摘要：食品新鲜度数据集是一个带标签的图像数据集，旨在支持食品质量分类领域的机器学习研究，包含按新鲜度（从新鲜到腐烂）分类的水果和蔬菜图像。该数据集由三个公开数据集合并而成，经过预处理和数据增强优化，包含超过70,000张图像（总大小6.41GB），涵盖13个类别的水果和蔬菜（苹果、香蕉、甜椒、苦瓜、辣椒、胡萝卜、黄瓜、芒果、秋葵、橙子、土豆、草莓和西红柿）。每张图像均已标准化为128×128分辨率、归一化处理，并通过灰度转换、边缘检测和亮度调整等技术进行增强，以确保为深度学习模型提供高质量且一致的输入。
数据集概述
食品新鲜度数据集是一个带标签的图像数据集，旨在支持食品质量分类领域的机器学习研究，包含按新鲜度（从新鲜到腐烂）分类的水果和蔬菜图像。该数据集由三个公开数据集合并而成，经过预处理和数据增强优化，包含超过70,000张图像（总大小6.41GB），涵盖13个类别的水果和蔬菜（苹果、香蕉、甜椒、苦瓜、辣椒、胡萝卜、黄瓜、芒果、秋葵、橙子、土豆、草莓和西红柿）。每张图像均已标准化为128×128分辨率、归一化处理，并通过灰度转换、边缘检测和亮度调整等技术进行增强，以确保为深度学习模型提供高质量且一致的输入。标签基于视觉检查和聚类分析（K均值聚类、凝聚聚类）生成，代表食品质量的多个阶段。数据集分为两个主要目录：Fresh/（包含新鲜采摘农产品的图片）和Rotten/（包含变质或过期农产品的图片），每个目录按13种食品类型细分子文件夹。该数据集采用Apache 2.0许可协议，可用性评分7.50/10，适用于开发食品腐败检测、食品安全应用和智能库存管理系统的计算机视觉模型。
数据结构与关键特征
数据集包含超过70,000张128×128像素的标准化图像（总大小6.41GB），采用二分类目录结构：Fresh/（新鲜农产品）和Rotten/（腐烂农产品），每个目录下按13种食品类型（苹果、香蕉、甜椒、苦瓜、辣椒、胡萝卜、黄瓜、芒果、秋葵、橙子、土豆、草莓、西红柿）组织子文件夹。关键特征包括：多源数据融合（由三个公开数据集合并，增强数据多样性和覆盖面）、标准化预处理（统一分辨率128×128像素和归一化处理确保数据一致性）、专业数据增强（通过灰度转换、边缘检测和亮度调整提升模型鲁棒性）、科学标注方法（基于视觉检查和聚类分析包括K均值聚类和凝聚聚类生成标签，代表食品质量的多个阶段）、13类食品覆盖（涵盖不同颜色、形状和纹理的常见水果和蔬菜）、以及清晰的二分类设计（Fresh vs Rotten提供明确的质量判别标准）。数据集的标准化处理（128×128分辨率）平衡了图像细节和计算效率，适合快速训练和移动端部署，70,000+的规模为深度学习模型提供了充足的训练样本，多源融合和专业增强技术确保了数据的多样性和模型的泛化能力。
应用价值与研究方向
该数据集在智能农业、食品安全、零售业和计算机视觉研究领域具有重要应用价值，可用于开发食品新鲜度自动检测系统、智能冰箱、超市库存管理工具和食品安全监控平台。研究方向包括：基于深度学习的食品质量分类算法（CNN、ResNet、EfficientNet、Vision Transformer）、二分类模型（新鲜vs腐烂）、多任务学习（同时识别食品类型和新鲜度）、迁移学习从ImageNet预训练模型、图像增强技术优化、轻量级模型设计用于边缘设备部署、聚类算法在食品质量评估中的应用、以及早期腐败检测。数据集的13类食品覆盖特别适合研究跨类别的通用新鲜度识别模型、不同食品的腐败特征差异、以及如何构建统一的食品质量检测平台。此外，该数据集还可扩展至保质期预测、食品储存条件优化、减少食品浪费、智能采购决策等应用场景，为推动AI技术在食品行业的应用、提升食品安全水平、降低食品浪费率、改善供应链管理、支持可持续消费提供重要的数据支撑和技术基础。数据集的标准化预处理（128×128统一分辨率）和专业增强技术确保了模型训练的效率和效果，多源数据融合增强了模型的泛化能力，Apache 2.0许可协议支持商业和学术使用，7万+图像的规模和13类食品的多样性为训练鲁棒的食品质量检测模型提供了充足的数据保障。
数据集来源
由张家梁(Bob)整理并于2026年在7zcode平台公开发布。
数据集信息
免责声明与引用
数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。
作者信息
作者：Bob (张家梁)
项目编号：Datasets-244
文件大小：5.8G
原创声明：本数据集为整理作品
联系方式
开源协议
本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。
评论(0)