Advertisement

水果蔬菜图像识别与定位的大型数据集

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


简介:
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。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • 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。
  • 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。
  • 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。
  • Python-Fruits360:包含
    优质
    Python-Fruits360 是一个多元化的图像数据库,内含各种水果和蔬菜的照片,旨在促进计算机视觉技术的发展与应用。 Fruits-360:包含水果和蔬菜的图像数据集。
  • .zip
    优质
    本数据集包含大量标注清晰的水果图像,旨在支持水果种类识别的研究与应用开发,涵盖苹果、香蕉等多种常见水果。 图像总数:22495张。训练集大小为16854张图片(每张图片包含一个水果或蔬菜)。测试集大小为5641张图片(每张图片同样只含有一个水果或蔬菜)。课程数量共计33个类别,涵盖各种不同的水果和蔬菜种类。图像尺寸统一为100x100像素。 训练数据文件的命名格式是:[水果/蔬菜名称][id].jpg(例如苹果布雷本100.jpg),并且为了提高模型鲁棒性,许多图片还进行了旋转处理。测试集中的文件名采用的是4位数字编号形式,如 0001.jpg。 训练数据结构包括33个子目录,每个水果或蔬菜类别都有自己的专属目录,并且总共有16854张用于训练的图像。测试集中则包含有5641份样本图片。此外还提供了一个.csv文件作为示例提交格式参考,其中包含了正确的ID号及相应的字符串标签信息。
  • 36类常见分类(含3600张片).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。
  • .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。
  • 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
  • -含代码教程.zip
    优质
    本资源包提供了一个全面的蔬菜图像识别数据集,并附带详细的项目代码和使用教程。有助于进行机器学习模型训练及分类研究。 蔬菜识别数据集提供了TensorFlow代码和教程,结合作者在B站发布的视频学习内容,快速掌握相关技能不是问题。关于数据集的详细信息,请参考相应的博客文章。