一. 前言
本篇博客是《基于YOLOv11柑橘病害识别实时检测系统》系列文章之《柑橘病害识别检测数据集说明(含下载链接)》，网上有很多柑橘病害识别检测数据集的数据，百度一下，一搜一大堆，但质量参差不齐，很多不能用，即使一个一个的看也会浪费很多时间才有可能辨别出有用的数据集。为了方便你我他，本博客将分享一个由我自己整理的柑橘病害识别检测数据，可直接应用到目标检测算法比如yolo系列中，当然也可以应用到分类模型中，数据集总共有3153张图片，并包含它的高质量标注文件。数据质量非常高，甚至可应用到工业落地的项目中。
二. 柑橘病害识别检测类别说明
在柑橘病害识别检测识别算法开发中，我们需要定义柑橘病害识别的行为类别；项目将柑橘病害识别状态分为4种，
names = {0:'blackspot', 1:'canker', 2:'fresh', 3:'grenning'}，为了便于大家理解，下面给出实际应用中的效果图：
三. 柑橘病害识别检测数据集下载
数据包含内容：
柑橘病害识别检测数据集，数据集总共有3153张图片，其中验证集339张，训练集2475张，测试集339张，都有相应的标注文件
四. 深度学习YOLOv11神经网络实现柑橘病害识别检测和识别
参考文章：柑橘病害识别检测和识别2：基于深度学习YOLOv11神经网络实现柑橘病害识别检测和识别(含训练代码和数据集)：
https://blog.csdn.net/u013289254/article/details/161231097?spm=1001.2014.3001.5502
五. 基于GUI交互界面实现柑橘病害识别检测和识别
参考文章：柑橘病害识别检测和识别3：基于深度学习YOLOv11神经网络实现柑橘病害识别检测和识别(含训练代码、数据集和GUI交互界面)：
https://blog.csdn.net/u013289254/article/details/161231131?spm=1001.2014.3001.5502
项目完整文件下载请见演示与介绍视频的简介处给出：➷➷➷
https://www.bilibili.com/video/BV1fGL66nEMD/
