Fruits-360：高质量水果与蔬菜图像数据集

项目介绍

Fruits-360 是一个高质量的水果和蔬菜图像数据集，包含了131种不同的水果和蔬菜。数据集的最新版本为2020.05.18.0，总计包含90483张图像。这些图像被分为训练集（67692张）、测试集（22688张）以及多水果集（103张）。每张图像的大小为100x100像素，适用于图像分类和识别任务。

项目技术分析

数据集结构

• 训练集与测试集：分别位于Training和Test文件夹中，每张图像包含一个水果或蔬菜。
• 多水果集：位于test-multiple_fruits文件夹中，包含多于一个水果或蔬菜的图像，适用于真实世界检测任务。
• 源代码：
  • src/image_classification：使用TensorFlow 2.0的Python代码，用于训练神经网络。
  • src/image_classification_tf_1.8.0：使用TensorFlow 1.8.0的旧版本Python代码。
  • src/utils：包含用于从背景中提取水果或蔬菜的C++代码。
• 研究论文：位于papers文件夹中，包含与该数据集相关的研究论文。

数据集创建过程

水果和蔬菜被放置在低速电机（3 rpm）的轴上，并录制20秒的视频。使用Logitech C920摄像头进行拍摄，背景为白色纸张。为了去除背景中的光照变化，开发了一种基于洪水填充算法的背景去除方法。

项目及技术应用场景

应用场景

• 图像分类：适用于训练和测试图像分类模型，特别是针对水果和蔬菜的分类任务。
• 深度学习研究：可用于研究深度学习算法在图像识别领域的应用。
• 农业科技：在农业自动化和智能农业系统中，用于识别和分类农作物。
• 零售业：在超市和零售业中，用于自动识别和分类水果和蔬菜。

项目特点

高质量数据集

• 多样性：包含131种不同的水果和蔬菜，涵盖了多种品种和颜色。
• 标准化：所有图像均为100x100像素，便于处理和分析。
• 真实世界测试：多水果集提供了真实世界中多物体检测的挑战。

开源与易用性

• 开源许可：采用MIT许可证，允许自由使用、修改和分发。
• 多平台支持：数据集可通过GitHub和Kaggle下载，方便不同平台的用户使用。

技术支持

• TensorFlow支持：提供了TensorFlow 2.0和1.8.0版本的训练代码，方便用户快速上手。
• 背景去除算法：提供了C++代码，用于从图像中提取水果和蔬菜，确保数据集的高质量。

结语

Fruits-360 是一个极具价值的开源数据集，适用于各种图像分类和识别任务。无论你是研究人员、开发者还是农业科技从业者，这个数据集都能为你提供丰富的资源和挑战。立即访问GitHub或Kaggle，开始你的深度学习之旅吧！