中戏新生军训为了获得有关全世界麦田的大量准确数据，植物科学家使用“小麦头”（包含谷物的植物上的穗）的图像检测。这些图像用于估计不同品种的小麦头的密度和大小。农民在自己的领域做出管理决策时可以使用这些数据评估其健康和成熟度。

　　数据内容（3432张麦穗图片）它包含从全球多个国家处于不同生育阶段的，具有广泛基因型的高分辨率RGB图像和带标签的小麦头**。在开发新的头部检测数据集时，提出了图像获取指南，将最小元数据关联以遵守FAIR原则和一致的头部标记方法。 train.csv-学习数据 sample_submission.csv-正确格式的样本提交文件 train.zip-学习图像 test.zip-测试图像 image_id -唯一的图像ID width，height -图像的宽度和高度 bbox -边界框，格式为[xmin，ymin，宽度，高度]的Python样式列表。

　　柠檬质量识别图像数据集，不同质量的柠檬图片超过2533个，分辨率：300x300；

　　该数据集包含小白菜叶子的健康和潜在感染图片， 数据由训练数据集和测试数据集组成。训练 csv 数据集已被标记为包含疾病类别，例如背蛾、潜叶虫和霉菌。相应的图像也已正确命名以正确反映它们所包含的疾病类别。如果它们接触 x 种疾病，那么它们将在数据集上标记为“1”。否则标记为“0”。

　　玉米、水稻、甘蔗等农作物图片数据集； 数据集包含30种不同类型的作物图像在单独的文件夹， 共有30种作物； 每类农作物大约30张图片,场景为树上的果实实拍。

　　数据集介绍本数据集包含120张水稻染病叶片的jpg图像。 这些图像根据疾病类型分为三类。每类有40张图片。主要三类病害： 叶弄脏 烟草赤星病 细菌性叶枯病。

　　10类水果分类数据集（10类苹果，猕猴桃，香蕉，樱桃，橘子，芒果，鳄梨，菠萝，草莓，。每类超过200张图片）

　　黄麻病害数据集，我们的数据集由4个类组成。每个类的平均计数为384，总计1535幅图像，我们将每个类的图像限制在220张。本图像数据集中列出了四种重要的黄麻害虫。

　　番茄叶病数据集(2022年)，包含11类10种疾病（超过2万张番茄叶子的图片，有10种疾病和1种健康类。图像是从实验室场景和野外场景收集的。我们的目标是开发一个轻量级模型，可以预测番茄叶病，并将其部署到一个离线的移动应用程序上。每类病害图片在2000张左右。

　　牛顿大学公开的102花卉数据集，经过简单的人工分类，划分了大约108种（每种花卉40-200个图片不等）

　　盆景风格图片数据集，2700张图片(224x224)， 9个类别，使用TorchVision进行数据增强的练习，每个类别300张图像。

　　4种柠檬状态的分类图片数据集，训练集有11000张图片，测试集有1600张图片。

　　8类植物叶片病虫害数据集，每类有3000张图片左右，（苹果、玉米、葡萄、桃子，樱桃、马铃薯、橙子，杨树叶）