番茄成熟度检测数据集】txt格式3类成熟度识别804张高清农田图片数据集亮点:✅ 804张番茄高清图片真实种植场景采集✅ txt格式标注兼容YOLO等框架✅ 3类成熟度检测标注框总数 ​​超1,100个​​数据集规格:标注格式txt类别标签及中文意思• 0: fully_ripened —— 完全成熟• 1: green —— 未成熟青果• 2: half_ripened —— 半成熟数据划分• 训练集643张80%• 验证集80张10%• 测试集81张10%番茄成熟度检测数据集完整表格 YOLOv11 训练/检测全套代码数据集表格、YOLOv11 配置、训练代码、推理代码。一、番茄成熟度检测数据集标准表格1. 数据集基础信息项目详情数据集名称番茄成熟度目标检测数据集总图片数量804 张真实农田实拍标注格式YOLO TXT 标注格式开箱即用目标类别3 类成熟度分级标注框总数超 1100 个适用模型YOLOv8 / YOLOv11 / YOLO26 全系列应用场景智慧农业、自动采摘、产量预估、长势监测2. 数据划分数据集划分数量占比用途训练集 Train643 张80%模型训练验证集 Val80 张10%训练调参测试集 Test81 张10%模型评估3. 类别信息ID 英文 中文类别ID英文标签中文标签0fully_ripened完全成熟1green未成熟青果2half_ripened半成熟二、YOLOv11 完整训练代码直接运行1. 数据集配置文件tomato.yaml# 番茄成熟度检测 - YOLOv11 配置path:./tomato_dataset# 数据集根目录train:images/trainval:images/valtest:images/test# 类别数量nc:3# 类别名称names:0:fully_ripened1:green2:half_ripened2. YOLOv11 训练脚本train_tomato.pyfromultralyticsimportYOLO# YOLOv11 番茄成熟度检测训练代码 if__name____main__:# 加载 YOLOv11 模型modelYOLO(yolo11n.pt)# 可换 yolo11s/m/l/x# 训练参数农业小目标优化resultsmodel.train(datatomato.yaml,epochs150,imgsz640,batch16,device0,lr00.01,lrf0.01,warmup_epochs3,cos_lrTrue,patience15,augmentTrue,hsv_h0.015,hsv_s0.7,hsv_v0.4,degrees15,fliplr0.5,flipud0.2,mosaic1.0,mixup0.1,nametomato_ripeness_yolo11,ampTrue,cacheTrue,saveTrue)# 测试集评估model.val(splittest)3. 推理/检测代码predict_tomato.pyfromultralyticsimportYOLOimportcv2# 加载训练好的模型modelYOLO(runs/detect/tomato_ripeness_yolo11/weights/best.pt)# 单张图片检测defdetect_image(img_path,save_pathresult.jpg):resultsmodel(img_path,conf0.25)frameresults[0].plot()cv2.imwrite(save_path,frame)cv2.imshow(Tomato Ripeness Detection,frame)cv2.waitKey(0)# 批量检测文件夹defdetect_folder(folder_path):model.predict(sourcefolder_path,saveTrue,conf0.25)if__name____main__:detect_image(test.jpg)4. 视频/摄像头实时检测predict_video.pyfromultralyticsimportYOLOimportcv2 modelYOLO(runs/detect/tomato_ripeness_yolo11/weights/best.pt)# 视频/摄像头实时检测defdetect_video(source0):capcv2.VideoCapture(source)whilecap.isOpened():ret,framecap.read()ifnotret:breakresultsmodel(frame,conf0.3)annotated_frameresults[0].plot()cv2.imshow(Tomato Ripeness Live,annotated_frame)ifcv2.waitKey(1)ord(q):breakcap.release()cv2.destroyAllWindows()if__name____main__:detect_video(0)# 0摄像头三、标准数据集目录结构tomato_dataset/ ├── images/ │ ├── train/ 643张 │ ├── val/ 80张 │ └── test/ 81张 └── labels/ ├── train/ ├── val/ └── test/四、运行命令pipinstallultralytics opencv-pythonpython train_tomato.pypython predict_tomato.py