name # 把所有图片路径放进数组随机打乱后用 head/tail 切分 files($class_dir*.jpg) total${#files[]} val_count$(echo $total * $RATIO | bc | awk {print int($1)}) for i in ${!files[]}; do if [ $i -lt $val_count ]; then cp ${files[$i]} $VAL_DIR/$class_name/ else cp ${files[$i]} $TRAIN_DIR/$class_name/ fi done done echo split done: total files $(find $SRC_DIR -type f | wc -l)这里我用bc和awk计算验证集数量避免浮点取整问题。之所以把随机顺序交给files($class_dir*.jpg)拿到的是目录默认排序如果想更严谨可以加一层shuf但实际分类训练对随机性要求没那么高。核心目的是保证每个类别都有一定比例进验证集而不是按目录顺序只取前几十张。3. 从文件夹到 YOLO11cls 训练一键脚本做了什么以及原理3.1 YOLO11cls 的分类任务原理为什么文件夹就是标签YOLO11cls 是 YOLO11 系列里的分类分支模型它复用了 YOLO11 的骨干网络和模块但把输出头换成了分类头。你不需要给它框、不需要给它分割掩膜只需要输入一张图片输出是一个 One-Hot 概率向量对应每个类别的置信度。训练时用的是 Cross Entropy Loss模型学的是“图片整体长什么样”。目录结构之所以能直接喂给训练器是因为 Ultralytics 的ClassificationDataset会自动扫描根目录下的子文件夹按字母或目录顺序生成类别索引。训练时你只需要告诉它data指向哪里它自己会把train/和val/子目录读出来。这样可以省掉标注转换环节但代价是你必须保证目录名和训练后推理时的标签顺序严格一致否则后面容易错位。3.2 一键训练脚本拆解环境、参数、训练流程“一键训练脚本”的本质就是把环境检查、权重下载、参数传入、模型训练四条命令串起来。我拆过的类似脚本通常长成这样#!/bin/bash # train_yolo11_cls.sh # 1. 创建虚拟环境并安装依赖可选已装可跳过 # conda create -n yolo11 python3.10 -y # conda activate yolo11 # pip install ultralytics # 2. 直接调用 YOLO 分类 API python train_cls.py真正的训练逻辑写在train_cls.py里from ultralytics import YOLO # 3. 加载预训练分类模型n 是轻量版本适合中小批量训练 model YOLO(yolo11n-cls.pt) # 4. 开始训练 results model.train( datadataset, # 指向包含 train/val 子目录的根目录 epochs100, # 训练轮数过拟合时可减少 imgsz224, # 输入图像分辨率可调 320/384 batch64, # Batch Size根据显存调整 patience15, # 验证集指标不再提升时最多等几轮 projectruns/classify, namerice_disease_yolo11n, lr00.01, # 初始学习率微调时常用 0.001~0.01 device0, # 使用第一张 GPU )这段代码里的关键参数有几个。datadataset指向的是包含train和val子目录的根目录不是类别文件夹本身imgsz224是分辨率水稻病斑往往较弱如果显存够我建议直接上 320 或 384patience15是早停机制用于防止无休止的训练浪费资源。脚本一般还包含训练完成后把runs/classify/rice_disease_yolo11n/weights/best.pt复制到根目录的步骤方便后面推理。3.3 训练日志与结果解读准确率、Top-1/Top-5 和混淆矩阵博主给了一份训练结果日志这比脚本本身更有参考价值。训练结束后runs/classify/rice_disease_yolo11n/目录下会生成results.csv、confusion_matrix.png和results.png。我一般先看results.png里面有三条曲线train 的 loss、val 的 loss、val 的 Top-1 准确率。如果 val loss 在 30 轮后开始反弹说明过拟合这时要回头看数据划分和数据增强。混淆矩阵则能告诉你模型到底在哪些类别上容易搞混。水稻叶病虫害里常见的混淆是褐斑病和窄褐斑病因为两者都是褐色斑点只是大小和形状有差别另外叶瘟病和穗颈瘟也容易混因为病原类似病斑特征相近。看到混淆矩阵后你可以决定是不是要为某些特定类别单独补数据或者用后处理规则再判断一次。4. 把参数调到适合自己的场景batch、epoch、分辨率与类别不平衡4.1 训练超参和图像尺寸怎么改很多人在一键脚本上直接点运行但生产环境不见得和脚本作者的环境一样。