RGBD人群计数实战：从数据对齐到多模态融合的避坑指南
2026/10/13 11:06:50
谷物标签检测数据集 | 谷物检测 粮食品质 农产品分选 目标检测 YOLO格式9181期
数据集概述
本数据集专注于谷物籽粒品质的视觉检测与分类，服务于粮食加工、农业质检及仓储管理。数据涵盖七类谷物状态与杂质，适配碾米厂在线质检、育种筛选及粮情监测等应用。
数据集核心信息
| 数据要素 | 详细说明 |
|---|---|
| 类别 | 共7类（详见下方列表） |
| 数量 | 1726张图像 |
| 格式 | 图像为 JPG/PNG；标签为 YOLO 格式的 txt 文件（水平边界框） |
| 数据版本 | 6个版本 |
| 应用价值 | 1.品质定级：依据完整粒、变色粒等比例自动评定谷物等级，辅助收购定价。 2.加工优化：实时检测杂质与未成熟粒含量，调整清理与加工工艺参数。 3.仓储管理：监测储藏过程中谷物的变色、霉变趋势，预警品质劣变风险。 4.算法研发：为谷物品质检测、细粒度分类等视觉任务提供真实场景的训练与评测数据。 |
完整类别列表（共7类）
| 序号 | 英文名称 | 中文释义 | 类别说明 |
|---|---|---|---|
| 1 | Broken grain | 破损粒 | 机械损伤导致的碎裂籽粒 |
| 2 | Discoloured Grain | 变色粒 | 霉变或陈化导致颜色异常的籽粒 |
| 3 | Empty Shell | 空壳 | 未受精或发育不良的空壳 |
| 4 | Foreign Matter | 杂质 | 草籽、土块等非谷物杂质 |
| 5 | grain | 谷物 | 完整健康的籽粒 |
| 6 | Immature Grain | 未成熟粒 | 发育不完全的瘪谷 |
| 7 | Red grain | 红色粒 | 特定品种或病变导致的红色籽粒 |
数据三要素解析
类别与谷物状态覆盖
- 数据集定义7类谷物状态与杂质：破损粒、变色粒、空壳、杂质、谷物、未成熟粒、红色粒。
- 类别设置覆盖了谷物从完整健康到各类缺陷的完整状态谱系，具有较强的农业质检实用性。
- 类别命名与粮食质量检测标准中的常见分类相衔接。
数据规模与版本
- 图像总量约1726张，规模适中，能支撑谷物品质检测模型的训练。
- 数据集有6个版本，可能包含不同标注完善度或数据增强的迭代版本。
- 图像清晰，标注精细，适合直接用于目标检测模型训练。
格式与结构
- 采用通用YOLO 格式（txt），每张图像对应一个同名标签文件，包含类别 ID 与归一化边界框坐标，可直接接入 YOLOv5、YOLOv8 等主流检测框架。
- 图像与标签一一对应，数据结构规范，即拿即用。
知识普及：谷物品质视觉检测的技术要点
- 籽粒形态细微差异：破损粒、未成熟粒与完整粒在外观上差异细微，模型需依赖形态、纹理与颜色特征进行区分。
- 密集与遮挡：谷物在图像中密集分布，相互遮挡常见，需采用多尺度特征融合与NMS参数调优策略。
- 小目标检测：单个籽粒在图像中尺寸较小，需采用高分辨率输入或多尺度特征融合策略。
- 颜色特征敏感：变色粒、红色粒与正常谷物的颜色差异是主要判别依据，需注意光照条件的影响。
- 应用闭环：检测结果可结合传送带速度与分选设备，实现“识别-定位-分拣”的自动化质检闭环，提升粮食加工效率与品质。
快速开始（代码示例）
配置文件data.yaml示例：
train:./dataset/images/trainval:./dataset/images/valnc:7names:['Broken grain','Discoloured Grain','Empty Shell','Foreign Matter','grain','Immature Grain','Red grain']启动 YOLOv8 训练：
fromultralyticsimportYOLO model=YOLO('yolov8m.pt')model.train(data='data.yaml',epochs=100,imgsz=640,batch=16,device=0)标签
谷物检测粮食品质农产品分选目标检测YOLO格式深度学习数据集计算机视觉