植物分类数据集

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】植物分类数据集 【门类归属】其他 / 未归类 【数据类型与任务】图像/表格；待核查 【数据规模】30000 张图像 【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 1.34 GB 【数据划分】已划分 —— 训练集（aloevera 700 张、banana 700 张、bilimbi 700 张、cantaloupe 700 张、cassava 700 张、coconut 700 张、corn 700 张、cucumber 700 张、curcuma 700 张、eggplant 700 张、galangal 700 张、ginger 700 张、guava 700 张、kale 700 张、longbeans 700 张、mango 700 张、melon 700 张、orange 700 张、paddy 700 张、papaya 700 张、peperchili 700 张、pineapple 700 张、pomelo 700 张、shallot 700 张、soybeans 700 张、spinach 700 张、sweetpotatoes 700 张、tobacco 700 张、waterapple 700 张、watermelon 700 张）；验证集（aloevera 100 张、banana 100 张、bilimbi 100 张、cantaloupe 100 张、cassava 100 张、coconut 100 张、corn 100 张、cucumber 100 张、curcuma 100 张、eggplant 100 张、galangal 100 张、ginger 100 张、guava 100 张、kale 100 张、longbeans 100 张、mango 100 张、melon 100 张、orange 100 张、paddy 100 张、papaya 100 张、peperchili 100 张、pineapple 100 张、pomelo 100 张、shallot 100 张、soybeans 100 张、spinach 100 张、sweetpotatoes 100 张、tobacco 100 张、waterapple 100 张、watermelon 100 张）；测试集（aloevera 200 张、banana 200 张、bilimbi 200 张、cantaloupe 200 张、cassava 200 张、coconut 200 张、corn 200 张、cucumber 200 张、curcuma 200 张、eggplant 200 张、galangal 200 张、ginger 200 张、guava 200 张、kale 200 张、longbeans 200 张、mango 200 张、melon 200 张、orange 200 张、paddy 200 张、papaya 200 张、peperchili 200 张、pineapple 200 张、pomelo 200 张、shallot 200 张、soybeans 200 张、spinach 200 张、sweetpotatoes 200 张、tobacco 200 张、waterapple 200 张、watermelon 200 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 80 张实测，宽度 184~2000 像素、高度 140~1618 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】 plants-classification.zip（解压后） ├── test/aloevera/ —— .jpg×200 ├── test/banana/ —— .jpg×200 ├── test/bilimbi/ —— .jpg×200 ├── test/cantaloupe/ —— .jpg×200 ├── test/cassava/ —— .jpg×200 ├── test/ —— .txt×1 └── …… 共 93 个子目录（完整清单见 file-manifest.csv） test.csv train.csv val.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") # aloevera×200、banana×200、bilimbi×200、cantaloupe×200、cassava×200、coconut×200、corn×200、cucumber×200、curcuma×200、eggplant×200、galangal×200、ginger×200、guava×200、kale×200、longbeans×200、mango×200、melon×200、orange×200、paddy×200、papaya×200、peperchili×200、pineapple×200、pomelo×200、shallot×200、soybeans×200、spinach×200、sweetpotatoes×200、tobacco×200、waterapple×200、watermelon×200 train = ImageFolder("train") # aloevera×700、banana×700、bilimbi×700、cantaloupe×700、cassava×700、coconut×700、corn×700、cucumber×700、curcuma×700、eggplant×700、galangal×700、ginger×700、guava×700、kale×700、longbeans×700、mango×700、melon×700、orange×700、paddy×700、papaya×700、peperchili×700、pineapple×700、pomelo×700、shallot×700、soybeans×700、spinach×700、sweetpotatoes×700、tobacco×700、waterapple×700、watermelon×700 val = ImageFolder("val") # aloevera×100、banana×100、bilimbi×100、cantaloupe×100、cassava×100、coconut×100、corn×100、cucumber×100、curcuma×100、eggplant×100、galangal×100、ginger×100、guava×100、kale×100、longbeans×100、mango×100、melon×100、orange×100、paddy×100、papaya×100、peperchili×100、pineapple×100、pomelo×100、shallot×100、soybeans×100、spinach×100、sweetpotatoes×100、tobacco×100、waterapple×100、watermelon×100 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：其他 / 未归类（依据《数据集中文分类体系》） 中文命名：植物分类数据集（原始名称 marquis03/plants-classification） 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）。