Die Aufgabe der Instanzsegmentierung, eine Erweiterung des gut bekannten Objekterkennungsaufgaben, ist in vielen Bereichen von großer Bedeutung, beispielsweise in der präzisen Landwirtschaft: Die Fähigkeit, Pflanzenteile und mögliche damit verbundene Krankheiten automatisch zu erkennen, ermöglicht eine effektive Skalierung und Automatisierung der Erntemonitoring- und Krankheitskontrolle. Um das Problem der Früherkennung und Diagnose von Krankheiten bei Rebenpflanzen anzugehen, wurde ein neues Datensatz erstellt, dessen Ziel darin besteht, den Stand der Technik bei der Krankheitserkennung mittels Instanzsegmentierungsansätzen voranzutreiben. Dies wurde erreicht, indem Bilder von Blättern und Traubenständen, die in ihrem natürlichen Kontext von Krankheiten betroffen waren, gesammelt wurden. Der Datensatz enthält Fotos von 10 Objekttypen, darunter Blätter und Trauben mit und ohne Symptome der acht häufigsten Rebenkrankheiten, wobei insgesamt 17.706 instanzmarkierte Objekte in 1.092 Bildern enthalten sind. Zur umfassenden Darstellung der Eigenschaften des Datensatzes werden mehrere statistische Maße vorgeschlagen. Als Baseline werden erste Ergebnisse für die Aufgaben der Objekterkennung und Instanzsegmentierung präsentiert, die mit den Modellen Mask R-CNN und R^3-CNN erzielt wurden, wobei gezeigt wird, dass das vorgeschlagene Verfahren vielversprechende Ergebnisse bei der automatischen Erkennung von Krankheitssymptomen erzielen kann.