摘要:本研究构建了包含2,280张图像、2,600个YOLO格式标注目标的苦瓜缺陷检测数据集,涵盖正常、划伤、擦伤、裂纹、虫蛀和腐烂6类,按7∶2∶1划分训练集、验证集和测试集,并采用翻转、缩放等方法进行数据增强。

数据集简介

本研究构建了包含2,280张苦瓜图像的缺陷检测数据集,涵盖6种类别(正常、划伤、擦伤、裂纹、虫蛀、腐烂),共计2,600个目标标注,按照70:20:10的比例划分为训练集(1,596张)、验证集(456张)和测试集(228张),各类别分布均衡(15%-19%),图像采用标准YOLO格式标注,并应用翻转、缩放、亮度调整、雾化等多种数据增强技术以提高模型泛化能力。

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的油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-97-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。

声明:本站所有项目资源都可以正常运行,亲测无错!而且我们录制了演示视频,在我们注明的环境版本下,项目运行效果完全和演示视频一致。客服QQ:下载须知