本数据集总计包含13,779张高清美食图片，全部采用JPG格式存储。图片按照菜系类别组织在独立的文件夹中，每个类别都有完整的编号序列。数据集中不包含标注信息文件，仅包含原始图片文件，但图片文件名本身即包含了类别信息（如Chinese_0.jpg表示中国菜类别下的第0张图片）。

随着现代农业向智能化、精准化方向发展，植物病害的早期检测与识别成为提高作物产量和品质的关键环节。番茄作为全球广泛种植的重要经济作物，其叶片病害的及时识别对于减少产量损失具有重要意义。传统的病害检测依赖人工肉眼观察，不仅效率低下，而且准确性受经验和环境因素影响较大。基于深度学习的计算机视觉技术为植物病害自动检测提供了新的解决方案，而高质量的标注数据集是训练精准识别模型的基础。本数据集包含9999张番

该数据集包含6759张640x640像素的彩色图像，涵盖石头、布、剪刀三种手势类别，采用80:20的训练测试划分比例。标注信息包含精确的边界框坐标，支持目标检测和图像分类任务。图像来源多样化，包括egohands公开数据集、YouTube视频帧、屏幕录制截图和手机拍摄图像等多个渠道，确保了数据的多样性和代表性。

随着现代农业向智能化、精准化方向发展，植物病害的早期检测与识别成为提高作物产量和品质的关键环节。番茄作为全球广泛种植的重要经济作物，其叶片病害的及时识别对于减少产量损失具有重要意义。传统的病害检测依赖人工肉眼观察，不仅效率低下，而且准确性受经验和环境因素影响较大。基于深度学习的计算机视觉技术为植物病害自动检测提供了新的解决方案，而高质量的标注数据集是训练精准识别模型的基础。本数据集包含9999张番

随着现代农业向智能化、精准化方向发展，植物病害的早期检测与识别成为提高作物产量和品质的关键环节。番茄作为全球广泛种植的重要经济作物，其叶片病害的及时识别对于减少产量损失具有重要意义。传统的病害检测依赖人工肉眼观察，不仅效率低下，而且准确性受经验和环境因素影响较大。基于深度学习的计算机视觉技术为植物病害自动检测提供了新的解决方案，而高质量的标注数据集是训练精准识别模型的基础。本数据集包含9999张番

随着现代农业向智能化、精准化方向发展，植物病害的早期检测与识别成为提高作物产量和品质的关键环节。番茄作为全球广泛种植的重要经济作物，其叶片病害的及时识别对于减少产量损失具有重要意义。传统的病害检测依赖人工肉眼观察，不仅效率低下，而且准确性受经验和环境因素影响较大。基于深度学习的计算机视觉技术为植物病害自动检测提供了新的解决方案，而高质量的标注数据集是训练精准识别模型的基础。本数据集包含9999张番