摘要：该数据集主要面向泰国芒果品种自动识别与成熟阶段分类研究，覆盖 Namdokmai Sithong、Mahachanok 和 R2E2 等典型芒果品种，并按照不同成熟阶段进行图像分类标注，可用于机器学习、深度学习、农产品品质检测以及智能分选系统研究。
数据集概述
该数据集在受控光照和统一白色背景条件下采集芒果 RGB 图像，图像主要以 JPG 格式保存，最大宽度约为 2394 像素。数据包含 Namdokmai Sithong、Mahachanok 和 R2E2 三个芒果品种，同时按照 M1、M2 和 M3 等成熟阶段进行组织，其中 M1 表示不成熟阶段，M2 表示出口用不成熟阶段，M3 表示国内市场对应的成熟度阶段。每幅图像同时具有品种和成熟阶段信息，因此可以同时开展芒果品种分类与成熟度分级任务。原始说明中未给出完整图像总数，因此不宜对样本规模作额外推断。。
数据结构与关键特征
数据集采用“品种—成熟阶段”两级目录结构，其中 Mahachanok 下包含 MHN_M1、MHN_M2、MHN_M3，Namdokmai Sithong 下包含 NDM_M1、NDM_M2、NDM_M3，而当前提供的 R2E2 目录中列出了 R2E2_M1 和 R2E2_M2。这种结构能够同时反映芒果的品种差异和成熟度变化。由于图像在统一背景与受控照明下采集，可以降低环境背景干扰，使模型更加集中地学习芒果的果形、果皮颜色、纹理、大小以及成熟过程中颜色变化等视觉特征，适合进行细粒度分类研究。
应用价值与研究方向
该数据集适合用于芒果品种识别、成熟度分级、果实品质评价、自动分选和精准农业等研究方向。传统机器学习方法可以提取颜色、纹理和形态特征，并结合随机森林、SVM、XGBoost 等算法进行分类；深度学习方向可采用 ResNet、EfficientNet、InceptionV3、ConvNeXt、Vision Transformer 等网络直接进行图像识别。进一步还可以研究品种与成熟度多任务学习、颜色空间特征融合、迁移学习、可解释人工智能以及轻量化模型部署，用于构建“图像采集—品种识别—成熟度判断—自动分级”的芒果智能品质检测系统。
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-787
文件大小：833M
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)