河南特色农产品图像分类数据集

本数据集包含河南特色农产品图像，涵盖灵宝苹果、杞县大蒜、温县铁棍山药、信阳毛尖茶和新郑大枣等农产品。基于Swin Transformer模型，利用深度学习自动提取特征并输出分类标签和置信度，支持农产品的智能识别与分类。

数据集概览

数据图像：

图1 样本图像

数据类型：

表1 数据类型与格式

数据规模：
（1）数据集划分饼图

图2 数据集划分饼图

数据集类别

表3 类别定义

数据集来源

表4 数据集来源与说明

数据集用途

本数据集用于河南特色农产品图像的分类模型训练与验证，涵盖灵宝苹果、杞县大蒜、温县铁棍山药、信阳毛尖茶和新郑大枣等农产品。可应用于以下研究与开发方向：
（1）模型训练：支持基于深度学习的图像分类模型（如ResNet50、VGG16、Swin Transformer）进行农产品图像特征学习。
（2）性能评估：用于测试模型在农产品分类任务中的准确率、召回率、F1值等指标。
（3）特征分析：研究不同农产品在图像特征、细节变化等方面的差异。
（4）系统开发：为农产品识别系统、智能农业平台及供应链管理提供数据支持。

数据集须知

（1）数据来源：基于公开的河南特色农产品图像数据集，仅限科研与教学用途。
（2）数据结构：包含训练集与测试集，分为五类样本（灵宝苹果、杞县大蒜、温县铁棍山药、信阳毛尖茶、新郑大枣）。
（3）文件格式：图像文件为.jpg格式（按类别文件夹组织），文件命名与类别标签严格对应。
（4）使用要求：需遵守农产品图像数据隐私与伦理保护相关规定，引用时须注明数据来源。
（5）适用范围：适用于河南特色农产品图像识别、分类、特征提取及智能农业系统研究。

数据集性能

训练与验证准确率和损失曲线：

图3 训练与验证准确率和损失曲线线

准确率图显示训练和验证准确率保持在高水平，接近1，表明模型表现良好。损失图中训练和验证损失较低，说明模型学习效果良好，没有明显的过拟合或欠拟合。

混淆矩阵热力图：

图4 混淆矩阵热力图

混淆矩阵显示每个类别的对角线值都为1（例如，“灵宝苹果”，“杞县大蒜”等），这表明模型能够完美地分类每个类别，没有任何误分类。

各类的分类性能评估：准确率、精确率、召回率与F1分数图

图5 各类的分类性能评估：准确率、精确率、召回率与F1分数图

精确率、召回率和F1得分均为1，说明模型在每个类别的预测中都非常准确，能够完美识别所有实例，且在精确率与召回率之间达到了理想平衡。