22类作物病虫害数据集与YOLO11cls分类训练全解析

简介：面向农作物病虫害检测与图像分类场景，这份资料以PDF文档形式提供了一套完整的数据集配套说明，共1个文件，大小5.63MB，内附数据集详细介绍与百度网盘获取方式。数据集包含1000张真实场景高质量农作物图片，覆盖腰果、木薯、玉米、番茄四大类作物，细分出Cashew anthracnose、Cassava bacterial blight、Maize fall armyworm、Tomato leaf curl等22个类别，采用文件夹区分标注，质量高，可直接用于YOLO11cls等分类算法训练。除数据外，还提供YOLO11cls一键训练脚本，并附有博主训练结果日志作为参考，适合智慧农业、作物病害识别方向的算法工程师、科研人员及学习者用于项目验证或通用分类数据集补充。目前已有63人学习浏览，资料结构清晰，能帮助快速上手模型训练与效果评估。

1. 1000 张图 22 类作物病虫害：这份分类数据集能直接喂给 YOLO11cls 吗

做农作物病虫害识别的第一道坎往往不是算法，是数据。自己下田拍图费时费力，从网上爬来的图分辨率参差、类别混乱，标到一半就想放弃。这份数据集把 Cashew、Cassava、Maize、Tomato 四类作物的 22 种病虫害状态整理成了 1000 张真实场景图片，文件夹的名字就是分类标签，解压之后按 YOLO 分类任务的标准目录结构放好就能开训，还附带 YOLO11cls 一键训练脚本和博主训练日志做参照。适合正在做农业视觉检测项目、又不想在数据整理上耗太多时间的从业者，也适合拿来做通用图像分类数据集的场景补充。下面我从数据分布讲到训练脚本，把能复现的细节和踩过的坑一并拆开。

2. 数据集长什么样：四类作物 22 个类别与文件夹标注的真实分布

2.1 类别清单：Cashew、Cassava、Maize、Tomato 怎么细分

这份数据集覆盖三种大田作物加一种茄果类作物，类别划分按照作物种类加病虫害英文名组合，比如Cashew anthracnose是腰果炭疽病，Maize fall armyworm是玉米草地贪夜蛾。完整类别如下表。

合计 22 类。这里有两类情况值得注意：一类是虫害，像 leaf miner、fall armyworm、leaf beetle，图片里往往能直接看到虫体或明显的啃食痕迹；另一类是病害和生理性状态，像 cassava mosaic 的退绿花叶、leaf curl 的卷叶，特征集中在叶片纹理和颜色变化上。这两类特征在卷积网络里的表征方式完全不同，虫害靠形状和边缘，病害靠颜色和纹理分布，训练时对图像增强的参数取向也不一样。

这个类别体系有实际项目背景，不是随便凑的。腰果、木薯、玉米、番茄在热带和亚热带种植区是主要经济作物，这四类作物的病虫害直接影响产量，做农业植保项目时这 22 个类目基本覆盖了常见巡检需求。对做通用分类的人来说，这份数据也能当场景补充，尤其是 Cassava 和 Maize 的叶片纹理差异明显，适合用来验证模型在细粒度分类上的表现。

2.2 文件夹即标签：YOLO 分类标注的核心逻辑

YOLO 分类任务和检测任务在标注方式上完全不同。检测需要框坐标，分类只需要告诉模型"这张图属于哪个类"。YOLO11cls 读取标签的方式就是看图片所在的文件夹路径，文件夹叫什么，里面所有图片就都属于这个类。所以这份数据集的标注形式非常直接，Maize_leaf_blight文件夹下放的就是玉米叶枯病的图片，没有额外的 XML、TXT 或 JSON 标注文件。

这种标注方式的优点第一是省事，整理数据的时候只要建好文件夹、把图片丢进去，标注工作就完成了；第二是出错率低，不会出现标签和图片内容对不上的情况，因为错误在归类那一刻就会暴露。缺点是粒度粗糙，一张图里如果同时有健康叶片和病斑叶片，模型只能学到"这张图整体属于病叶"，做不到像素级或实例级的区分。所以这份数据集适合做田块级或单株级的病害识别，不适合做病斑定位。

用文件夹做标签还有一个隐含要求：路径里不能出现中文和空格。YOLO 的 dataloader 在解析路径时对特殊字符很敏感，中文路径在 Windows 上偶尔能跑，在 Linux 服务器上大概率报错。我接手这类数据集第一件事就是把所有文件夹重命名为纯英文，后面训练会少很多莫名其妙的报错。

