Advertisement

水果蔬菜识别数据集fruit-veg

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型:RAR


简介:
fruit-veg 数据集包含丰富的水果和蔬菜图像样本,用于训练机器学习模型以实现准确识别各类蔬果。 文件夹内包含train、valid和test三个部分。train文件夹里存放的是训练图片及其标签,valid文件夹用于存放验证图片与对应的标签,而test文件夹则包含了测试用的图片及标签。总共有大约5000张图片,并且有15个不同的类别,例如胡萝卜、西红柿、土豆和西瓜等。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • fruit-veg
    优质
    fruit-veg 数据集包含丰富的水果和蔬菜图像样本,用于训练机器学习模型以实现准确识别各类蔬果。 文件夹内包含train、valid和test三个部分。train文件夹里存放的是训练图片及其标签,valid文件夹用于存放验证图片与对应的标签,而test文件夹则包含了测试用的图片及标签。总共有大约5000张图片,并且有15个不同的类别,例如胡萝卜、西红柿、土豆和西瓜等。
  • 图像
    优质
    本项目聚焦于开发先进的计算机视觉技术,旨在准确识别与分类各种水果及蔬菜。通过深度学习算法优化图像识别精度,助力现代农业智能化管理与零售业库存高效处理。 用MATLAB编写的果蔬图像识别程序,该程序能够提取颜色特征。
  • 图像与定位的大型
    优质
    本数据集专注于收集并标注高质量的水果和蔬菜图像,旨在促进图像中的目标识别及精准定位研究。 该数据集包括200多个类,每类包含超过300张水果图片,所有图片都经过了旋转处理。 苹果(品种多样:深红色、金色、金红色、史密斯奶奶、粉红女士、红色、红色美味)、杏子、鳄梨(成熟和未成熟的都有)、香蕉(黄色和红色的普通香蕉以及女士手指型)甜菜根红,蓝莓,仙人掌果实,哈密瓜(两个品种),洋芋,花椰菜,樱桃(包括雷尼尔品种),樱桃蜡果(黄、红、黑各种颜色),栗子,克莱门汀柑橘类水果,椰子,带壳玉米,成熟黄瓜,大枣,茄子,无花果,姜根块茎, 石榴果实, 葡萄(有蓝色、粉色和白色品种),葡萄柚(包括粉红色和白色),番石榴(也称芭乐),榛子(或者称为山杏), 越橘 (又称蓝莓的一种), 猕猴桃,卡其果,大头菜根茎类蔬菜, 金缕梅果实或叶片, 柠檬(普通柠檬与梅耶柠檬),青柠,荔枝,柑桔类水果如橙子和柚子等,芒果(包括绿色未成熟和红色成熟的),芒果甜馅饼状的特殊品种, 桑葚浆果,油桃(有普通和平扁两种类型), 核果 (例如核桃), 大葱或洋葱(红、白不同颜色),橘子类水果如桔子或者血橙等,番木瓜,西番莲果实(又称百香果),桃子(各种品种的鲜甜多汁的果实),佩皮诺(也称奇异莓的一种), 梨 (包括阿巴特、福莱尔、凯撒红梨以及怪兽和威廉姆斯等不同种类), 胡椒果实(红色、绿色,橙色或黄色的都有),酸浆(普通类型与带壳品种),菠萝(普通大小及迷你型), 皮塔哈亚果 (也称火龙果的一种), 李子 (各种不同的成熟度和颜色)、石榴甜心部分,土豆(红肉、甜味以及白色多用途种类的都有),木瓜类水果(包括番木瓜),红毛丹(又称荔枝的一种变种), 覆盆子果实, 红醋栗或蔓越莓, 萨拉克 (一种热带浆果), 草莓(普通型和楔形品种)、柽柳树的种子或者果实,坦格洛(一种柑橘类水果),番茄等。
  • .zip
    优质
    该数据集包含多种新鲜果蔬的高分辨率图像,旨在支持机器学习模型训练与测试,涵盖苹果、香蕉等多种常见水果和蔬菜品种。 果蔬识别数据集包含了土豆、圣女果、大白菜、大葱、梨、胡萝卜、芒果、苹果、西红柿、韭菜、香蕉和黄瓜这12种水果蔬菜。
  • +Fruit-Dataset+分类训练代码(兼容GoogLenet、ResNet、Inception_v3)
    优质
    本项目提供了一个全面的水果数据集及用于训练水果分类识别模型的代码,支持多种深度学习架构如GoogLeNet、ResNet和Inception_v3。 本项目利用深度学习技术构建了一个水果分类识别的训练与测试系统,并实现了一套简单的水果图像分类功能。当前版本基于ResNet18模型,在Fruit-Dataset数据集上进行训练,能够对262种不同的水果类别进行准确识别。在该数据集中,训练阶段的精度达到了约95%,而验证阶段则约为83%。 此项目支持多种主流深度学习架构作为骨干网络,包括但不限于googlenet、resnet(18, 34, 50)、inception_v3以及mobilenet_v2。
  • 36类常见分类(含3600张图片).zip
    优质
    本数据集包含36类常见水果和蔬菜共3600张图像,每类别100张。适用于图像识别与分类研究,有助于提升模型对果蔬的辨识能力。 该数据集包含36类果蔬的图像共计3600张,分为水果和蔬菜两大类。其中水果包括香蕉、苹果、梨、葡萄、橙子、猕猴桃、西瓜、石榴、菠萝和芒果;蔬菜则有黄瓜、胡萝卜、辣椒(包括甜椒)、洋葱、马铃薯(包括红薯)、柠檬(虽然通常归为水果)、番茄(西红柿)、萝卜(含多种类型如白萝卜等)、甜菜根、卷心菜、生菜、菠菜、大豆、花椰菜和豌豆。数据集分为三个子文件夹:训练集,每个类别包含100张图像;测试集,每个类别有10张图像用于评估模型性能;验证集,同样为每类提供10张图像以确保模型在不同条件下的表现稳定性。这些图像按具体食品名称分类存储于各个相应的子文件夹中。
  • Yolov5检测-Fruits-Vegetables_dataset_yolov5.zip
    优质
    Fruits-Vegetables_dataset_yolov5 数据集专为YOLOv5设计,包含丰富多样的水果和蔬菜图像,适用于目标检测任务。 数百张Yolov5水果和蔬菜检测数据集已经准备好,包括香蕉、橘子、苹果等多种水果和蔬菜。数据集目录已配置好,并划分成train、val 和 test三个部分,附有data.yaml文件。使用Yolov5、Yolov7或 Yolov8等算法可以直接进行模型训练。 数据集的配置目录结构如下: - train: ./train/images - val: ./valid/images - test: ./test/images
  • 基于 YOLOv5 的
    优质
    本数据集基于YOLOv5开发,专门用于果蔬图像的识别与分类,涵盖多种常见果蔬种类,旨在提升模型在实际应用场景中的准确性和效率。 果蔬识别数据集已经经过测试。如有需要其他的数据集,请联系作者。