黄瓜发育阶段数据集 | 3700张YOLO智慧农业数据集

黄瓜发育阶段数据集 | 3700张YOLO智慧农业数据集并不只看表面做法，关键还要理解相关条件、限制和后续影响。

黄瓜发育阶段数据集 | 3700张YOLO智慧农业数据集

适用于温室巡检、采摘机器人与目标检测研究

一、数据集概述

本数据集面向智慧农业与设施种植场景，用于黄瓜果实发育阶段的判别，共包含约3700张高质量标注图像。该数据集包含两类目标——发育中果实与成熟果实，可用于自动判断黄瓜的采摘时机，适用于YOLO系列等主流目标检测 算法 的训练、验证与测试，可广泛应用于温室巡检机器人、采摘机器人等场景下的黄瓜成熟度自动识别。

随着设施农业和智慧种植技术的快速发展，利用计算机视觉技术实现黄瓜果实发育阶段的自动判别已成为推动采摘自动化、提升果实品质、降低人工成本的重要手段。本数据集针对黄瓜发育阶段检测场景中果实形态相似、 光 照变化复杂、遮挡频繁等问题进行专项构建，可为温室智能巡检系统与果蔬采摘机器人提供高质量数据支撑。

数据集下载

二、数据集基本信息

项目	内容
数据集名称	黄瓜发育阶段数据集
数据规模	约3700张高质量标注图像
任务类型	目标检测（Object Detection）
检测目标	发育中果实、成熟果实
类别数量（nc）	2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	真实温室大棚与设施种植场景采集
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

本数据集为二分类目标检测数据集，共设置2个检测类别，用于黄瓜果实发育阶段的判别，区分发育中果实与成熟果实，为自动判断采摘时机提供视觉依据。

类别配置

nc: 2names:- developing- mature

类别详情

类别ID	类别名称	英文名称	类别说明
0	发育中果实	developing	黄瓜果实处于膨大发育阶段，尚未达到成熟采收标准
1	成熟果实	mature	黄瓜果实已发育成熟，达到适宜采收的商品规格

二分类设计使模型能够专注于黄瓜果实发育阶段的核心判别任务，有效区分可采与不可采果实，特别适用于温室巡检、采摘机器人视觉与黄瓜成熟度自动识别等专项应用场景。

四、数据集结构说明

数据集采用标准YOLO目录结构组织，已按训练集、验证集、测试集进行科学划分，每个图像对应一个同名的.txt标注文件，可直接导入各类目标检测框架。

database/└── 黄瓜发育阶段数据集├── 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。

标注文件为同名.txt格式，每行格式为类别索引 x_center y_center width height，坐标均为归一化值，可直接适配YOLO系列等目标检测框架。

五、数据集核心优势

1. 真实温室种植场景采集

数据全部来源于真实温室大棚与设施种植环境，真实反映黄瓜果实发育阶段检测实际应用场景，具有高度的工程实用价值。

覆盖场景包括：

连栋温室黄瓜种植区 日光温室黄瓜栽培 不同种植方式（土壤栽培、基质栽培） 不同生长季节与茬口 不同温室环境条件

能够有效提升模型的实际部署效果。

2. 完整的发育阶段覆盖

数据涵盖黄瓜果实从幼果到成熟的全发育过程：

幼果期：花后初期的小型果实 膨大期：果实快速生长阶段 商品成熟期：达到采收标准的成熟果实 不同品种的发育特征差异 不同季节的生长速度差异

覆盖从发育中到成熟果实的完整阶段图谱，为精准判断采摘时机提供数据基础。

3. 差异化果实形态覆盖

发育中与成熟果实在外观形态上存在显著差异：

发育中果实：体积较小、色泽偏深绿、表面绒毛明显、果形尚未充分伸展 成熟果实：体积饱满、色泽鲜亮翠绿、表面光泽度好、果形匀称

不同品种间果实色泽、大小、刺瘤密度等特征存在差异，数据集充分覆盖品种多样性。

4. 丰富的温室环境条件

数据覆盖：

不同光照条件（自然光、补光灯、遮阳网下） 不同拍摄角度（平视、俯视、侧视） 不同拍摄距离（果实特写、整体植株） 叶片遮挡与果实部分可见 不同生长位置（高位果、中位果、低位果）

能够有效增强模型在真实温室环境中的鲁棒性。

5. 高质量人工标注

所有图像均经过严格筛选与精细化标注：

标注框精准贴合黄瓜果实轮廓 发育中与成熟果实判别标准统一 部分遮挡果实的合理标注处理 无漏标现象 无类别混淆

有效保证 模型训练 质量。

6. 即用型数据组织

采用标准 YOLO格式 组织，已按train/valid/test划分，含数据集元信息文件，无需二次整理即可直接导入各类目标检测框架，快速投入模型训练、调优与评估。

7. 适配轻量化与高精度模型

数据质量高、标注精准，适配轻量化采摘机器人/边缘部署模型与高精度科研模型训练，适用于温室智能巡检系统开发、采摘机器人视觉系统研发及农业AI科研等场景。

六、适用场景

采摘机器人视觉系统

为黄瓜采摘机器人提供果实发育阶段识别能力，实现成熟果实的自动定位与选择性采摘。

温室智能巡检系统

部署于温室巡检机器人或固定监控设备，实现黄瓜果实发育状态的自动化巡检与数据采集。

黄瓜成熟度监测

持续监测黄瓜果实发育进程，自动判断最佳采摘时机，保障果实商品品质。

产量预测与采收规划

基于果实发育阶段统计数据，分析产量趋势，制定采收计划与劳动力安排。

设施种植管理平台

作为智慧温室管理平台的核心视觉模块，实现黄瓜生长状态的数字化监测与管理。

农业科研

为黄瓜品种选育、栽培管理及发育生物学研究提供数据支持。

七、适用研究方向

本数据集可广泛应用于以下研究领域：

农业计算机视觉与智慧农业研究 果蔬成熟度检测研究 二分类目标检测研究 果实发育阶段识别研究 采摘机器人视觉研究 YOLO系列模型优化研究 轻量化检测模型与边缘部署研究 温室环境目标检测研究 域适应与跨品种泛化研究 时间序列生长监测研究

八、总结

黄瓜发育阶段数据集包含约3700张高质量标注图像，采用标准YOLO格式构建，专注于黄瓜果实发育阶段的检测与判别任务。数据集以发育中果实和成熟果实2类为核心检测目标，覆盖温室大棚、日光温室等多种设施种植场景，具有场景真实、发育阶段覆盖完整、标注精准等特点，可广泛应用于采摘机器人、温室智能巡检、成熟度监测、产量预测等领域，是开展果蔬成熟度检测算法研发与智慧农业系统建设的优质数据资源。