【目标检测数据集】番茄成熟度检测640张3类别VOC+YOLO格式

于 2025-04-05 20:22:47 发布
阅读量154 收藏
点赞数 2
分类专栏： 数据集 文章标签： 目标检测 YOLO 人工智能 番茄成熟度
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。
本文链接：https://blog.youkuaiyun.com/lwx666sl/article/details/147015242
版权

【目标检测数据集】番茄成熟度检测640张3类别VOC+YOLO格式

数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)
图片数量(jpg文件个数)：643
标注数量(xml文件个数)：643
标注数量(txt文件个数)：643
标注类别数：3
标注类别名称:["fully_ripened","green","half_ripened"]
每个类别标注的框数：
fully_ripened 框数 = 1330
green 框数 = 5134
half_ripened 框数 = 1317
总框数：7781
使用标注工具：labelImg
标注规则：对类别进行画矩形框
重要说明：暂无
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标注

标注示例或图片概览：

基于深度学习的番茄识别与实例分割
qq_61890005的博客
06-15 645
目前番茄采摘主要依靠人工，实现番茄产业机械化和智能化刻不容缓，而番茄检测是最基础也最重要的一步。针对该问题，提出一种基于改进Mask RCNN的番茄检测算法。该算法选择ResNet50和FPN作为主干网络，提出一种新型RoI提取器，并在算法模型中使用空洞卷积（Atrous）。通过Labelme自制番茄数据集，将改进算法在自制数据集上进行训练和测试。结果表明，与Faster RCNN和Mask RCNN模型相比，改进后的模型AP值分别提高了5.5%和4.7%，AR值分别提升了6.8%和4.6%。
【目标检测】西红柿成熟度数据集三类标签原始数据集280张
crasher123的博客
03-26 387
文末有分享链接标签名称names:- unripe。
基于YOLOv8深度学习的西红柿成熟度检测系统【python源码+Pyqt5界面+数据集+训练代码】目标检测、深度学习实战
阿旭的博客
12-11 8927
基于YOLOv8深度学习的西红柿成熟度检测系统【python源码+Pyqt5界面+数据集+训练代码】目标检测、深度学习实战
番茄成熟度检测数据集VOC+YOLO格式1521张3类别
最新发布
FL1623863129的博客
02-18 258
标注类别名称(注意yolo格式类别顺序不和这个对应，而以labels文件夹classes.txt为准):["fully-ripened","green","semi-ripened"]数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)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标注。标注数量(xml文件个数)：1521。标注数量(txt文件个数)：1521。
西红柿检测数据集+1000数据
06-06
1、西红柿检测数据集，每张图片有多个西红柿目标，近1000张使用lableimg软件标注软件标注好的数据，图片格式为jpg，标签有两种，分别为xml格式和txt格式，分别保存在两个文件夹中，可以直接用于YOLO系列的西红柿检测；目标类别名为tomato； 2、数据集和检测结果参考：https://blog.youkuaiyun.com/zhiqingAI/article/details/124230743
基于目标检测的番茄采摘模型
m0_63642362的博客
05-27 2739
转自AI Studio，原文链接：​​​​​​【AI Workshop】PaddleDetection番茄目标果检测 - 飞桨AI Studio 1、项目内容 随着日常饮食的逐渐丰富,以番茄为原料的食品种类也在不断地增多。在当下劳动力日渐匮乏的时代,人工采摘番茄耗时耗力,生产成本很高,应大力发展智能采摘设备,提高采摘效率。针对番茄采摘过程中,番茄果实目标识别不准确以及无法对番茄串采摘点定位的问题,开展基于深度学习的温室内番茄果实目标识别,可以准确地识别出重叠的番茄果实，希望通过视频监控->目标检测
西红柿--成熟与不成熟图像处理
思想定界
11-05 1039
第一步--中值滤波处理 IplImage* src;//调取图像 int _tmain(int argc, _TCHAR* argv[]) { src=cvLoadImage("potato.jpg"); if(src) { IplImage* dst=cvCreateImage(cvGetSize(src),IPL_DEPTH_8U,src->nChannels); cvSmoo
【目标检测数据集】西红柿番茄成熟度检测640张3类别VOC+YOLO格式.zip
06-02
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：643 标注数量(xml文件个数)：643 标注数量(txt文件个数)：643 ...
番茄成熟度检测数据集VOC+YOLO格式277张3类别.7z
03-18
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：277 标注数量(xml文件个数)：277 标注数量(txt文件个数)：277 ...
番茄成熟度检测数据集VOC+YOLO格式277张3类别
03-22
