苹果好坏检测数据集 | 4800张YOLO水果分拣数据集适用于水果自动分拣、仓储质检与目标检测研究一、数据集概述本数据集面向计算机视觉目标检测任务专为苹果品质分级正常/腐烂检测模型训练、验证与测试设计共包含约4800张高质量标注图像覆盖正常苹果与腐烂苹果两类。该数据集可广泛应用于水果自动分拣、仓储坏果剔除、生鲜零售质检与采后处理等场景适用于YOLOv5/v7/v8/v10/v11/v12等主流检测框架。随着水果产业和智慧农业的快速发展利用计算机视觉技术实现苹果品质的自动分级已成为提升分拣效率、降低损耗率、保障产品品质的重要手段。本数据集针对苹果品质检测场景中腐烂程度差异大、光照条件复杂、正负样本区分细微等问题进行专项构建可为水果智能分拣系统与生鲜质检平台提供高质量数据支撑。数据集下载通过网盘分享的文件苹果好坏检测数据集-2类链接: https://pan.baidu.com/s/1aE2Y4rDxVAuZBVRO_kMrnA?pwdwadd提取码: wadd二、数据集基本信息项目内容数据集名称苹果好坏检测数据集数据规模约4800张高质量标注图像train 4448 valid 224 test 87任务类型目标检测Object Detection检测目标正常苹果、腐烂苹果类别数量nc2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果园、分拣与仓储场景采集数据划分Train / Valid / Test适配模型YOLOv5、YOLOv7、YOLOv8、YOLOv10、YOLOv11、YOLOv12、Faster R-CNN等三、数据集类别说明本数据集为二分类目标检测数据集共设置2个检测类别聚焦苹果品质的二分类判别类别简洁明确正负样本均衡贴合水果分拣实际需求。类别配置nc:2names:-normal_apple-rotten_apple类别详情类别ID类别名称英文名称类别说明0正常苹果normal_apple外观完好、无腐烂、无病害的正常苹果1腐烂苹果rotten_apple存在腐烂、霉变、病害等品质问题的苹果二分类设计使模型能够专注于苹果品质的二元判别任务正负样本兼备便于模型学习正常与腐烂苹果的特征差异特别适用于水果自动分拣、仓储坏果剔除与零售质检等专项应用场景。四、数据集结构说明数据集采用标准YOLO目录结构组织已按训练集、验证集、测试集进行科学划分结构清晰便于直接接入主流检测框架。苹果好坏检测数据集-2类/ ├── train │ ├── images │ └── labels ├── valid │ ├── images │ └── labels ├── test │ ├── images │ └── labels └── data.yaml各数据集作用如下train/images labels训练集图像与标签4448张用于模型参数学习与特征提取valid/images labels验证集图像与标签224张用于超参数调优、早停监控及防止过拟合test/images labels测试集图像与标签87张用于最终模型性能评估与泛化能力测试。标注文件为同名.txt格式每行格式为类别索引 x_center y_center width height坐标均为归一化值配套data.yaml已配置好类别名称与数量保留原始英文类别名并注释备份中文类别名可直接用于训练与可视化可直接适配YOLO系列等目标检测框架。五、数据集核心优势1. 专注苹果品质分级本数据集以苹果品质分级检测为核心任务所有图像聚焦于真实果园、分拣与仓储场景下的苹果采集覆盖正常与腐烂两类品质状态。类别设计贴合水果分拣、仓储质检与零售管理实际需求更利于训练出针对苹果品质的高精度检测模型。覆盖场景包括果园采摘环节水果分拣生产线仓储筐与冷库零售货架与生鲜区采后处理中心2. 正负样本均衡设计数据集同时包含两类样本正样本正常苹果外观完好、无腐烂的正常果实负样本腐烂苹果存在腐烂、霉变、病害的异常果实正负样本均衡的设计使模型能够充分学习两类苹果的特征差异有效提升判别准确性与泛化能力。3. 丰富的腐烂程度覆盖数据覆盖从初期到严重的完整腐烂谱系初期腐烂微小斑点、局部变色中期腐烂明显霉变、软化凹陷严重腐烂大面积腐烂、整体变质不同腐烂类型霉变、软腐、病害等覆盖不同腐烂程度与类型提升模型对多样化腐烂特征的识别能力。4. 多样的拍摄条件数据覆盖场景类型果园、分拣台、仓储筐、零售货架等拍摄角度正视、侧视、俯视等不同视角光照条件自然光、灯光、弱光等苹果品种不同品种、颜色、大小的苹果贴近真实水果分拣与质检环境有效提升模型泛化能力。5. 高质量人工标注所有图像均经过高质量人工标注边界框规整、无漏标/错标正常/腐烂判别标准统一清晰密集场景下的独立标注处理满足高精度检测模型训练需求有效保证模型训练质量。6. 即用型数据组织标准目录结构规范化data.yaml配置无需复杂预处理下载即可直接用于模型训练降低使用门槛。六、适用场景水果产线自动分拣与坏果剔除在水果分拣生产线上自动检测腐烂苹果驱动分拣设备剔除坏果提升分拣效率与准确率。生鲜仓储在库品质巡检在冷库、仓储环节定期巡检苹果品质及时发现腐烂果实降低库存损耗。商超零售水果货架质检在零售终端自动检测货架上的苹果品质及时下架腐烂产品保障消费者体验。采后处理与损耗率统计在采后处理环节自动统计腐烂苹果数量与比例支撑损耗率分析与品质管理。果园采摘品质初筛在果园采摘环节对苹果品质进行初步筛查辅助分级采摘与处理。教学科研用于二分类目标检测与品质分级算法验证等科研场景。七、适用研究方向本数据集可广泛应用于以下研究领域水果品质检测与分级研究2类二分类目标检测研究农业计算机视觉研究农产品智能分拣研究工业视觉质检研究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八、总结苹果好坏检测数据集包含约4800张高质量标注图像采用标准YOLO格式构建专注于苹果品质的分级检测任务。数据集覆盖正常苹果与腐烂苹果2类核心类别具有正负样本均衡、腐烂程度丰富、场景真实等特点可广泛应用于水果自动分拣、仓储质检、零售管理、采后处理等领域是开展水果品质检测算法研发与智慧农业分拣系统建设的优质数据资源。