2.3 1000 张图对 22 类是否够用：从分布和增广两个角度看

1000 张图平均到 22 类，每类大约 45 张，这个规模在深度学习里属于"小而致密"的数据集。说实话，每类 50 张左右的图，直接训练一个大模型很容易过拟合，但 YOLO11cls 带 ImageNet 预训练权重，从预训练模型做迁移学习的话，这个数据量足够训练出一个可用的分类器，前提是类别分布相对均衡。

你可以在解压后用下面这个命令快速统计各类图片数量，看看数据分布是否均匀：

find . -type f \( -name "*.jpg" -o -name "*.jpeg" -o -name "*.png" \) | \ awk -F'/' '{print $(NF-1)}' | sort | uniq -c | sort -rn

这段命令的含义是：find递归找出所有图片文件，awk按斜杠切分路径并取出倒数第二个字段，也就是图片所在文件夹的名字，再用sort | uniq -c统计每个类别的图片数，最后按数量倒序排列。如果看到某个类别只有十几张而其他类别有六十多张，训练时就要考虑类权重或者多做增广。

1000 张图还有一个现实意义：单卡训练速度快。用 YOLO11cls 的 n 版本在消费级显卡上，100 轮几分钟就能训完，迭代调参的成本很低。这对做项目验证非常友好，可以快速试不同的数据增强组合和超参数，而不是一次训练等半天。数据量小意味着容错率高，这是小数据集在工程上的隐藏优势。

3. 训练前先把数据捋顺：YOLO11cls 的目录组织与数据划分

3.1 把分类文件夹转成 YOLO11cls 能读的标准目录结构

YOLO11cls 分类训练默认读取的数据目录结构是train和val两个子目录，每个子目录下再按类别建文件夹。解压这份数据集后，初始状态是一个一个的类别文件夹，需要先手动整理成下面的形式：

crop_pest_cls/ ├── train/ │ ├── Cashew_anthracnose/ │ ├── Cashew_gumosis/ │ ├── Cashew_healthy/ │ ├── ... 其余类别 │ └── Tomato_verticulium_wilt/ └── val/ ├── Cashew_anthracnose/ ├── Cashew_gumosis/ ├── ... 其余类别 └── Tomato_verticulium_wilt/

YOLO11cls 的训练入口yolo classify train在接收data参数时，指向的是上面这个crop_pest_cls父目录，脚本会自动识别父目录下的train和val子目录，不需要额外写数据配置文件。这一点和 YOLOv5 分类任务的做法一致，和检测任务的 YAML 配置方式有区别。

如果你没有做验证集划分，直接拿全部 22 个类别文件夹当训练数据也能跑，但训练时模型会把一部分数据随机留作验证，这样你没法精确控制验证集的比例。更规范的做法是自己做一次划分，把每个类别图片总数的 15% 到 20% 抽出来做验证集。下面这个脚本可以直接解决划分问题。

3.2 用脚本做 train/val 划分，按类别比例取样而不是固定数量

这里的关键是"按比例"而不是"按固定数量"。假设某个类别只有 20 张图，固定抽 5 张做验证就抽走了 25%，训练只剩 15 张，类别会严重缩水。按比例抽样能保证每个类别保底有 80% 进入训练集。

import os import random import shutil src_root = './crop_pest_src' # 解压后的类别文件夹所在目录 dst_root = './crop_pest_cls' # 目标目录，脚本会自动创建 train/val val_ratio = 0.15 # 验证集比例，新手建议先 0.15 random.seed(42) for class_name in os.listdir(src_root): class_path = os.path.join(src_root, class_name) if not os.path.isdir(class_path): continue images = [f for f in os.listdir(class_path) if f.lower().endswith(('.jpg', '.jpeg', '.png'))] random.shuffle(images) val_count = int(len(images) * val_ratio) val_images = images[:val_count] train_images = images[val_count:] for split, split_images in [('train', train_images), ('val', val_images)]: dst_class_dir = os.path.join(dst_root, split, class_name) os.makedirs(dst_class_dir, exist_ok=True) for img in split_images: shutil.copy2( os.path.join(class_path, img), os.path.join(dst_class_dir, img) ) print(f'{class_name}: total={len(images)}, ' f'train={len(train_images)}, val={len(val_images)}')