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：277 标注数量(xml文件个数)：277 标注数量(txt文件个数)：277 ...
西红柿成熟度检测数据集VOC+YOLO格式3241张5类别.7z
09-05
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：3241 标注数量(xml文件个数)：3241 标注数量(txt文件个数)：...
目标检测数据集西红柿数据集VOC格式-1455张.zip
06-04
数据集格式：Pascal VOC格式(不包含分割路径的txt文件和yolo格式的txt文件，仅仅包含jpg图片和对应的xml) 图片数量(jpg文件个数)：1455 标注数量(xml文件个数)：1455 标注类别数：1 标注类别名称:["tomato"] 每个...
番茄（圣女果/西红柿）数据集
05-22
该数据集包含895张番茄具有PASCAL VOC格式的边界框注释的图像，可用于创建检测模型，对番茄进行目标检测。 文件内容主要有： Tomato Detection_datasets.txt Tomato Detection_datasets.zip 可以在以下链接预览：YOLOv5训练自己的数据集（Windows）：https://blog.youkuaiyun.com/weixin_43042683/article/details/125103305 数据集的缺少，是非常头疼的，自己制作数据集麻烦又费事。希望该数据集能为你解决此问题，祝你科研顺利。 注：抱歉，tomato0.xml，tomato1.xml，tomato10.xml数据损害，需要重新进行边框注释。可参考Windows+Python配置和使用labelImg（附：两种无需配置环境，直接使用的方法）：https://blog.youkuaiyun.com/weixin_43042683/article/details/125088863
基于深度学习的钢铁缺陷检测系统（含UI界面，Python代码，数据集、yolov5）
you 是 mine
12-01 4286
本文将详细介绍如何使用深度学习中的YOLOv5算法实现对钢材表面缺陷的检测，并利用PyQt5设计了简约的系统UI界面。在界面中，您可以选择自己的视频文件、图片文件进行检测。此外，您还可以更换自己训练的yolov5模型，进行自己数据的检测。该系统界面优美，检测精度高，功能强大。它具备多目标实时检测，同时可以自由选择感兴趣的检测目标。本博文提供了完整的Python程序代码和使用教程，适合新入门的朋友参考。您可以在文末的下载链接中获取完整的代码资源文件。
YOLO系列目标检测数据集大全
热门推荐
小秋的博客
04-17 14万+
YOLO系列目标检测数据集大全目标检测数据集无人机检测数据集飞鸟检测数据集人脸和口罩检测数据集安全帽检测数据集火焰检测数据集火焰和烟雾检测数据集行人检测数据集行人车辆检测数据集车辆检测数据集待更新…… 目标检测数据集 无人机检测数据集 数据集下载： 飞鸟检测数据集 人脸和口罩检测数据集 安全帽检测数据集 火焰检测数据集 火焰和烟雾检测数据集 行人检测数据集 行人车辆检测数据集 车辆检测数据集 待更新…… .....................
基于R-CNN深度学习的番茄成熟度检测系统：数据集、模型和UI界面的完整实现
m0_52343631的博客
11-06 1027
R-CNN（Region-based Convolutional Neural Networks）是一种经典的目标检测方法。区域提议：通过选择性搜索算法生成候选区域（Region Proposals），这些区域包含可能出现目标的地方。特征提取：利用深度卷积神经网络（CNN）提取每个候选区域的特征。分类与回归：对每个候选区域进行分类（例如：成熟度分类），同时进行边界框回归，调整检测框的位置。R-CNN的一个关键特性是利用CNN提取深层特征，这使得其在目标检测任务中表现优异。
【YOLO 系列】基于YOLO V8的车载摄像头交通信号灯检测识别系统【python源码+Pyqt5界面+数据集+训练代码】
牧子川的博客
06-23 1622
随着智能交通的发展，准确识别交通信号灯对提高道路安全和交通效率有重要的作用。传统的交通信号灯识别方法主要依靠传感器，存在安装成本高、维护困难等问题。为解决这些问题，我们利用YOLOV8技术，开发了基于车载摄像头的交通信号灯自动识别系统。
【毕业设计】基于计算机视觉的西红柿检测 深度学习 Python 目标检测
weixin_55149953的博客
12-29 772
基于计算机视觉的西红柿检测技术。通过构建一个基于深度学习的检测模型，结合卷积神经网络（CNN）等算法，分析不同生长阶段西红柿的图像数据。研究中将采集西红柿生长环境下的图像，重点关注图像预处理、特征提取和模型训练等关键环节，实现对西红柿的精准检测和分类。实验结果表明，该系统在多种生长环境下均能有效识别西红柿，并具备良好的实时性和准确性，为智能农业管理提供了技术支持。
西红柿成熟度检测数据集：640张图片、3类别VOC&YOLO格式
资源摘要信息:"【目标检测数据集】西红柿番茄成熟度检测640张3类别VOC+YOLO格式.zip" 1. 数据集概述 本数据集专为西红柿番茄成熟度检测设计，共包含643张标注图片，采用Pascal VOC格式和YOLO格式两种标注方式。数据...
评论
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

打赏作者

不会仰游的河马君

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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