10类可食用蘑菇检测数据集| 4000张YOLO农业采摘数据集 适用于智能农业采摘、食品安全检测与目标检测研究一、数据集概述本数据集是一个专为可食用蘑菇多类别检测与识别任务设计的高质量计算机视觉数据集共包含4000张高质量标注图像。该数据集聚焦于日常生活中常见的10种食用菌类旨在支持目标检测模型在农业采摘、食品安全、智能厨房辅助等场景中的应用适用于YOLO系列、Faster R-CNN等主流目标检测算法的训练、验证与测试。随着食用菌产业的快速发展和智慧农业技术的不断进步利用计算机视觉实现食用菌的自动识别、采摘分级与品质检测已成为提高生产效率、保障食品安全的重要手段。本数据集针对食用菌检测场景中品种外观相似、干鲜形态差异大、生长状态多样等问题进行专项构建可为智能农业采摘机器人、食用菌品质分选线、智能厨房辅助系统及食品安全检测提供高质量数据支撑。数据集下载通过网盘分享的文件10类可食用蘑菇检测数据集链接: https://pan.baidu.com/s/1B5sU4rUQw8hzAHkQW5MvZA?pwdfbrg提取码: fbrg二、数据集基本信息项目内容数据集名称10类可食用蘑菇检测数据集数据规模4000张高质量标注图像任务类型目标检测Object Detection检测目标10种可食用蘑菇类别类别数量nc10类标注方式Bounding Box目标框标注数据格式YOLO标准格式数据来源真实农业种植与市场流通场景数据划分Train / Valid / Test适配模型YOLOv5、YOLOv8、YOLOv10、YOLOv11、Faster R-CNN等三、数据集类别说明本数据集为多类别细粒度目标检测数据集共设置10个检测类别涵盖日常生活中常见的10种食用菌类。数据集区分“木耳”与“黑木耳”、“干香菇”与“鲜香菇”等易混淆类别增强了模型对形态变形、颜色褪变等非标准形态的鲁棒性提升了类别间的细粒度区分能力。类别配置nc:10names:-wood_ear_mushroom-black_wood_ear-enoki_mushroom-flammulina_velutipes-golden_enoki-king_oyster_mushroom-shiitake_mushroom-oyster_king_oyster_hybrid-dried_shiitake-fresh_shiitake类别详情类别ID中文名称英文名称类别说明0木耳Wood Ear Mushroom常见食用木耳色泽与形态标准1黑木耳Black Wood Ear色泽更深、形态略有差异的木耳品种2金针菇Enoki Mushroom常见金针菇白色细长形态3绒柄金钱菌Flammulina velutipes金针菇变种菌柄具绒毛特征4金色金针菇Golden Enoki金黄色金针菇品种5杏鲍菇King Oyster Mushroom大型食用菌菌盖与菌柄肥厚6香菇Shiitake Mushroom常见香菇棕色菌盖7平菇杏鲍菇Oyster-King Oyster Hybrid平菇与杏鲍菇杂交或相似形态类别8干香菇Dried Shiitake干制香菇形态皱缩、颜色加深9鲜香菇Fresh Shiitake新鲜香菇饱满湿润、色泽鲜亮10类细粒度设计特别关注色泽与形态区分“木耳”与“黑木耳”基于色泽与形态的商品分类标准干鲜状态区分“干香菇”与“鲜香菇”增强模型对形态变形、颜色褪变等非标准形态的鲁棒性相似形态区分“平菇杏鲍菇”作为杂交或相似形态类别提升细粒度区分能力品种变种区分“金针菇”、“绒柄金钱菌”与“金色金针菇”覆盖同一物种的不同品种与变种四、数据集结构说明数据集采用标准YOLO目录结构组织预划分为训练集、验证集和测试集便于直接导入主流深度学习框架进行模型训练与评估。