活动介绍
file-type

YOLOv5目标检测数据集：橘子成熟度分类与可视化

版权申诉

RAR文件

数据集
5星 · 超过95%的资源 | 79.14MB | 更新于2024-11-13 | 139 浏览量 | 7 评论 | 5 下载量 举报 3 收藏
download 限时特惠：#44.90
数据集包含了两种类别：成熟和未成熟的橘子。它遵循YOLOv5的文件夹结构，方便直接用于训练和验证过程，无需额外的数据预处理。 数据集的图像分辨率为640*640的RGB格式，图像清晰，包含边界框标注，适合作为机器学习和深度学习训练的输入数据。数据集被分为训练集和验证集两部分，分别由2313张和224张图像及相应的标注文件组成。每个图像文件都附带一个文本文件，其中包含相应的标注信息，用于在YOLOv5框架中进行目标检测。 数据集的压缩后总大小为79MB，解压后可用于支持各种视觉任务，例如在自动化采摘系统中，通过识别橘子的成熟程度来指导采摘机器人的行为。此外，为了方便用户查看数据集的效果，资源中还包含了一个可视化脚本，该脚本能够接收任意一张图像作为输入，并在图像上绘制出相应的边界框，进而更直观地展示数据集的效果。 整个资源的标签包括数据集、检测、柑橘和成熟度检测等关键词，能够准确反映出本资源的主要内容和用途。 文件名称列表中，资源被命名为"橘子成熟度检测数据"，明确指出了数据集的主题和目的。 综上所述，本资源是一个专为成熟度检测设计的柑橘数据集，适用于YOLOv5目标检测模型的训练和验证，同时提供了一个便捷的工具来进行数据可视化，使得研究者和开发者可以更容易地对数据集进行理解和应用。"

相关推荐

filetype

橙子多类疾病识别数据集

橙子多类疾病数据集，该数据集用于构建机器学习和深度学习算法，以对橙子的疾病进行分类。在这个数据集中，有一类是新鲜橙子，还有其他三类疾病，柑橘溃疡病，黑斑病和柑橘黄变病。每类疾病200-300张图片不等。
filetype

橘子数据集1690张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)：1699 标注数量(xml文件个数)：1699 标注数量(txt文件个数)：1699 标注类别数：1 标注类别名称:["orange"] 每个类别标注的框数： orange 框数 = 6302 总框数：6302 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
filetype

基于YOLOv9的水果(香蕉)成熟度识别划分系统python源码+运行教程+训练好的模型+评估指标曲线.zip

基于YOLOv9的水果(香蕉)成熟度识别划分系统python源码+运行教程+训练好的模型+评估指标曲线. 【使用教程】 一、环境配置 1、建议下载anaconda和pycharm 在anaconda中配置好环境，然后直接导入到pycharm中，在pycharm中运行项目 anaconda和pycharm安装及环境配置参考网上博客，有很多博主介绍 2、在anacodna中安装requirements.txt中的软件包 命令为：pip install -r requirements.txt 或者改成清华源后再执行以上命令，这样安装要快一些 软件包都安装成功后才算成功 3、安装好软件包后，把anaconda中对应的python导入到pycharm中即可（不难，参考网上博客） 二、环境配置好后，开始训练（也可以训练自己数据集） 1、数据集准备 需要准备yolo格式的目标检测数据集，如果不清楚yolo数据集格式，或者有其他数据训练需求，请看博主yolo格式各种数据集集合链接：https://blog.csdn.net/DeepLearning_/article/details/127276492 里面涵盖了上百种yolo数据集，且在不断更新，基本都是实际项目使用。来自于网上收集、实际场景采集制作等，自己使用labelimg标注工具标注的。数据集质量绝对有保证！ 本项目所使用的数据集，见csdn该资源下载页面中的介绍栏，里面有对应的下载链接，下载后可直接使用。 2、数据准备好，开始修改配置文件 参考代码中data文件夹下的banana_ripe.yaml，可以自己新建一个不同名称的yaml文件 train：训练集的图片路径 val：验证集的图片路径 names: 0: very-ripe 类别1 1: immature 类别2 2: mid-ripe 类别3 格式按照banana_ripe.yaml照葫芦画瓢就行，不需要过多参考网上的 3、修改train_dual.py中的配置参数，开始训练模型 方式一： 修改点： a.--weights参数，填入'yolov9-s.pt'，博主训练的是yolov9-s，根据自己需求可自定义 b.--cfg参数，填入 models/detect/yolov9-c.yaml c.--data参数，填入data/banana_ripe.yaml，可自定义自己的yaml路径 d.--hyp参数，填入hyp.scratch-high.yaml e.--epochs参数，填入100或者200都行，根据自己的数据集可改 f.--batch-size参数，根据自己的电脑性能（显存大小）自定义修改 g.--device参数，一张显卡的话，就填0。没显卡，使用cpu训练，就填cpu h.--close-mosaic参数，填入15 以上修改好，直接pycharm中运行train_dual.py开始训练 方式二： 命令行方式，在pycharm中的终端窗口输入如下命令，可根据自己情况修改参数 官方示例：python train_dual.py --workers 8 --device 0 --batch 16 --data data/coco.yaml --img 640 --cfg models/detect/yolov9-c.yaml --weights '' --name yolov9-c --hyp hyp.scratch-high.yaml --min-items 0 --epochs 500 --close-mosaic 15 训练完会在runs/train文件下生成对应的训练文件及模型，后续测试可以拿来用。 三、测试 1、训练完，测试 修改detect_dual.py中的参数 --weights，改成上面训练得到的best.pt对应的路径 --source，需要测试的数据图片存放的位置，代码中的test_imgs --conf-thres，置信度阈值，自定义修改 --iou-thres，iou阈值，自定义修改 其他默认即可 pycharm中运行detect_dual.py 在runs/detect文件夹下存放检测结果图片或者视频 【特别说明】 *项目内容完全原创，请勿对项目进行外传，或者进行违法等商业行为！ 【备注】 1、该资源内项目代码都经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！有问题请及时沟通交流。 2、适用人群：计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。
filetype