这个脚本的逻辑分三步：先遍历源目录下每个类别文件夹，用random.shuffle打乱图片顺序，然后按val_ratio计算验证集数量，最后用shutil.copy2复制到目标目录的 train 或 val 对应类别下。random.seed(42)固定随机种子，保证每次运行划分结果一致，方便复现。

几个参数按实际需求改：val_ratio可以调成 0.2，如果类别总图片数偏少就别超过 0.2；src_root是数据集解压后的路径，注意不要和dst_root设成同一个目录，否则复制到自己里面会出问题。用copy2是保留原始文件不改动，如果你磁盘吃紧，改成shutil.move可以省一半空间。

3.3 训练前看一眼类别分布：少数类怎么处理

划分完之后做一次分布检查。前面find命令拿到的数据，配合 Excel 或 Python 画个柱状图，一眼就能看出有没有类别严重不足。常见问题是某个病害类别在真实采集时本身就少，比如早期病害症状不明显，采集人员容易漏掉。

遇到少数类，我一般按优先级做三件事：第一，检查是不是划分脚本出了问题导致某些类别没进训练集；第二，对少数类做针对性增强，比如水平翻转、随机旋转、色彩抖动；第三，调整 YOLO11cls 的类别权重。如果你发现某个类别只有十几张图，靠增强硬训是撑不起来的，这种类别在标注时就应该多采集，数据层面的问题靠算法兜底始终是权宜之计。

分布检查也可以直接在训练前用 Ultralytics 的库来验证目录结构是否合法：

from ultralytics import YOLO model = YOLO('yolo11cls.pt') # 用 model.val 前先检查数据是否能被正确解析 results = model.val(data='./crop_pest_cls', split='val')

正常情况会输出 Validation 的指标汇总。如果这一步报错，说明目录结构有问题，比如 train 或 val 下缺了类别文件夹、图片格式不被支持等。把这一步当成训练前的冒烟测试，能省掉后面白跑一轮的时间。

4. 一键训练脚本实战：YOLO11cls 训练参数与日志解读

4.1 一键脚本做了什么：从数据校验到训练完成的完整链路

这份资源附带的 YOLO11cls 一键训练脚本，核心是把"校验目录结构、启动训练、保存权重、输出日志"串成一条命令。典型实现如下：

#!/bin/bash # 一键训练脚本 train_cls.sh DATA_DIR="./crop_pest_cls" EPOCHS=100 IMGSZ=640 BATCH=16 DEVICE=0 # 检查数据目录结构是否完整 if [ ! -d "$DATA_DIR/train" ] || [ ! -d "$DATA_DIR/val" ]; then echo "[ERROR] data dir must contain train/ and val/ subdirectories" exit 1 fi # 启动 YOLO11cls 分类训练 yolo classify train \ data=$DATA_DIR \ model=yolo11cls.pt \ epochs=$EPOCHS \ imgsz=$IMGSZ \ batch=$BATCH \ device=$DEVICE \ patience=20 \ project=./runs \ name=cls_crop_pest

脚本首先用if [ ! -d ... ]检查 train 和 val 目录是否存在，缺了就报错退出。然后通过yolo classify train启动训练：model=yolo11cls.pt表示加载 YOLO11 分类预训练权重做迁移学习；patience=20是早停参数，验证集准确率连续 20 轮不提升就自动终止训练；project和name指定输出目录，训练日志、权重文件都会落在./runs/cls_crop_pest下。

这个脚本的价值在"可复现"。博主训练日志里记录的实验环境、参数组合都对应这条命令，你拿同一份数据跑同一个参数，得到的结果理论上应该接近。实际会有硬件层面的小浮动，比如显卡不同导致 batch 大小变化，但幅度不会太大。

4.2 关键超参数怎么改：imgsz、batch、epochs、patience 的取舍

参数不能照搬，得按你自己的显存和任务调整。先说imgsz。YOLO11cls 默认用 640，但对于分类任务，224 或 256 通常已经足够，因为分类不需要检测那么高的分辨率来定位小目标。imgsz 减半，训练速度大概是原来的两倍，显存占用也明显下降。如果图片里的病斑很小，比如早期炭疽病只有几个斑点，那就保留 640，分辨率低了会丢失纹理细节。

batch受显存约束。12GB 显存跑 yolo11cls 的 n 版本，batch 16 到 32 都可以；如果你用 s 或 m 版本，batch 8 就要小心显存溢出。显存不够时报错一般是CUDA out of memory，这时把 batch 降到 8 或 4，同时配合梯度累积，也就是 Ultralytics 里的accumulate参数，可以在不大幅降低训练速度的前提下维持稳定的收敛。

epochs从 100 起步。小数据集上 YOLO11cls 通常在 30 到 50 轮之间就收敛了，100 轮配patience=20是稳妥组合。如果 50 轮后验证准确率还在缓慢爬升，说明数据多样性比预期高，可以加到 150 轮；如果 20 轮就到了平台期，说明模型已经吃饱了，早停会自动结束训练，不用手动干预。

