水果与蔬菜分类图像数据集（36 类）

数据预览

数据交付

本条目提供数据和数据说明，暂未提供可运行教学案例。需要自行完成建模或实验。

数据集介绍

【数据集名称】水果与蔬菜分类图像数据集（36 类） 【门类归属】植物与农业 / 水果类 【数据类型与任务】图像；待核查 【数据规模】3825 张图像 【文件格式】JPG 图片 【压缩包大小】下载压缩包约 1.98 GB 【数据划分】已划分 —— 训练集（apple 68 张、banana 75 张、beetroot 88 张、bell pepper 90 张、cabbage 92 张、capsicum 89 张、carrot 82 张、cauliflower 79 张、chilli pepper 87 张、corn 87 张、cucumber 94 张、eggplant 84 张、garlic 92 张、ginger 68 张、grapes 100 张、jalepeno 88 张、kiwi 88 张、lemon 82 张、lettuce 97 张、mango 86 张、onion 94 张、orange 69 张、paprika 83 张、pear 89 张、peas 100 张、pineapple 99 张、pomegranate 79 张、potato 77 张、raddish 81 张、soy beans 97 张、spinach 97 张、sweetcorn 91 张、sweetpotato 69 张、tomato 92 张、turnip 98 张、watermelon 84 张）；验证集（apple 10 张、banana 9 张、beetroot 10 张、bell pepper 9 张、cabbage 10 张、capsicum 10 张、carrot 9 张、cauliflower 10 张、chilli pepper 9 张、corn 10 张、cucumber 10 张、eggplant 10 张、garlic 10 张、ginger 10 张、grapes 9 张、jalepeno 9 张、kiwi 10 张、lemon 10 张、lettuce 9 张、mango 10 张、onion 10 张、orange 9 张、paprika 10 张、pear 10 张、peas 10 张、pineapple 10 张、pomegranate 10 张、potato 10 张、raddish 9 张、soy beans 10 张、spinach 10 张、sweetcorn 10 张、sweetpotato 10 张、tomato 10 张、turnip 10 张、watermelon 10 张）；测试集（apple 10 张、banana 9 张、beetroot 10 张、bell pepper 10 张、cabbage 10 张、capsicum 10 张、carrot 10 张、cauliflower 10 张、chilli pepper 10 张、corn 10 张、cucumber 10 张、eggplant 10 张、garlic 10 张、ginger 10 张、grapes 10 张、jalepeno 10 张、kiwi 10 张、lemon 10 张、lettuce 10 张、mango 10 张、onion 10 张、orange 10 张、paprika 10 张、pear 10 张、peas 10 张、pineapple 10 张、pomegranate 10 张、potato 10 张、raddish 10 张、soy beans 10 张、spinach 10 张、sweetcorn 10 张、sweetpotato 10 张、tomato 10 张、turnip 10 张、watermelon 10 张）。 【标签或字段】有标签：每张图像存放在以类别名命名的文件夹里，文件夹名就是这张图的类别；完整的字段与类别说明见压缩包内的数据字典文件 data-dictionary.csv。 【类型关键参数】图像尺寸不统一：随机抽取 60 张实测，宽度 480~6228 像素、高度 360~4152 像素。标注方式：每张图片所在文件夹的名字就是它的类别，不需要额外的标注文件。 【目录结构】 fruit-and-vegetable-image-recognition.zip（解压后） ├── test/apple/ —— .jpg×10 ├── test/banana/ —— .jpg×9 ├── test/beetroot/ —— .jpg×10 ├── test/bell pepper/ —— .jpg×9、.jpeg×1 ├── test/cabbage/ —— .jpg×10 ├── test/capsicum/ —— .jpg×10 └── …… 共 108 个子目录（完整清单见 file-manifest.csv） 【怎么使用】 图片已经按类别分好了文件夹，文件夹的名字就是图片的类别，不需要额外的标注文件。做深度学习的话，用 PyTorch 两行代码就能全部读入： from torchvision.datasets import ImageFolder test = ImageFolder("test") # apple×10、banana×9、beetroot×10、bell pepper×10、cabbage×10、capsicum×10、carrot×10、cauliflower×10、chilli pepper×10、corn×10、cucumber×10、eggplant×10、garlic×10、ginger×10、grapes×10、jalepeno×10、kiwi×10、lemon×10、lettuce×10、mango×10、onion×10、orange×10、paprika×10、pear×10、peas×10、pineapple×10、pomegranate×10、potato×10、raddish×10、soy beans×10、spinach×10、sweetcorn×10、sweetpotato×10、tomato×10、turnip×10、watermelon×10 train = ImageFolder("train") # apple×68、banana×75、beetroot×88、bell pepper×90、cabbage×92、capsicum×89、carrot×82、cauliflower×79、chilli pepper×87、corn×87、cucumber×94、eggplant×84、garlic×92、ginger×68、grapes×100、jalepeno×88、kiwi×88、lemon×82、lettuce×97、mango×86、onion×94、orange×69、paprika×83、pear×89、peas×100、pineapple×99、pomegranate×79、potato×77、raddish×81、soy beans×97、spinach×97、sweetcorn×91、sweetpotato×69、tomato×92、turnip×98、watermelon×84 val = ImageFolder("validation") # apple×10、banana×9、beetroot×10、bell pepper×9、cabbage×10、capsicum×10、carrot×9、cauliflower×10、chilli pepper×9、corn×10、cucumber×10、eggplant×10、garlic×10、ginger×10、grapes×9、jalepeno×9、kiwi×10、lemon×10、lettuce×9、mango×10、onion×10、orange×9、paprika×10、pear×10、peas×10、pineapple×10、pomegranate×10、potato×10、raddish×9、soy beans×10、spinach×10、sweetcorn×10、sweetpotato×10、tomato×10、turnip×10、watermelon×10 每个类别有多少张图片，见压缩包内的 file-manifest.csv。 【数据体检结果】 · 数据体检未发现问题，可放心使用。

整理与使用信息

本站处理内容

本站已完成的工作： 1. 中文名称与用途说明整理（对照原站信息逐项核对）； 2. 全量文件清点与 SHA256 校验（file-manifest.csv，可溯源）； 3. 自动质检报告（quality-report.json：结构、编码、重复、标注一致性等）； 4. 数据字典整理（data-dictionary.csv，字段/类别中英对照）； 5. 预览样例抽取（preview/，供购买前判断内容）。

中文整理说明

门类：植物与农业 / 水果类（依据《数据集中文分类体系》） 中文命名：水果与蔬菜分类图像数据集（36 类）（原始名称 kritikseth/fruit-and-vegetable-image-recognition） 已知问题：自动检查未发现问题（详见 quality-report.json） 配套文档：简明说明.md、README_中文.md、数据字典、文件清单、质检报告、预览样例（均随网盘下载包提供）。