YOLOV5 实战项目：橘子是否成熟检测（包含数据、代码、训练好的权重文件）

基于YOLOV5 对橘子成熟检测（2类别）的目标检测实战项目，包含代码、数据集、训练好的权重参数，经测试，代码可以直接使用 图像分辨率为640*640的分辨率RGB图片，数据集为橙子是否成熟检测数据，边界框标注清晰，...
filetype

目标检测数据集(YOLOV5目录格式)：柑橘害虫检测（2类别，包含训练集、验证集）

项目包含：柑橘害虫检测（2类别，包含训练集、验证集），数据保存按照YOLOV5文件夹保存，可直接用作目标检测数据集，无需额外处理。 图像分辨率为1000-4000的大尺度RGB图片，数据集为柑橘的害虫检测 【数据集介绍...
filetype

YOLO 数据集：橘子腐烂检测（1类别，包含训练集、验证集）

项目包含：橘子腐烂检测（1类别，包含训练集、验证集），数据保存按照YOLOV5文件夹保存，可直接用作目标检测数据集，无需额外处理。 图像分辨率为640*640左右分辨率RGB图片，数据集为柑橘缺陷检测，边界框标注清晰...
filetype

YOLOV5橘子腐烂检测数据集：完整训练与验证集

资源摘要信息:"YOLO数据集：橘子腐烂检测（1类别，包含训练集、验证集）" 知识点： 1.YOLO数据集：YOLO（You Only Look Once）是一个流行的实时目标检测系统，它将目标检测任务视为一个回归问题，直接在图像中预测...
filetype

YOLOV5 实战项目：水果检测（5类别）

基于YOLOV5 对水果数据集检测（5类别）的目标检测实战项目，包含代码、数据集、训练好的权重参数，经测试，代码可以直接使用 图像分辨率为640*480的RGB图片，数据集为自制的水果检测数据，边界框标注效果极好，可以...
filetype

目标检测数据集(YOLOV5目录格式)：苹果、橘子、梨三种水果目标检测（3类别，包含训练集、验证集）

项目包含：苹果、橘子、梨三种水果目标检测（3类别，包含训练集、验证集），数据保存按照YOLOV5文件夹保存，可直接用作目标检测数据集，无需额外处理。 图像分辨率为1080*810的RGB图片，数据集自制的水果目标检测，...
filetype

YOLOV5 改进实战项目【更换骨干网络为resnet】：橘子是否成熟检测（包含数据、代码、训练好的权重文件）

YOLOV5 改进实战项目【更换骨干网络为resnet】对橘子是否成熟检测，包含代码、数据集、训练好的权重参数，经测试，代码可以直接使用。 【yolov5】项目总大小：196 MB 本项目更换了yolov5骨干网络为官方实现的resnet...
资源评论
用户头像
俞林鑫
2025.06.16
训练与验证集划分明确，有助于模型训练。
用户头像
梁肖松
2025.06.01
橘子成熟度标注准确，图像清晰，易于上手。
用户头像
ShepherdYoung
2025.05.06
包含了可视化工具，方便进行结果展示。
用户头像
创业青年骁哥
2025.04.12
高质量的成熟度检测数据集，适合目标检测研究。
用户头像
地图帝
2025.03.02
数据集结构简单，YoloV5格式兼容性强。
用户头像
ask_ai_app
2025.02.15
压缩后体积小，适合快速下载和使用。🦔
用户头像
宏馨
2025.01.24
适用于机器学习和自动采摘技术的实践应用。
听风吹等浪起
  • 粉丝: 2w+
上传资源 快速赚钱

最新资源