Amy青梅1. 智慧果园柑橘成熟度检测数据集概述
在农业智能化转型的浪潮中，计算机视觉技术正逐步改变传统果园管理模式。我们最新发布的"智慧果园树上柑橘成熟度检测数据集"专为柑橘种植场景设计，包含1566张高质量田间图像，覆盖柑橘从青果期到完熟期的完整生长阶段。数据集采用VOC和YOLO双重标注格式，可直接适配主流目标检测框架的训练需求。
这个数据集的独特价值在于其真实的农业场景采集背景。所有图像均在自然光照条件下拍摄，完整保留了果树种植密度、枝叶遮挡、果实重叠等实际生产环境中的复杂因素。标注工作由具有10年柑橘种植经验的农艺师参与完成，确保成熟度分级的农业准确性。数据集包含"未成熟"和"已成熟"两个经过严格定义的类别，其中"已成熟"类别的判定综合考量了果皮色泽、果径大小等农业指标。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 数据集构建方法与技术细节
2.1 数据采集方案设计
我们在华南地区三个主要柑橘产区（广东肇庆、广西桂林、福建永春）进行了为期两个生长周期的数据采集。使用佳能EOS 90D单反相机（3250万像素）搭配偏振镜，在每日9:00-11:00和14:00-16:00两个光照稳定的时段进行拍摄。采集角度包含平视、仰视和俯视三种视角，拍摄距离控制在1.5-3米范围内，确保单张图像能包含5-15个果实的目标密度。
特别设计的采集路线覆盖了果园边缘和中心区域、向阳面和背阴面等不同微环境，这种有策略的采样方法保证了数据分布的多样性。同时记录了每张图像的拍摄时间、环境温湿度和光照强度等元数据，为后续数据增强提供参考依据。
2.2 标注规范与质量控制
采用严格的五步标注流程：
- 农艺专家预筛选：剔除病果、畸形果等非常规样本
- 初级标注：使用LabelImg工具进行边界框标注
- 农艺复核：确认成熟度分类的准确性
- 交叉验证：不同标注员对20%样本进行重复标注
- 最终审核：检查标注文件与图像的对应关系
标注文件包含以下关键信息：
- VOC格式：每个XML文件记录图像尺寸、物体类别及精确的像素坐标
- YOLO格式：归一化后的中心坐标(x,y)和宽高(w,h)，便于直接训练
- 附加属性：果实可见比例(0-1)、遮挡程度(无/部分/严重)等辅助信息
我们开发了专用的标注一致性检查工具，通过计算IoU(Intersection over Union)指