针对农业病害图像数据集存在多样性和图像质量欠佳的问题，提出一种基于层次标注和自适应预处理的多源农业病害图像数据集构建方法.首先，利用智能手机、专业相机和无人机等设备从不同地区、作物种类及生长阶段采集图像，以确保数据的多样性.其次，构建层次标注体系，涵盖农业病害类型、程度和部位3个层次，使用LabelImg和LabelMe等工具进行标注，并经专家审核.最后，应用自适应预处理方法，包括自动裁剪、归一化、去噪和增强，根据图像特征调整参数以提升质量.实验采用基于ResNet-50架构的卷积神经网络（CNN）模型进行验证，结果表明，层次标注和自适应预处理方法显著提升了数据集的质量和模型性能，模型在准确率、召回率和F₁分数上分别达92.5%,91.8%和92.1%,优于其他数据集训练结果.