六种水果分级-图像分类数据集

原创 已于 2025-12-15 10:35:43 修改 · 1.7k 阅读 · 14 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#分类 #数据挖掘 #人工智能 #图像分类 #深度学习 #机器学习

于 2025-01-02 11:56:39 首次发布

六种水果分级-图像分类数据集

数据集：
链接: https://pan.baidu.com/s/1ul4BRCOwvpC6PTIw7yOBfg?pwd=6qkt 
提取码: 6qkt

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
数据集信息介绍：
Bad Quality_Fruits中：
文件夹 Apple_Bad 中的图片数量: 1141
文件夹 Banana_Bad 中的图片数量: 1087
文件夹 Guava_Bad 中的图片数量: 1129
文件夹 Lime_Bad 中的图片数量: 1085
文件夹 Orange_Bad 中的图片数量: 1159
文件夹 Pomegranate_Bad 中的图片数量: 1187
所有子文件夹中的图片总数量: 6788

Good Quality_Fruits：
文件夹 Apple_Good 中的图片数量: 1149
文件夹 Banana_Good 中

最低0.47元/天 解锁文章
一步一步介绍如何基于 YOLO-NAS 训练水果检测数据集+检测的代码实现
DT程序员的博客
06-16 1616
详细介绍如何一步一步基于 YOLO-NAS 训练水果检测数据集+检测的代码实现
bayes实现水果分类（python，包含数据集）
09-25
使用bayes算法实现水果分类，附件中包含数据集 #根据测试数据进行提取数据特征， 分类，求方差，均值，然后对每类进行特征值提取
水果数据集
01-27
博客需要用到的水果数据集。
fruits.zip水果分类数据集
12-21
水果分类数据集
YOLO格式水果目标检测数据集（含苹果、香蕉、梨、橙子）
最新发布
weixin_34456923的博客
10-11 1083
在深度学习推动计算机视觉快速发展的背景下，目标检测技术经历了从两阶段检测器向单阶段检测器的重大范式转变。早期以R-CNN系列为代表的两阶段方法（如R-CNN、Fast R-CNN、Faster R-CNN）通过区域建议网络（Region Proposal Network, RPN）生成候选框，再对每个候选框进行分类和回归，虽然精度较高，但其推理速度慢、计算开销大，难以满足实时性要求。
水果识别数据集（日常常见33种水果）
weixin_44906759的博客
10-23 6437
图像总数：22495。训练集中每个种类的水果400-600图片不等。 训练集大小：16854 图像（每个图像一个水果或蔬菜）。 测试集大小：5641 图像（每个图像一个水果或蔬菜）。
yolo算法-水果质量数据集-22217张图像带标签bad-quality-v1.zip
10-26
本文档提供的数据集为“yolo算法-水果质量数据集-22217张图像带标签bad-quality-v1.zip”，它是一个专门针对水果质量检测的YOLO算法训练数据集。该数据集包含了22217张图像以及对应的标注信息，这些图像和标签能够...
yolo算法-腐烂水果检测器数据集-2700张图像带标签rotten-fruit-detector.zip
10-26
YOLO（You Only Look Once）算法是一种流行的目标检测算法...本数据集为研究者和开发者提供了一个很好的起点，能够帮助他们快速开始在目标检测领域，尤其是腐烂水果检测这一具有实际应用价值的问题上的研究和开发工作。
yolov13水果质量检测-农产品分级和质量评估+数据集+训练好的模型.zip
07-13
yolov13水果质量检测-农产品分级和质量评估+数据集+训练好的模型，包含有使用教程和模型评价指标曲线图； 1. 内部包含标注好的目标检测数据集，分别有yolo格式(txt文件)和voc格式标签(xml文件), 共3304张图像， 已...
新鲜与腐烂水果目标检测数据集.zip
05-08
业界首个同时包含7种常见水果新鲜与腐烂双状态的标注数据集，支持二阶段检测模型开发 高实用价值类别： 精选芒果、石榴等高经济价值水果，标注样本涵盖不同腐烂程度的典型特征 真实场景适配性： 图像采集包含枝叶...
【水果数据集】水果品种识别 人工智能 机器学习（含数据集）
机器学习,深度学习,计算机视觉爱好者,整理分享技术资料与项目案例。
