10类可食用蘑菇检测4000张YOLO农业采摘数据集分享
数据集源码分享
链接: https://pan.baidu.com/s/1B5sU4rUQw8hzAHkQW5MvZA?pwd=fbrg
提取码: fbrg
一、数据集概述
本数据集是一个专为可食用蘑菇多类别检测与识别任务设计的高质量 计算机视觉 数据集，共包含4000张高质量标注图像。该数据集聚焦于日常生活中常见的10种食用菌类，旨在支持目标检测模型在农业采摘、食品安全、智能厨房辅助等场景中的应用，适用于YOLO系列、Faster R- CNN 等主流目标检测算法的训练、验证与测试。
随着食用菌产业的快速发展和智慧农业技术的不断进步，利用计算机视觉实现食用菌的自动识别、采摘分级与品质检测已成为提高生产效率、保障食品安全的重要手段。本数据集针对食用菌检测场景中品种外观相似、干鲜形态差异大、生长状态多样等问题进行专项构建，可为智能农业采摘机器人、食用菌品质分选线、智能厨房辅助系统及食品安全检测提供高质量数据支撑。
二、数据集基本信息
| 项目 | 内容 |
|---|---|
| 数据集名称 | 10类可食用蘑菇检测数据集 |
| 数据规模 | 4000张高质量标注图像 |
| 任务类型 | 目标检测（Object Detection） |
| 检测目标 | 10种可食用蘑菇类别 |
| 类别数量（nc） | 10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 | 真实农业种植与市场流通场景 |
| 数据划分 | Train / Valid / Test |
| 适配模型 | YOLOv5、YOLOv8、YOLOv10、YOLOv11、Faster R-CNN等 |
三、数据集类别说明
本数据集为多类别细粒度目标检测数据集，共设置10个检测类别，涵盖日常生活中常见的10种食用菌类。数据集区分“木耳”与“黑木耳”、“干香菇”与“鲜香菇”等易混淆类别，增强了模型对形态变形、颜色褪变等非标准形态的鲁棒性，提升了类别间的细粒度区分能力。
类别配置
nc: 10
names:
- wood_ear_mushroom
- black_wood_ear
- enoki_mushroom
- flammulina_velutipes
- golden_enoki
- king_oyster_mushroom
- shiitake_mushroom
- oyster_king_oyster_hybrid
- dried_shiitake
- fresh_shiitake
类别详情
| 类别ID | 中文名称 | 英文名称 | 类别说明 |
|---|---|---|---|
| 0 | 木耳 | Wood Ear Mushroom | 常见食用木耳，色泽与形态标准 |
| 1 | 黑木耳 | Black Wood Ear | 色泽更深、形态略有差异的木耳品种 |
| 2 | 金针菇 | Enoki Mushroom | 常见金针菇，白色细长形态 |
| 3 | 绒柄金钱菌 | Flammulina velutipes | 金针菇变种，菌柄具绒毛特征 |
| 4 | 金色金针菇 | Golden Enoki | 金黄色金针菇品种 |
| 5 | 杏鲍菇 | King Oyster Mushroom | 大型食用菌，菌盖与菌柄肥厚 |
| 6 | 香菇 | Shiitake Mushroom | 常见香菇，棕色菌盖 |
| 7 | 平菇杏鲍菇 | Oyster-King Oyster Hybrid | 平菇与杏鲍菇杂交或相似形态类别 |
| 8 | 干香菇 | Dried Shiitake | 干制香菇，形态皱缩、颜色加深 |
| 9 | 鲜香菇 | Fresh Shiitake | 新鲜香菇，饱满湿润、色泽鲜亮 |
10类细粒度设计特别关注：
- 色泽与形态区分：“木耳”与“黑木耳”基于色泽与形态的商品分类标准
- 干鲜状态区分：“干香菇”与“鲜香菇”增强模型对形态变形、颜色褪变等非标准形态的鲁棒性
- 相似形态区分：“平菇杏鲍菇”作为杂交或相似形态类别，提升细粒度区分能力
品种变种区分：“金针菇”、“绒柄金钱菌”与“金色金针菇”覆盖同一物种的不同品种与变种
四、数据集结构说明
数据集采用标准YOLO目录结构组织，预划分为训练集、验证集和测试集，便于直接导入主流 深度学习 框架进行模型训练与评估。
