多品类水果与农产品目标检测数据集 | 目标检测 | 农业

【多品类水果与农产品目标检测数据集 | 目标检测 | 农业】
本数据集面向水果及农产品购销场景的目标检测，共含 19 个类别、总计 1119 张标注图像。类别丰富，涵盖柠檬、香蕉、梨、柑橘、番石榴、西瓜、菠萝、苹果、樱桃、杨梅、柚子、火龙果、释迦果、茶叶、袋装茶、米、罐头等常见商品，贴近零售与农产品流通场景，可用于果蔬分拣、自动结算与库存管理。

数据集概览

• 数据集名称：多品类水果与农产品目标检测数据集
• 任务类型：目标检测
• 图像总数：1119 张
• 标注类别：19 类
• 标注格式：YOLO TXT（归一化坐标）
• 适用框架：YOLOv5 / YOLOv8 / YOLOv10 / 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 19 个检测类别：

• 柠檬（柠檬）
• 香蕉（香蕉）
• 梨（梨）
• 柑橘（柑橘）
• 番石榴（番石榴）
• 西瓜（西瓜）
• 菠萝（菠萝）
• 苹果（苹果）
• 樱桃（樱桃）
• 杨梅（杨梅）
• 柚子（柚子）
• 火龙果（火龙果）
• 释迦果（释迦果）
• 茶叶（散装茶叶）
• 袋装茶（袋装茶叶）
• 米（大米）
• 罐头（罐头食品）

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. 果蔬分拣：对多种水果与农产品自动识别归类，提升分拣自动化水平。
2. 自动结算：在零售场景自动识别商品品类，实现快速结算。
3. 库存管理：实时统计多品类商品数量，辅助库存盘点与供应管理。

数据集特点

• 高质量标注：品类覆盖全面、类别丰富，标注规范统一，适用于多品类商品识别模型训练。
• 真实场景数据：图像贴近零售与农产品流通真实场景，品类多样，实用性较强。

获取方式

本数据集提供了百度网盘下载链接，登录后即可查看：