10-30 2580
水果种类数据集是一个专门用于水果识别和分类的重要资源，包含多种水果类型，包括金冠苹果、青苹果、梨、红苹果、红蜜桃和黄桃。该数据集为深度学习模型的训练和评估提供了丰富的样本，旨在提升水果自动识别技术的准确性和效率。通过自动化的水果识别系统，农场主能够实时监控水果的种类和成熟度，从而优化采摘和销售策略，提高管理效率。准确识别水果种类有助于确保食品质量，避免混淆不同品种，提升消费者的信心，有助于食品供应链的透明度。
KNN实现水果分类的数据集
10-17
KNN实现水果分类的数据集KNN实现水果分类的数据集，KNN实现水果分类的数据集，KNN实现水果分类的数据集
深度学习图像识别数据集：11种水果分类数据集（11分类）
01-22
数据集包含11种水果分类数据集（11分类）数据按照文件夹储存，不需要处理可直接用作深度学习训练数据。 数据分为以下11类：苹果、鳄梨、蓝莓、辣椒、樱桃、猕猴桃、芒果、橙子、岩瓜、草莓、小麦 数据集总大小：864MB 下载解压后的图像目录：训练集（2562张图片）和测试集（636张图片） data-train 训练集-每个子文件夹放同类别的图像，文件夹名为分类类别 data-test 测试集-每个子文件夹放同类别的图像，文件夹名为分类类别 除此之外，提供了classes的json字典类别文件，以及可视化的脚本py文件
水果分类数据集 fruits分类数据集.rar
03-21
水果分类数据集，包括apple、banana、grape、orange、pear五个类别，并含有分类标签
Fruit Recognition 水果识别-数据集
03-18
22495 水果图片！ fruit-recognition_datasets.txt fruit-recognition_datasets.zip
水果识别图片数据集.zip
05-09
图像总数：22495。 训练集大小：16854 图像（每个图像一个水果或蔬菜）。 测试集大小：5641 图像（每个图像一个水果或蔬菜）。 课程数量：33（水果和蔬菜）。 图像大小：100x100像素。 培训数据文件名称格式：[水果/蔬菜名称][id].jpg（例如苹果布雷本100.jpg）。许多图像也旋转，以帮助训练。 测试数据文件名格式：[4 位 ID].jpg（例如 0001.jpg） 数据 训练 - 包含 33 个子折叠器的训练文件夹，其中每个水果/蔬菜的训练图像位于其中。总共有16854张图片。 测试 - 包含 5641 个测试图像 样本的测试文件夹.csv - 以正确的格式提交示例文件，带有 ID 号和字符串标签
[数据集][图像分类]水果分类数据集22万张262类别
FL1623863129的博客
09-27 799
特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理分类存放。数据集格式：仅仅包含jpg图片，每个类别文件夹下面存放着对应图片。数据集类型：图像分类用，不可用于目标检测无标注文件。图片数量(jpg文件个数)：225639。
30类水果图像分类数据集与深度学习应用
weixin_33173126的博客
07-25 691
在现代图像识别领域中，一个高质量的数据集是不可或缺的。本章将介绍一个水果图像分类数据集，它包含了一系列不同种类的水果图片。这些图片旨在帮助研究人员和开发者创建和测试图像识别系统，特别是深度学习模型，以提高分类任务的准确性。数据集不仅包括了图像的多样化，还注重于图片的质量和多样性，确保了图像在大小、光照、角度和背景等方面的多样性。这样的设计有助于模型学会在各种不同条件下识别水果，从而提高其在真实世界环境中的适应能力和准确性。
水果数据集(Fruit-Dataset )+水果分类识别训练代码(支持googlenet, resnet, inception_v3, mobilenet_v2)
热门推荐
AI吃大瓜的博客
08-27 5万+
水果数据集，水果分类识别，水果识别，本项目将采用深度学习的方法，搭建一个水果分类识别的训练和测试系统，实现一个简单的水果图像分类识别系统。目前，基于ResNet18的水果分类识别，支持262种水果分类识别，在水果数据集Fruit-Dataset上，训练集的Accuracy在94%左右，测试集的Accuracy在82%左右，骨干网络，可支持googlenet, resnet[18,34,50], inception_v3，mobilenet_v2...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值