水果识别目标检测数据集 | 目标检测 | 农业

【水果识别目标检测数据集 | 目标检测 | 农业】
本数据集为面向水果识别与分类的目标检测数据集，共包含6个标注类别，总计1199张标注图像，类别涵盖苹果、香蕉、橙子、柠檬、番茄和石榴等水果，适用于智能零售、果蔬自动结算与分拣场景，可支撑多品种水果的自动识别与定位模型训练。

数据集概览

• 数据集名称：水果识别目标检测数据集
• 任务类型：目标检测
• 图像总数：1199 张
• 标注类别：6 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 6 个检测类别：

• 苹果（apple）（苹果）
• 香蕉（banana）（香蕉）
• 橙子（orange）（橙子）
• 柠檬（Lemon）（柠檬）
• 番茄（Tomato）（番茄）
• 石榴（Pomegranate）（石榴）

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. 智能零售：自动识别并定位多种水果，支撑自助收银与商品识别。
2. 自动结算：在无人超市场景快速识别水果品类，提升结算效率。
3. 果蔬分拣：对多种水果分类定位，支撑分拣与包装自动化。

数据集特点

• 高质量标注：从 Roboflow Universe 精选的高质量图像数据，经过严格筛选与标注，标签边界精确，可直接用于模型训练。
• 真实场景数据：图像源自真实业务场景，涵盖多种光照、角度与环境变化，具备良好的泛化能力，贴近实际部署需求。

获取方式

本数据集提供了下载链接，登录后即可查看：