水果质量检测数据集 腐烂检测13个类别‘Apple_Bad‘, ‘Apple_Good‘, ‘Banana_Bad‘, ‘Banana_Good‘, ‘Good_Apple-Bad_Apple‘,

水果质量检测数据集——腐烂检测

数据集描述

这是一个专注于水果质量检测的数据集，特别关注于腐烂水果的识别。数据集包含了13个类别，覆盖了苹果、香蕉、番石榴、青柠、橙子和石榴这几种水果的好坏状态。该数据集旨在帮助研究者和开发者训练机器学习模型，以自动区分新鲜水果和腐烂水果，从而应用于水果分级、质量控制等领域。

数据集特点

1. 多样性：数据集涵盖了多种水果的不同状态，包括好果和坏果。
2. 类别丰富：共有13个不同的类别，每个类别代表一种水果的不同质量状态。
3. 数据划分：数据集按照标准的机器学习实践进行了划分，包括训练集、验证集和测试集。
4. 高质量图像：所有的图像都是高清质量，确保细节清晰可见，有助于提高腐烂检测的准确率。
5. 详细标注：每个图像都有明确的类别标签，方便模型训练和验证。
6. 实用性：适用于农业、食品加工等多个行业的实际应用。

数据集组成

• 类别：

  • Apple_Bad（坏苹果）
  • Apple_Good（好苹果）
  • Banana_Bad（坏香蕉）
  • Banana_Good（好香蕉）
  • Good_Apple-Bad_Apple（好苹果与坏苹果混合）
  • Guava_Bad（坏番石榴）
  • Guava_Good（好番石榴）
  • Lime_Bad（坏青柠）
  • Lime_Good（好青柠）
  • Orange_Bad（坏橙子）
  • Orange_Good（好橙子）
  • Pomegranate_Bad（坏石榴）
  • Pomegranate_Good（好石榴）

• 数据划分：

  • 训练集：1811张图像
  • 验证集：514张图像
  • 测试集：258张图像

• 图像格式：通常为JPEG或PNG格式。

数据集用途

• 腐烂检测：用于训练和测试识别水果腐烂程度的算法。
• 水果分级：在实际生产过程中，用于自动化分级水果的质量。
• 质量控制：帮助食品加工企业实现产品质量的自动化监控。
• 研究与开发：为研究人员提供一个基准数据集，用于比较不同算法的效果。
• 教育与培训：作为教学资源，帮助学生理解计算机视觉和机器学习的基本概念。

数据集获取

数据集可以从公开的水果质量检测数据库获取，例如Kaggle、GitHub上的开源项目或其他相关的科研机构网站。获取数据集时，请遵循数据集发布的许可协议，确保合法使用。

示例代码

下面是一个简单的示例代码，展示了如何使用Python和深度学习框架（如TensorFlow或PyTorch）加载和预览数据集中的图像。

1import os
2import random
3import matplotlib.pyplot as plt
4from tensorflow.keras.preprocessing import image_dataset_from_directory
5
6# 数据集目录路径
7data_dir = 'path/to/fruit_quality_dataset'
8
9# 创建数据集
10batch_size = 32
11img_height = 180
12img_width = 180
13
14train_ds = image_dataset_from_directory(
15    data_dir,
16    validation_split=0.2,
17    subset="training",
18    seed=123,
19    image_size=(img_height, img_width),
20    batch_size=batch_size)
21
22val_ds = image_dataset_from_directory(
23    data_dir,
24    validation_split=0.2,
25    subset="validation",
26    seed=123,
27    image_size=(img_height, img_width),
28    batch_size=batch_size)
29
30test_ds = image_dataset_from_directory(
31    data_dir,
32    labels='inferred',
33    label_mode='categorical',
34    seed=123,
35    image_size=(img_height, img_width),
36    batch_size=batch_size)
37
38# 预览一些图像
39class_names = train_ds.class_names
40plt.figure(figsize=(10, 10))
41for images, labels in train_ds.take(1):
42    for i in range(9):
43        ax = plt.subplot(3, 3, i + 1)
44        plt.imshow(images[i].numpy().astype("uint8"))
45        plt.title(class_names[np.argmax(labels[i])])
46        plt.axis("off")
47
48plt.show()

总结

此水果质量检测数据集是一个高质量的数据集，涵盖了多种水果的不同质量状态，旨在为研究者提供一个全面的资源，用于开发和测试水果腐烂检测算法。数据集的特点是多样性和类别丰富，能够满足不同研究需求。通过使用该数据集，研究者可以在农业、食品加工等领域推动技术进步，提高食品质量和安全水平。