水果蔬菜检测数据集数据集概述水果蔬菜检测数据集覆盖 35 类常见水果与蔬菜共 8100 张图像采用 YOLO 与 VOC 双格式标注图片清晰、标注完整适用于水果蔬菜目标检测、图像识别、农产品分拣、智慧农业等视觉任务可直接用于模型训练数据齐全开箱即用。核心参数项目详情数据集名称水果蔬菜检测数据集数据规模8100 张图像标注类别数35 类标注格式YOLO 格式 VOC 格式核心用途果蔬检测、图像识别、农产品分拣、智慧农业标注类别说明共 35 类含各类图像数与标注框数序号类别名称图像数标注数0pear梨113318631cucumber黄瓜1482592strawberry草莓70243423carrot胡萝卜45454orange橙子3694805banana香蕉253439566grapes葡萄107614037apple苹果171623008coconut椰子4226439lemon柠檬13622810bitter_gourd苦瓜171711kiwi猕猴桃4710812bell_pepper甜椒10013413dragon fruit火龙果1463146814sugar apple番荔枝1664166415oren奥伦1007101316guava番石榴1021119117pineapple菠萝1132113218zucchini西葫芦181819Garlic大蒜13727420Onion洋葱14430121Green Chili青椒17329422Potato土豆20332523Tomato番茄27539624apricots杏25176725Sponge Gourd丝瓜647626Cauliflower花菜11811827Calabash葫芦929228Lady finger秋葵14820629Cabbage卷心菜10310330Brinjal茄子6812231Capsicum甜椒6817832Bitter melon苦瓜13720033Ginger姜828534peach桃子656671类别不平衡提示数据集存在明显的类别分布差异数据量较多banana2534、sugar apple1664、apple1716、dragon fruit1463、pear1133、pineapple1132等数据量较少bitter_gourd17、zucchini18、carrot45、kiwi47等样本偏少。训练时建议对少数类做数据增强或复制过采样以缓解类别不平衡对精度的影响。格式支持支持 YOLO 与 VOC 双格式数据集训练配置示例YOLO 格式数据集配置YAMLyaml path: ./fruit_veg_detect train: images/train val: images/val test: images/test names:0: pear1: cucumber2: strawberry3: carrot4: orange5: banana6: grapes7: apple8: coconut9: lemon10: bitter_gourd11: kiwi12: bell_pepper13: dragon_fruit14: sugar_apple15: oren16: guava17: pineapple18: zucchini19: Garlic20: Onion21: Green_Chili22: Potato23: Tomato24: apricots25: Sponge_Gourd26: Cauliflower27: Calabash28: Lady_finger29: Cabbage30: Brinjal31: Capsicum32: Bitter_melon33: Ginger34: peach训练代码python from ultralyticsimportYOLO modelYOLO(yolo11s.yaml)model.train(datafruit_veg_detect.yaml,epochs200,imgsz640,batch16,device0)话题关键词#水果 #蔬菜 #目标检测 #果蔬识别 #智慧农业 #农产品分拣 #YOLO数据集