这里有一个容易踩的误区：patience设太大，训练时间被无效拉长；设太小，比如 5，模型可能因为验证集随机波动被过早终止。我一般先设 15 到 20 跑一轮，看训练曲线确认平台期的波动幅度，再决定要不要收紧。

4.3 训练日志怎么读：top1_acc、top5_acc、P/R 的含义与参照

训练过程中的终端输出每隔一个verbose周期打印一行指标，博主提供的训练日志里这些字段都能看到。分类任务重点看三个指标：top1_acc、top5_acc和loss(cls)。

top1_acc是模型预测最可能的类别恰好正确的比例，这是最终要交付的指标；top5_acc是前五个预测中包含正确类别的比例，在类别有相似性时这个指标很有参考价值。比如 Cassava mosaic 和 Cassava healthy，如果健康叶片有轻微黄化，模型可能把两者都排在前几位，top5 高而 top1 一般，说明模型学到了相关性但区分度不足。

P（精确率）和R（召回率）在分类任务里是每个类别单独计算的，YOLO11cls 会输出 macro 平均结果。对于病虫害识别，我偏向看召回率：漏报一个病株比误报一个健康株代价更大，因为漏报意味着病害扩散。如果某个类别召回率明显低于其他类，回到第 3 章的方式检查这个类别的样本数量和增广配置。

日志里还有个容易忽略的GFLOPs字段，表示模型单次推理的浮点运算量。它决定你的部署端是否扛得住。yolo11cls 的 n 版本 GFLOPs 很低，适合边缘设备；如果你的应用跑在服务器上，用 s 版本拿更高精度更划算。

5. 训练翻车避坑指南：从数据路径到过拟合的 5 个高频问题

5.1 报错 No labels found in dataset，但数据明明放在那里

现象：运行一键训练脚本，终端直接报类似No labels found in .../train的错误，训练直接退出。

原因：YOLO11cls 分类模式解析的是父目录下的train和val子目录，不是train下再套一层。如果你把解压后的类别文件夹直接命名为train，里面放着 22 个类别文件夹，这本身没问题；但如果你把图片直接平铺在train下，没有按类别建子目录，YOLO 会把每张图当成一个独立的类，数据路径就乱了。另外，路径里带中文或空格也会触发类似报错。

解决：严格按照第 3 章的目录结构组织数据，每一级目录用纯英文命名。检查crop_pest_cls/train/Cashew_anthracnose/下确实有图片文件，而不是嵌套了一层文件夹。"图片套图片"的结构用find . -name "*.jpg" -exec ls -la {} \;扫一遍就能发现。

5.2 训练时 loss 下降，但验证集准确率停滞在 60% 上下

现象：训练集 loss 一路下降，top1_acc 到了 95%，验证集却卡在 60% 左右，两者差距越来越大。

原因：典型过拟合。1000 张图分到每类 40 多张，模型很容易在训练集上"背答案"，尤其是背景单一的图片。另一个常见诱因是验证集划分时没有做随机化，同一次采集的图片在光照、角度上高度相似，训练集和验证集之间存在数据泄漏。

解决：先把数据增强打开，YOLO11cls 默认开了 hsv_h、hsv_s、hsv_v 和 fliplr，你需要确认degrees、translate、scale这些参数没有被设成 0。给训练命令加degrees=10 scale=0.3 hsv_h=0.015 hsv_s=0.7 hsv_v=0.4这组常见配置，能明显提升泛化。同时检查第 3 章划分脚本里的random.seed，确保每次运行顺序都打乱过。

5.3 训练 Curve 显示 top1_acc 在第 30 轮突然跳水到 20%

现象：训练过程平稳，到某一轮 top1_acc 从 80% 级别直接掉到 20% 级别，之后再也没恢复。

原因：大概率是学习率策略的问题。Ultralytics 默认用余弦退火调度器，如果初始学习率lr0设得偏高，比如 0.1，退火到后期学习率过小，模型从局部最优跳出后找不到新最优点。也遇到过验证集里混入了全黑或全白的坏图，导致这一轮指标异常。

