红薯腐烂损伤检测数据集（COCO 格式）

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】红薯腐烂损伤检测数据集（COCO 格式） 【门类归属】植物与农业 / 蔬菜类 【数据类型与任务】图像；目标检测（COCO 标注） 【数据规模】37 张图像 / 438 个标注框 【文件格式】JPG 图片（附标注/说明文件） 【压缩包大小】下载压缩包约 991 KB 【数据划分】已划分 —— 训练集 26 张（含 346 个标注框）；验证集 7 张（含 61 个标注框）；测试集 4 张（含 31 个标注框）。 【标签或字段】有标注：采用 COCO 目标检测格式（每张图带目标框坐标）；类别及各类别标注框数——damages-rot(373)、damages-rot(373)、sweet-potato(65)；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（每张图大小不同），具体尺寸清单见压缩包内的详细说明文件 README_中文.md。标注方式：附带 COCO 格式标注文件（每张图带目标框坐标）。各类别标注框数量：damages-rot 373 个、damages-rot 373 个、sweet-potato 65 个。 【目录结构】 v1-coco.zip（解压后） ├── test/ —— .jpg×4、.json×1 ├── train/ —— .jpg×26、.json×1 └── valid/ —— .jpg×7、.json×1 README.dataset.txt README.roboflow.txt 【怎么使用】 每张图片配了一个 JSON 标注文件（训练/验证/测试各一份），里面记录了图中目标的位置框和类别，这是目标检测领域最通用的 COCO 格式。用 Python 的 pycocotools 库就能读取： from pycocotools.coco import COCO coco = COCO("train/_annotations.coco.json") # train/valid/test 各有一份标注 JSON img_ids = coco.getImgIds() anns = coco.loadAnns(coco.getAnnIds(imgIds=img_ids[0])) 框坐标是 [x, y, w, h] 像素值；类别编号对应类别表，中英对照见压缩包内的 data-dictionary.csv。 【数据体检结果】 · 类别名单里的 damages-rot/damages-rot 其实指的是同一个类别，只是写法不同（原始标注者命名不一致），使用前建议把它们合并成一类。

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 / 蔬菜类（依据《数据集中文分类体系》） 中文命名：红薯腐烂损伤检测数据集（COCO 格式）（原始名称 kevinvanrijn199623-gmail-com/sweet-potatos） 已知问题：类别表疑似重复类别（不同 ID 同义名称）：damages-rot/damages-rot——疑似标注者命名不一致，需人工确认 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）。