database/ └── 10类可食用蘑菇检测数据集 ├── train │ └── images ├── valid │ └── images └── test └── images各数据集作用如下train/images训练集图像用于模型参数学习与特征提取valid/images验证集图像用于超参数调优、早停监控及防止过拟合test/images测试集图像用于最终模型性能评估与泛化能力测试。所有标签文件均采用标准YOLO格式与图像文件一一对应无需额外格式转换即可直接使用。标注工具推荐使用LabelImg、CVAT或Roboflow。五、数据集核心优势1. 真实农业与市场场景采集数据全部来源于真实农业种植环境与市场流通场景真实反映食用菌检测实际应用场景具有高度的工程实用性。覆盖场景包括食用菌种植大棚与工厂化栽培基地农贸市场与超市销售场景不同生长阶段幼菇、成菇、过熟菇不同采收状态带菌柄、去菌柄不同摆放方式散装、包装、成丛能够有效提升模型的实际部署效果。2. 细粒度类别覆盖10类蘑菇覆盖了日常生活中最常见的食用菌品种特别注重易混淆类别的区分干鲜状态区分干香菇 vs 鲜香菇形态变形、颜色褪变、表面纹理变化色泽深浅区分木耳 vs 黑木耳同品种不同色泽形态品种变种区分金针菇 vs 绒柄金钱菌 vs 金色金针菇同一物种不同变种与品种相似形态区分平菇杏鲍菇杂交或相似形态的细粒度识别有助于提升模型对形态变形、非标准形态及品种变异的鲁棒性。3. 多生长状态覆盖不同生长阶段的蘑菇在外观上存在显著差异幼菇期菌盖未展开、形态紧凑成熟期菌盖完全展开、特征典型过熟期菌盖边缘卷曲、颜色变化不同采收时间清晨、午后形态差异不同储存状态新鲜、萎蔫、干制覆盖完整的生长与流通链条提升模型对多样化形态的适应能力。4. 高质量专业标注所有图像均由具备生物分类知识的专业人员审核与标注确保标注准确率达95%以上边界框精准贴合蘑菇轮廓10类品种判别标准统一形态特征菌盖、菌褶、菌柄全面覆盖无漏标现象无类别混淆有效保证模型训练质量。5. 强泛化能力数据涵盖不同品种与变种不同生长环境大棚、工厂化、野生不同干鲜状态不同光照条件与拍摄角度不同背景菌包、培养架、包装盒、菜市场台面能够显著提升模型在实际食用菌检测任务中的泛化能力。六、适用场景智能农业采摘机器人为农业采摘机器人提供视觉识别能力实现成熟蘑菇的自动识别、定位与采摘。食用菌品质分选线在加工生产线上对食用菌进行自动分类与品质分级区分不同品种与干鲜状态。智能厨房辅助系统帮助智能冰箱、智能料理设备识别食材种类提供烹饪建议与存储管理。食品安全检测在流通环节快速识别食用菌品种防止品种混淆与误食风险。食用菌电商智能上架为电商平台提供自动图像识别能力辅助卖家快速分类上架与买家拍照识货。农贸市场智能秤重系统集成于智能电子秤自动识别食用菌品种并匹配价格提高交易效率。七、适用研究方向本数据集可广泛应用于以下研究领域细粒度目标检测与识别研究10类蘑菇干鲜状态目标检测研究形态变形鲁棒性多类别目标检测研究农业计算机视觉与智能采摘研究食品安全智能检测研究YOLO系列模型优化研究轻量化检测模型与边缘部署研究域适应与跨场景泛化研究数据增强与少样本学习研究农产品智能分选研究智能厨房与智慧餐饮视觉研究八、总结10类可食用蘑菇检测数据集Edible Mushroom Detection包含4000张高质量标注图像采用标准YOLO格式构建专注于可食用蘑菇的多类别检测与识别任务。数据集覆盖木耳、黑木耳、金针菇、绒柄金钱菌、金色金针菇、杏鲍菇、香菇、平菇杏鲍菇、干香菇、鲜香菇10类常见食用菌具有细粒度类别丰富、专业标注精准、干鲜形态兼顾等特点可广泛应用于智能农业采摘、食用菌品质分选、食品安全检测、智能厨房辅助等领域是开展食用菌智能识别算法研发与智慧农业系统建设的优质数据资源。
