摘要：本研究使用的糖尿病视网膜病变眼底图像数据集共包含 4725 张有效图像，其中训练集 3781 张、测试集 944 张，涵盖 No DR、Mild、Moderate、Severe 和 Proliferative DR 五个类别，可为模型训练、分类识别和实验分析提供可靠的数据支持。

数据集简介

本项目数据集为糖尿病视网膜病变眼底图像数据集，共包含 4725 张图像，划分为训练集和测试集，涵盖 No DR、Mild、Moderate、Severe 和 Proliferative DR 五个类别。

数据集概述

本研究所使用的数据集为糖尿病视网膜病变眼底图像数据集，共包含 4725 张有效图像。该数据集围绕糖尿病视网膜病变分类任务 进行整理，能够为眼底图像的自动识别与分级研究提供较为可靠的数据支撑。

按照模型训练与测试需求，数据集被划分为训练集和测试集，其中训练集包含 3781 张图像，测试集包含 944 张图像。这样的数据划分方式能够满足模型训练、性能验证以及后续实验分析的基本要求

在类别设置方面，数据集共包含 No DR、Mild、Moderate、Severe 和 Proliferative DR 五个类别。所有图像均按照统一的目录 结构进行整理，并结合类别映射与图像预处理操作，为后续深度学习模型训练、分类识别和结果分析提供了可靠的数据基础。

数据集来源

本研究所使用的数据集为自主整理构建，图像数据来源于糖尿病视网膜病变眼底图像样本，经筛选、分类与预处理后共获得 4725 张有效图像，其中训练集 3781 张、测试集 944 张。所有图像均按照病变程度进行人工分类整理，定义了 No DR、Mild、Moderate、Severe 和 Proliferative DR 共 5 个类别，并依据统一的数据目录结构与类别映射规则完成数据组织，以确保数据标注与分类管理的一致性和准确性。

类别定义

标注规范

图1 标注规范图

性能评测

模型在 944 张测试集图像上取得了较好的分类效果，准确率、加权平均精确率、召回率和 F1 分数等指标均表现良好，其中 No DR 和 Moderate 类别识别效果较为突出，说明该系统在糖尿病视网膜病变眼底图像分类任务中具有较高的识别能力和一定的实际应用价值。

训练集与验证集准确率、损失变化曲线

图2 训练集与验证集准确率、损失变化曲线

模型分类结果热力图

图3 模型分类结果热力图

应用案例

图7 应用案例：基于YOLO11的输电线路耐张线夹压接缺陷检测系统

免责声明与引用

数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。 如需引用，请在论文或报告中注明数据集名称与版本号。

作者信息

作者：Bob (张家梁)
项目编号：Datasets-14
数据大小：788M
原创声明：本项目为原创作品

开源协议

本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。

版权声明：本站除特别标注外的所有源码与资料均为原创，受《中华人民共和国著作权法》等相关法律保护。未经本站事先书面许可，任何个人或机构不得以复制、转载、爬取、汇编、改写、引用等方式使用本站内容，不得将本站内容发布或用于任何形式的商业活动。对未经授权使用本站内容的行为，本站保留追究法律责任的权利，包括但不限于要求删除、赔偿、诉讼等。如认为本站内容侵犯其合法权益，请提供权属证明并联系我们，我们将在核实后依法及时处理。