下面这张表是我在 YOLO11cls 训练时常用的调参范围参数默认值调整建议显存影响imgsz224病斑小就升到 320/384分辨率越大占显存越高batch64显存不够降到 16/32线性影响显存epochs100数据量小可以先 50 跑通时间成本lr00.01微调场景建议 0.001影响收敛速度augmentTrue真实场景图多建议保留增强无显存影响有计算开销如果你的 GPU 是消费级 8G 显存跑yolo11n-cls.pt、imgsz320、batch32大概能稳定训练。数据量总共 15000 张单轮时间在几分钟量级100 轮不会太夸张。如果是 4G 显存的卡可以把imgsz降到 224batch降到 16同时考虑用混合精度训练Ultralytics 的ampTrue默认开启。4.2 类别不平衡与长尾类别rice_hispa 和 narrow_brown_spot 怎么补虽然官方没有公布每个类别的精确图片数量但农业病害数据天然不平衡像 rice_hispa稻飞虱这种虫害高峰期短采集难度比健康叶片大得多样本数往往偏少。反应到训练上就是少数类别准确率低、在混淆矩阵里被大面积分错。我处理这种情况的习惯是先统计样本量再决定策略。下面这个 Python 脚本可以快速统计各文件夹里的图片数量import os from collections import Counter data_root dataset/train counts Counter(os.listdir(data_root)) for class_name in sorted(counts): counts[class_name] len(os.listdir(os.path.join(data_root, class_name))) print(counts)输出之后把样本数低于平均水平的类别找出来。对于水稻叶片这类细粒度分类我的建议优先级是先做数据增强尤其是颜色抖动和随机裁剪因为水稻病斑的颜色变化其实不大但对光照敏感如果增强还不够再把该类别的图片复制两到三份通过重复采样强行拉均衡。Ultralytics 的分类训练没有直接的class_weight参数所以手动重复采样是简单可行的“后悔药”。4.3 迁移学习与预训练权重的选择为什么用 YOLO11n-cls.pt 而不是从零开始脚本里默认加载yolo11n-cls.pt这个文件是在 ImageNet 上预训练过的分类权重。为什么不用随机初始化因为 ImageNet 上的预训练模型已经学会了纹理、边缘、颜色分布这些通用特征。水稻叶片的病斑虽然看起来特异但底层特征和自然图像是共享的从预训练权重开始微调可以大幅缩短收敛时间也能在小数据集上获得更好的精度。YOLO11 分类系列有 n、s、m、l、x 几个规格资源包里大概率带的是 n。实测下来yolo11n-cls在 15000 张规模的水稻数据上Top-1 准确率能做到 90% 左右已经够用于业务初筛。如果你想要更高的精度但硬件不差可以换yolo11s-cls.pt把imgsz调到 320准确率能再涨两三个点。模型大小和精度的取舍没有绝对标准我一般遵循“先用小模型跑通再逐步加参数”的原则。5. 水稻叶病虫害分类训练避坑五个真实踩坑记录5.1 现象训练 loss 不下降准确率一直在 30% 附近我第一次拿到类似数据集时直接model.train(datadataset/)结果跑了 20 轮 Top-1 还在 35% 徘徊。后来检查发现dataset/里面套了一层子目录真正的类别文件夹在dataset/rice_disease/train/...而data指向的地方没有train/val子目录Ultralytics 把dataset当成了只有一个类的数据集甚至有时会报错。解决方法是确保你的data参数指向的是包含train/和val/的目录不能多一层也不能少一层。如果数据目录结构已经错位先做第 2 章的整理脚本再重训。5.2 现象训练集准确率 99%验证集只有 65%这是明显的过拟合信号。水稻病害特征差异细小如果数据量不够大且类别分布不均模型很容易背住训练集。原因有两层一是训练和验证划分时没有按类别随机导致某个类别的图片全在训练集里二是真实场景本身就存在两种分布同一个病斑在晨光和正午拍出来完全不一样。解决方法是先检查划分脚本确认每个类别都同时出现在训练集和验证集。然后开启更强的数据增强比如把degrees15, translate0.1, scale0.5传给model.train()让模型不要过度依赖背景和光照细节。5.3 现象文件夹名称有空格或中文训练直接报路径错误资源包里的文件夹名称如果被修改过很容易引入空格——比如“brown_spot ”尾部多一个空格或者 Windows 下解压产生“__MACOSX”之类的干扰目录。Ultralytics 在 Linux 下对中文路径支持是时好时坏的最常见表现是训练可以跑但保存权重时中文目录导致路径编码错误。解决方法是把所有类别名强制改成小写英文字母加下划线数据集放入纯英文路径例如/home/user/rice_disease不要放在桌面或带中文的目录里。这是一个很低级但破坏力极大的坑养成拿到压缩包先改名的习惯能省半天时间。5.4 现象训练卡在 Downloading yolo11n-cls.pt半天没动静一键脚本第一次运行时会尝试从 GitHub 下载预训练权重。如果你的网络环境访问官方源很慢就会卡在“Downloading https://github.com/ultralytics/assets/releases...” 