摘要:本研究构建了包含1400张标注图像、涵盖黄桃四个生长阶段的数据集,划分为训练集979张、验证集280张和测试集141张,并采用YOLO格式标注及7种数据增强方法提升模型泛化能力。
数据集简介
本研究构建了专门的黄桃生长阶段检测数据集,共包含1400张标注图像,按照7:2:1的比例划分为训练集(979张)、验证集(280张)和测试集(141张)。数据集涵盖幼果期(YellowPeach_Young)、膨大期(YellowPeach_Expanding)、着色期(YellowPeach_Coloring)和成熟期(YellowPeach_Ripe)四个关键生长阶段,各类别样本分布相对均衡,采用YOLO标准格式进行边界框标注,并应用水平翻转、垂直翻转、随机缩放、颜色变换、高斯模糊、亮度调整等7种数据增强方法以提升模型泛化能力。

图1 数据集直方图

图2 YOLO标注格式说明图
模型训练

图3 训练与验证指标随Epoch变化趋势图

图4 不同置信度阈值下的F1曲线

图5 目标检测PR曲线

图6 归一化混淆矩阵
应用案例

图7 应用案例:基于YOLO26的黄桃生长阶段检测系统设计与实现
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:AI-90-Datasets
原创声明:本数据集为原创作品
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)