解决：把lr0从默认值调低到 0.001 到 0.01 区间，配合warmup_epochs=5。另外用find . -name "*.jpg" -size -5k找出小于 5KB 的图片，这类文件大概率是损坏或纯色图，直接删掉。我用一个数据清洗步骤把所有异常的图片先剔除，再进训练流程，基本能避开这个坑。

5.4 训练完成后导出模型，推理结果和训练时差距很大

现象：训练日志里 top1_acc 85%，用yolo predict跑单张图片时，预测类别和肉眼判断经常不一致。

原因：训练时模型会做随机缩放、裁剪和翻转，如果推理时没有做同样的预处理，尤其是imgsz不一致，输出会有偏差。还有一个隐蔽原因：训练图里有大量带水印或框线标注的图片，模型把水印学成了判别特征，推理时遇到干净图片就翻车。

解决：训练和推理统一用同一个imgsz，导出模型时也传入相同的尺寸。对于水印问题，回到数据层面检查图片内容，把带明显标注痕迹的图片剔除或裁掉标注区域。这个现象说明模型泛化能力被脏数据干扰，不是参数问题。

5.5 "叶斑病"和"早疫病"混淆严重，健康叶片被误判为病害

现象：混淆矩阵里 Maize_leaf_spot 和 Maize_leaf_blight 互相误判率高，甚至 Cashew_healthy 被频繁判成 Cashew_anthracnose。

原因：病害初期的叶片症状本就相似，叶斑病和叶枯病在视觉上都是叶片褐变，区别在病斑形状和分布。150 张图以内的类别想让模型学到这种细节差异，难度很大。健康叶片被误判，往往是病害早期症状不明显，模型学到的是"叶片颜色偏黄就算病"，而不是真正的病斑特征。

解决：这类问题要从数据侧解决。如果你有原始采集图片，优先补充歧义类别的样本。如果数据集已经固定，就靠类别权重，Ultralytics 支持class_weights参数，给易混淆类别更高的损失权重。我一般先跑混淆矩阵确定哪两类最容易混，再针对这两类做额外的色彩增强，比如把色调扰动加大，强迫模型关注更稳定的纹理特征。

6. 训练完别急着部署：混淆矩阵、batch 验证与 ONNX 导出

训练结束不等于项目做完。YOLO11cls 训练过程中会生成confusion_matrix.png和results.png，先看混淆矩阵。矩阵里对角线越亮越好，非对角线出现了高亮块，说明特定两个类别在打架。前面 5.5 的案例就是靠混淆矩阵定位出来的。看矩阵的时候把每行加起来算一下"被误判到哪一类最多"，这个就是后续补数据的优先级排序。

验证环节我习惯跑一次完整的 batch 推理，用真实图片而不是测试集图片，看模型的预测概率分布。命令是：

yolo classify predict \ model=./runs/cls_crop_pest/weights/best.pt \ source=./real_samples \ imgsz=640 \ save_txt=True

注意save_txt=True，它会把每个预测结果按类别 置信度的格式写入 txt 文件。批量检查这个文件，如果大部分置信度集中在 0.5 到 0.7 之间，说明模型对自己不自信，部署时就要在业务逻辑里加置信度阈值，低于阈值的样本进入人工复核。

部署前导出 ONNX 是 Ultralytics 的常规操作，一条命令：

yolo classify export \ model=./runs/cls_crop_pest/weights/best.pt \ format=onnx \ imgsz=640

到这里要提醒一句：导出 ONNX 后，用onnxruntime做推理时输入预处理要和训练保持一致，包括归一化、通道顺序和 resize 方式。这个细节翻车率极高，我见过好几个项目在 Python 里精度正常，换到 C++ 部署就掉点，最后定位到是 resize 的插值算法从双线性变成了最近邻。

我自己养成了一个习惯，数据到手先跑分布统计，训练前固定随机种子，训练中盯 confusion_matrix 而不是只看 top1_acc，部署前拿真实场景图片做一轮 batch 验证。这套流程走完，模型能不能上线心里有数。从那以后我每次做分类项目都强制走一遍这三步，省掉的全是返工的时间。这份数据集配套的脚本和日志刚好能帮你把整套流程跑通一次，希望帮到你。

本文还有配套的精品资源，点击获取