database/
└── 10类可食用蘑菇检测数据集
├── train
│ └── images
├── valid
│ └── images
└── test
└── images
各数据集作用如下：
- train/images：训练集图像，用于模型参数学习与特征提取；
- valid/images：验证集图像，用于超参数调优、早停监控及防止过拟合；
- test/images：测试集图像，用于最终模型性能评估与泛化能力测试。
所有标签文件均采用标准YOLO格式，与图像文件一一对应，无需额外格式转换即可直接使用。标注工具推荐使用LabelImg、 CVAT 或Roboflow。
五、数据集核心优势
1. 真实农业与市场场景采集
数据全部来源于真实农业种植环境与市场流通场景，真实反映食用菌检测实际应用场景，具有高度的工程实用性。
覆盖场景包括：
- 食用菌种植大棚与工厂化栽培基地
- 农贸市场与超市销售场景
- 不同生长阶段（幼菇、成菇、过熟菇）
- 不同采收状态（带菌柄、去菌柄）
- 不同摆放方式（散装、包装、成丛）
能够有效提升模型的实际部署效果。
2. 细粒度类别覆盖
10类蘑菇覆盖了日常生活中最常见的食用菌品种，特别注重易混淆类别的区分：
- 干鲜状态区分：干香菇 vs 鲜香菇（形态变形、颜色褪变、表面纹理变化）
- 色泽深浅区分：木耳 vs 黑木耳（同品种不同色泽形态）
- 品种变种区分：金针菇 vs 绒柄金钱菌 vs 金色金针菇（同一物种不同变种与品种）
- 相似形态区分：平菇杏鲍菇（杂交或相似形态的细粒度识别）
有助于提升模型对形态变形、非标准形态及品种变异的鲁棒性。
3. 多生长状态覆盖
不同生长阶段的蘑菇在外观上存在显著差异：
- 幼菇期（菌盖未展开、形态紧凑）
- 成熟期（菌盖完全展开、特征典型）
- 过熟期（菌盖边缘卷曲、颜色变化）
- 不同采收时间（清晨、午后形态差异）
- 不同储存状态（新鲜、萎蔫、干制）
覆盖完整的生长与流通链条，提升模型对多样化形态的适应能力。
4. 高质量专业标注
所有图像均由具备生物分类知识的专业人员审核与标注：
- 确保标注准确率达95%以上
- 边界框精准贴合蘑菇轮廓
- 10类品种判别标准统一
- 形态特征（菌盖、菌褶、菌柄）全面覆盖
- 无漏标现象
- 无类别混淆
有效保证模型训练质量。
5. 强泛化能力
数据涵盖：
- 不同品种与变种
- 不同生长环境（大棚、工厂化、野生）
- 不同干鲜状态
- 不同光照条件与拍摄角度
- 不同背景（菌包、培养架、包装盒、菜市场台面）
能够显著提升模型在实际食用菌检测任务中的泛化能力。
六、适用场景
智能农业采摘机器人
为农业采摘机器人提供视觉识别能力，实现成熟蘑菇的自动识别、定位与采摘。
食用菌品质分选线
在加工生产线上对食用菌进行自动分类与品质分级，区分不同品种与干鲜状态。
智能厨房辅助系统
帮助智能冰箱、智能料理设备识别食材种类，提供烹饪建议与存储管理。
食品安全检测
在流通环节快速识别食用菌品种，防止品种混淆与误食风险。
食用菌电商智能上架
为电商平台提供自动图像识别能力，辅助卖家快速分类上架与买家拍照识货。
农贸市场智能秤重系统
集成于智能电子秤，自动识别食用菌品种并匹配价格，提高交易效率。
七、适用研究方向
本数据集可广泛应用于以下研究领域：
- 细粒度目标检测与识别研究（10类蘑菇）
- 干鲜状态目标检测研究（形态变形鲁棒性）
- 多类别目标检测研究
- 农业计算机视觉与智能采摘研究
- 食品安全智能检测研究
- 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
- 数据增强与少样本学习研究
- 农产品智能分选研究
- 智能厨房与智慧餐饮视觉研究
八、总结
10类可食用蘑菇检测数据集（Edible Mushroom Detection） 包含4000张高质量标注图像，采用标准YOLO格式构建，专注于可食用蘑菇的多类别检测与识别任务。数据集覆盖木耳、黑木耳、金针菇、绒柄金钱菌、金色金针菇、杏鲍菇、香菇、平菇杏鲍菇、干香菇、鲜香菇10类常见食用菌，具有细粒度类别丰富、专业标注精准、干鲜形态兼顾等特点，可广泛应用于智能农业采摘、食用菌品质分选、食品安全检测、智能厨房辅助等领域，是开展食用菌智能识别 算法 研发与智慧农业系统建设的优质数据资源。
