餐厅餐盘剩余食物种类检测数据集 | 目标检测

本数据集面向餐厅餐盘剩余食物种类检测场景的目标检测任务，涵盖29个检测类别，总计3,904张标注图像。数据集适用于农业识别领域的算法研究、模型训练与工程应用。

数据集概览

数据集名称：餐厅餐盘剩余食物种类检测数据集
任务类型：目标检测
图像总数：3,904 张
标注类别：29 类
标注格式：YOLO TXT（归一化坐标）
适用框架：YOLOv5 / YOLOv8 / YOLOv10 / YOLOv11 / YOLO26 / RT-DETR
数据划分：训练集 / 验证集 / 测试集

检测类别与标注分布

本数据集包含29个检测类别，各类别标注分布如下：

Smoked hazelnut（烟熏榛子）
objects（部件）
Coppa（COPPA）
Finocchiona
Fish Cake（鱼糕）
Goat Cheddar（山羊切达干酪）
Goat Cheese Sorbet（山羊奶酪冰糕）
Green Peas（豌豆）
Grilled Asparagus（烤芦笋）
Hairloom Tomatoe（发型西红柿）
Hairloom Tomatoes（发型西红柿）
Hickroy Sticks
Pea shoots（豌豆芽）
Maitake mushrooms（舞竹蘑菇）
Lentils and rice（扁豆和大米）

技术规格

标注格式：YOLO TXT格式，每行标注为 class x_center y_center width height，坐标值归一化至 [0, 1]
数据划分：按照标准比例划分训练集、验证集与测试集，可直接用于模型训练与性能评估
数据来源：Roboflow Universe 平台

应用场景

1. **目标检测模型训练**：使用本数据集训练目标检测模型，实现餐厅餐盘剩余食物种类检测的自动识别
2. **算法研究**：作为目标检测算法的基准数据集，用于性能评估与横向对比
3. **工程应用**：支持智能检测系统的开发与部署
4. **教学与科研**：适用于计算机视觉、深度学习等领域的科研项目与课程实践