数据集-草莓成熟度分类数据集-3类草莓未熟（白/绿色）、半熟（粉/浅红色）、完熟（深红色）
-
- 一、数据集概述
- 二、数据标注图片实例
-
- [1. 未熟unripe](#1. 未熟unripe)
- [2. 半熟semi-ripe](#2. 半熟semi-ripe)
- [3. 成熟fully-ripe](#3. 成熟fully-ripe)
- 三、标注工具
- 四、数据下载地址
一、数据集概述
在草莓成熟度视觉识别任务中，图像分类是许多智能系统的基础环节，例如传送带分选、单个果实分级、手持设备拍照判定等。然而，当前领域仍面临以下突出痛点：
- 类别极度不平衡问题普遍存在：在实际农业场景中，半熟草莓的窗口期极短，采集难度大，导致大多数公开数据集呈现"未熟与完熟样本多、半熟样本稀缺"的分布，模型容易忽略半熟类别或将其错误归入相邻类别。
- 成熟度过渡状态的视觉歧义性：半熟草莓的外观变化极为连续------同一颗草莓在不同光照、不同角度下可能呈现从粉白到浅红的多种表现，不同标注人员对"半熟"边界的认定差异可达30%以上，导致训练数据标注一致性欠佳。
- 跨场景泛化能力差：许多分类数据集在单一光照、单一品种下采集，模型一旦部署到不同大棚、不同品种或不同季节的草莓上，准确率显著下降。
- 细粒度分类难度被低估 ：草莓未熟（白/绿色）、半熟（粉/浅红色）、完熟（深红色）之间的差异本质上属于细粒度视觉分类，通用分类模型（如ResNet）直接应用容易混淆半熟与完熟的边界，需要针对性设计。
该数据集能够有效解决以下问题：
- 真实不平衡场景下的分类建模：本数据集还原了农业实际采集中的天然不平衡分布（未熟最多、完熟次之、半熟最少）。
- 轻量级分类模型部署验证：1,623张图片的规模适中，适合快速训练 YOLO、MobileNet、EfficientNet-Lite、RepVGG 等轻量模型，为边缘设备（如手机、草莓分选机嵌入式系统）提供可行性验证。
二、数据标注图片实例
该数据集通过精心设计的采集和标注流程，方便为研究学习使用。
图像分辨率：224x224 像素
本数据集共包含 1,623 张 草莓果实图像，类别分布如下：
| 类别 | 英文标签 | 图片数量 |
|---|---|---|
| 未熟 | unripe | 923 |
| 半熟 | semi-ripe | 217 |
| 成熟 | fully-ripe | 483 |
1. 未熟unripe
果实整体呈白色、浅绿色或青色
2. 半熟semi-ripe
果面出现粉红或浅红色区域，红色占比 30%~70%，仍可见白/绿色区域
3. 成熟fully-ripe
果实整体呈鲜红色或深红色，红色占比 > 90%，表面有光泽
三、标注工具
工具：X-AnyLabeling-CPU.exe
下载地址：https://github.com/CVHub520/X-AnyLabeling/releases
四、数据下载地址
下载地址：https://download.csdn.net/download/qq_21386397/92858670
如果有用，请点个三连呗 点赞、关注、收藏。
你的鼓励是我最大的动力