一、数据集概述

在智慧农业与自动化采摘领域，果实的成熟度识别是核心技术环节之一。然而，西红柿（番茄）的成熟度检测面临多个现实痛点：

• 成熟度划分模糊：传统人工判断依赖经验，不同人的视觉标准不统一，导致“半熟”状态难以量化。
• 形状与大小差异大：大西红柿（牛番茄）与小西红柿（圣女果）不仅尺寸不同，其颜色变化曲线、光照反射特性也存在显著差异，单一模型难以兼顾。
• 光照与环境干扰强：温室或大田环境下，叶片遮挡、果实阴影、光照角度变化会严重影响基于颜色与纹理的识别算法。
• 缺乏细粒度多类别公开数据集：现有农业数据集多为“成熟/未成熟”二分类，或只针对单一品种。缺少同时区分品种（大小）与3级成熟度的组合标签数据，限制了精细化目标检测算法的落地。

本数据集专门针对上述痛点进行设计，包含 800 张 真实场景图像，能够有效解决以下问题：

• 细粒度多品种成熟度检测：支持同时识别两类番茄（大西红柿、圣女果）× 三种成熟度（绿熟、半熟、完熟），共6个类别。适合用于训练高精度目标检测模型（如YOLO、Faster R-CNN、DETR等）。
• 跨尺度特征学习：图片中同时包含大小不一的果实，有助于模型学习尺度不变性特征，提升对密集小目标（如圣女果串）的检测能力。
• 复杂环境下的鲁棒性训练：图像涵盖不同光照、不同遮挡程度、不同拍摄距离，数据本身带有真实农业环境的噪声，可有效提高模型在实际部署时的泛化能力。
• 农业自动化落地支撑：该数据集可直接用于智能视觉系统、无人机作物生长监测、温室产量预估等任务，尤其适用于需要区分“半熟——适宜采摘”与“完熟——立即处理”的商业场景。

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：1024*x 像素
• 标注格式：Labelme JSON格式，包含对象类别和精确标注边界。
• 类别标签体系（共6类）：

示例如下：

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

点击下载地址

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