这一步有时候要等十几分钟最后还是超时。解决方法是手动下载权重文件把它放在项目根目录下然后修改训练代码为YOLO(./yolo11n-cls.pt)让脚本不再走网络。这里注意权重版本要和库版本匹配否则会提示模型结构不匹配建议统一更新到ultralytics8.3.0YOLO11 需要这个版本往上才支持。5.5 现象推理结果标签顺序和训练时的文件夹顺序对不上训练时 Ultralytics 会扫描目录生成一个 Class Name 列表默认按文件夹名字典序排序。如果你在推理脚本里自己硬编码了一个标签顺序比如直接[bacterial_leaf_blight, brown_spot, ...]一旦和模型实际顺序不一致打印出来的类别名全是错的。解决方法是每次训练完直接把模型自带的.names属性导出来保存成 JSON推理时加载这个文件来映射索引。下面这段可以帮你生成映射文件from ultralytics import YOLO model YOLO(runs/classify/rice_disease_yolo11n/weights/best.pt) names model.names # 字典如 {0: bacterial_leaf_blight, 1: brown_spot, ...} with open(class_indices.json, w, encodingutf-8) as f: json.dump(names, f, ensure_asciiFalse, indent2) print(saved class_indices.json:, names)之后推理时只需json.load这个文件就永远不会错位。这个坑极其隐蔽尤其是你只在验证集上看模型自带的验证结果时因为它会自动用正确的映射只有到了自己写推理接口时才会炸出来。6. 用十折交叉验证代替单次划分让水稻病虫害分类结果更可信单次随机划分训练集和验证集结果往往取决于运气。用十折交叉验证能让你的模型精度评估更接近真值。做法是把 10 个类别文件夹里的所有图片路径汇总按比例拆成 10 份每次用 9 份训练、1 份验证循环 10 次最后统计平均 Top-1 准确率和标准差。下面是我在类似分类数据集上常用的脚本骨架import os import random from collections import defaultdict from ultralytics import YOLO data_root dataset train_root os.path.join(data_root, train) # 先把每个类别的图片路径收集起来 all_files [] for class_name in os.listdir(train_root): class_dir os.path.join(train_root, class_name) for img in os.listdir(class_dir): all_files.append((class_name, os.path.join(class_dir, img))) # 按类别分层保证每折中各类别比例一致 class_files defaultdict(list) for cls, path in all_files: class_files[cls].append(path) k 10 accs [] for fold in range(k): val_paths, train_paths [], [] for cls, paths in class_files.items(): random.shuffle(paths) split len(paths) // k val_part paths[fold * split:(fold 1) * split] train_part [p for p in paths if p not in val_part] train_paths.extend((cls, p) for p in train_part) val_paths.extend((cls, p) for p in val_part) # 这里按第 2 章的目录结构重建临时 train/val 目录再调用 YOLO 训练 # model YOLO(yolo11n-cls.pt) # results model.train(datafold_data_dir, epochs30, imgsz224, batch32) # accs.append(results.top1)执行十折时要注意每一折都生成一套临时目录会非常占用磁盘我一般用软链接把train下的每个类别文件夹链接到临时目录验证集同理权重及时清理。折算下来每折只训练 30 个 epoch 就够判断模型分布水平了。跑完之后看accs的均值和极差如果最高一折和最低一折差了 5% 以上说明数据划分或类别不平衡还有优化空间不要贸然拿单次训练的成绩去跟别人比较。从那以后凡是做农业病虫害相关分类项目我都会强制走一遍交叉验证再给结论。这样报出去的准确率心里有底也不会因为某一折的偶然结果被质疑。这套资源帮你把数据和训练链路都铺好了剩下的就是亲手把模型驯服。希望这份拆解能帮你在水稻叶病虫害分类这条路走得更省力一些。本文还有配套的精品资源点击获取
