摘要：该数据集主要面向芒果机械冲击损伤后的瘀伤区域自动识别与像素级分割研究，基于受控摆锤冲击实验构建，通过对芒果果肉表面的背景、正常组织和瘀伤组织进行精细标注，为深度学习语义分割、果实损伤检测和农产品品质评价提供数据基础。
数据集概述
该数据集包含 149 张原始 RGB 芒果图像以及 149 张与之对应的真实分割掩码，研究对象为 **Namdokmai Sithong（南多迈西通）**芒果。实验过程中，芒果在预设果实位置和不同冲击角度下接受受控摆锤撞击，随后经过约 48 小时的瘀伤发展期，再去除冲击区域表皮，使内部受损组织暴露，并在正常照明环境下进行 RGB 图像采集。该实验设计能够较清晰地呈现不同程度机械冲击造成的瘀伤组织边界和颜色变化。
数据结构与关键特征
数据集主要包含 Original Mango Bruise、namdokmai_sithong_mang 以及标注相关目录，下载包中提供原始 RGB 图像、对应的真实值分割掩码和 CVAT XML 注释文件。所有图像均采用 CVAT 进行像素级人工标注，并定义 3 个语义类别：背景（Background）、非瘀伤组织（Non-Bruised Tissue）和瘀伤组织（Bruised Tissue）。分割掩码采用颜色编码方式，其中蓝色表示背景、绿色表示正常组织、红色表示瘀伤组织，每张 RGB 图像均与对应掩码一一配对，非常适合直接用于监督式语义分割模型训练。
应用价值与研究方向
该数据集适合用于芒果瘀伤区域分割、机械损伤检测、果实品质分级、瘀伤面积定量分析和采后损伤评估等研究方向。算法方面可采用 U-Net、UNet++、DeepLabV3+、SegFormer、Mask2Former 等语义分割模型进行像素级识别，并进一步研究注意力机制、多尺度特征融合、边界优化和小样本增强等方法。还可以根据分割结果计算瘀伤面积占比、损伤程度和空间分布，实现“瘀伤定位—损伤面积估计—品质等级评价”的一体化智能分析，为水果采后处理、运输碰撞评估和自动化品质检测提供数据支持。
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-785
文件大小：145M
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)