Advertisement

包含350多张自然生长苹果的苹果树图片Yolo-V8数据集

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

简介：
本数据集包含超过350张自然环境中苹果树及其果实的照片，旨在为机器学习模型提供训练资源。采用Yolo-v8框架优化物体检测精度。 由Roboflow提供的数据集包含350多幅苹果树上自然生长的苹果图像。与其他现有的套装不同，这套数据集旨在捕捉在白天不同光照条件下生长于树上的苹果。 训练数据包括77张彼得·布洛赫家中苹果树的照片，在拍摄后被分割成多个较小的图片，每个小图分辨率为360×640像素。这个分辨率的选择是为了适应项目中将使用的CV摄像机的最低自然分辨率。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 包含350多张自然生长苹果的苹果树图片Yolo-V8数据集
    优质
    本数据集包含超过350张自然环境中苹果树及其果实的照片，旨在为机器学习模型提供训练资源。采用Yolo-v8框架优化物体检测精度。 由Roboflow提供的数据集包含350多幅苹果树上自然生长的苹果图像。与其他现有的套装不同，这套数据集旨在捕捉在白天不同光照条件下生长于树上的苹果。 训练数据包括77张彼得·布洛赫家中苹果树的照片，在拍摄后被分割成多个较小的图片，每个小图分辨率为360×640像素。这个分辨率的选择是为了适应项目中将使用的CV摄像机的最低自然分辨率。
     
  • 苹果叶病害图像数据集，包含3997张图片
    优质
    本数据集收录了3997张描绘苹果叶片病害状况的照片，旨在支持机器学习模型训练与研究，助力于精准农业和植物病理学的发展。 苹果叶片病害数据集包含3997张图片。
     
  • 苹果数据集1586张VOC及YOLO格式
    优质
    本数据集包含1586张图片，涵盖丰富多样的苹果图像，并已转换为VOC和YOLO两种标注格式，便于物体检测模型训练与评估。 数据集格式：Pascal VOC格式+YOLO格式（不含分割路径的txt文件，仅包含jpg图片及对应的VOC格式xml文件和yolo格式txt文件） 图片数量（jpg文件个数）：1586 标注数量（xml文件个数）：1586 标注数量（txt文件个数）：1586 标注类别数：1 标注类别名称：apple 每个类别的框数： - apple 框数 = 5776 总框数：5776 使用标注工具：labelImg 标注规则：对类别进行矩形框标记 重要说明：暂无 特别声明：本数据集不对训练模型或权重文件的精度作任何保证，仅提供准确且合理的标注。
     
  • 苹果图片数据集.zip
    优质
    苹果图片数据集.zip包含了丰富多样的苹果图像资源，适用于机器学习、计算机视觉研究及教育目的。该数据集有助于提升模型在识别与分类苹果方面的性能。 包含11种苹果的不同角度的图像。
     
  • 香蕉、葡萄和苹果的水果识别数据集（2380张图片，包含VOC、YOLO及JSON标注）.zip
    优质
    本数据集包括2380张香蕉、葡萄和苹果的图像，并提供VOC、YOLO格式以及JSON文件标注，适用于物体检测与分类任务。 该数据集包含2380张水果图片（香蕉、葡萄、苹果），并附带VOC (xml)、YOLO (txt) 和 JSON 三种格式的标签文件，适用于比赛项目使用。所有图像均为博主亲自拍摄制作而成，数据分布均匀且标注精准，适合多种目标检测算法直接应用。请注意，上传的所有数据均经过实际项目或实验验证，确保高质量无劣质内容，请放心下载并使用，有问题可随时留言咨询。
     
  • 9198张苹果目标检测数据集，Yolo格式，便于训练，涵盖多种状态下的苹果
    优质
    这是一个包含9198张图片的目标检测数据集，专为苹果设计，采用YOLO格式，支持多样化苹果状态的高效训练。 内容概要：该数据集包含9198张苹果目标检测图片，采用YOLO格式（txt文件），类别标记为0，便于训练使用。这些数据是由本人精心整理而成的，在机器上可以直接运行。尽管只包含苹果这一类别的图像，但涵盖了多种环境下的苹果样本，因此用此数据集训练出来的模型效果良好。
     
  • 苹果识别数据集，含4733张标注图片及XML文件
    优质
    本数据集包含4733张标注图片及其对应的XML文件，旨在用于训练和测试苹果识别算法。每一张图片均详细标注了苹果的位置和类别信息。 苹果识别数据集包含4733个带注释的图像以及相应的含有苹果信息的xml文件。
     
  • 苹果树叶片病害的分割数据集分析
    优质
    本研究构建了一个专门针对苹果树叶片病害的数据集，并对其进行详细分析和图像分割，以提高病害识别与分类精度。 苹果叶片病害的图片均采集自西北农林科技大学在西北地区的四个不同实验示范站。这些图片使用荣耀V10手机拍摄而成，在实验室（约51.9%）及实际种植场（约48.1%）、各种天气条件以及一天中的不同时段，记录了不同程度的苹果叶图像。病害种类包括交替叶斑病、灰斑病、褐斑病和锈病。
     
  • 智慧农业苹果树叶病害数据集（花叶病和斑点落叶病）916张图片，包含VOC/YOLO/JSON标签.zip
    优质
    本数据集包含916张针对苹果树花叶病和斑点落叶病的图像，提供VOC、YOLO及JSON格式标签，适用于智慧农业中机器视觉与深度学习研究。 苹果叶病害（包括花叶病、斑点落叶病、叶枯病）识别检测数据集适用于课程作业、设计比赛及实际项目应用，如智慧农业与植物疾病智能识别app等。该数据集中共有916张图片，背景丰富多样，目标物大小不一且角度各异，分布均匀，整体上具有较高的多样性。标签格式包括VOC（xml）、YOLO（txt）和JSON三种类型，适用于多种目标检测算法直接使用。所有标注均为人工完成，并确保了框选的准确性及数据质量的高度可靠性。
     
  • 苹果叶病害数据集-采用Yolo格式
    优质
    本数据集专注于收集并标注苹果叶片上各种病害信息，采用YOLO数据格式，旨在为农业人工智能领域提供高质量训练资源。 苹果叶片病害数据集——yolo格式