Advertisement

水果新鲜度检测数据集

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

简介：
本数据集包含了多种常见水果的新鲜度信息，通过图像和传感器采集的数据来训练机器学习模型，以实现自动识别水果新鲜程度的功能。 数据集包含几百张水果新鲜程度检测图片，目标类别包括apple、bad banana、banana和bad apple共4个类别。标签格式为txt和xml两种，并分别保存在两个不同的文件夹中。数据集及检测结果的参考内容可查阅相关文献或资料。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 水果新鲜度检测数据集
    优质
    本数据集包含了多种常见水果的新鲜度信息，通过图像和传感器采集的数据来训练机器学习模型，以实现自动识别水果新鲜程度的功能。 数据集包含几百张水果新鲜程度检测图片，目标类别包括apple、bad banana、banana和bad apple共4个类别。标签格式为txt和xml两种，并分别保存在两个不同的文件夹中。数据集及检测结果的参考内容可查阅相关文献或资料。
     
  • YOLOv5水果新鲜度检测+训练完成的水果新鲜度检测模型+PyQt界面+水果新鲜度检测数据集
    优质
    本项目基于YOLOv5框架开发了水果新鲜度检测系统，并结合PyQt构建用户界面，利用特定的数据集进行模型训练和评估，提供高效准确的新鲜度识别能力。 本项目使用YOLOv5进行水果新鲜程度检测，包含两种预训练模型（yolov5s和yolov5m），用于识别苹果、坏香蕉、香蕉和坏苹果这四个类别。该项目还包括一个PyQt界面，支持图片、视频以及调用摄像头的实时检测功能。 数据集包括几百张图片，并且标签格式有txt和xml两种形式，分别存储在不同的文件夹中。项目采用PyTorch框架编写，使用Python语言实现。
     
  • YOLOv5水果新鲜度及品质检测数据集
    优质
    本数据集为基于YOLOv5的水果新鲜度与品质评估系统提供支持，包含多种常见水果的高分辨率图像，并详细标注了每张图片中水果的新鲜程度和品质等级。 提供了一个用于检测水果外观好坏及新鲜度的YOLO数据集，包含约1000个样本，并且已经按照yolo格式（txt文件）进行了标注并划分成train、val、test三个部分。此外，还附带了data.yaml配置文件以便于使用Yolov5、Yolov7或Yolov8等算法进行模型训练。 该数据集的目录结构和标签如下所示： - data.yaml中定义了类别数量（nc: 6）以及各类别的名称：[Fresh Apple, Fresh Banana, Fresh Orange, Rotten Apple, Rotten Banana, Rotten Orange]。
     
  • 水果检测数据集
    优质
    本数据集包含各类新鲜及不新鲜水果的图像和属性信息，旨在支持机器学习算法识别与分类不同种类的水果，促进农业智能化管理。 该数据集包含4个不同类别的200张图像，用于进行水果检测。数据集文件名为Fruit Detection_datastes.txt 和 Fruit Detection_datastes.zip。
     
  • 水果餐桌检测数据集YOLO8
    优质
    水果餐桌检测数据集YOLO8是一个专为提升水果在餐桌环境中的识别精度而设计的数据集合，采用先进的YOLO算法进行高效物体检测与定位。 餐桌水果检测数据集YOLO8采用CC BY 4.0许可协议。该数据集包含2611张图片，旨在为模型的可推广性创建新的对象检测基准。
     
  • VOC格式标签的水果检测数据集
    优质
    本数据集包含大量以VOC格式标注的水果图像，旨在促进水果识别与分类研究，适用于训练和测试相关计算机视觉模型。 该数据集是从COCO2017数据集中提取的水果检测数据，并转换为txt和xml两种格式标签，适用于YOLO算法进行水果识别。目标类别包括香蕉（banana）和苹果（apple）。共有33254个样本。
     
  • 无标签水果检测数据集RAR文件
    优质
    本数据集为一匿名化水果图像集合，包含多种常见及少见水果品种，旨在促进无标签机器学习研究与模型训练，助力于提高图像识别算法性能。 水果检测（fruits）无需标签数据即可进行。
     
  • Yolov5水果蔬菜检测数据集-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
     
  • 2000张水果的Yolo算法检测数据集
    优质
    本数据集包含超过2000张标注图片，旨在支持YOLO算法在各种常见及特殊水果上的目标检测研究与应用开发。 我们提供了一个包含2000张图片的水果检测数据集，用于YOLO算法训练。该数据集已经按照Yolo格式（txt文件）标注，并且根据train、val、test进行了划分。此外，还附有data.yaml配置文件，使得YOLOv5、YOLOv7和YOLOv8等版本可以直接进行模型训练。 在我们的数据集中，共有五种水果：苹果(Apple)、香蕉(Banana)、奇异果(Kiwi)、橙子(Orange)以及梨(Pear)，这些信息已经在data.yaml文件中进行了详细说明。