桃子成熟度检测数据集与模型一、数据集概述本数据集面向桃子成熟度检测共 1,245 张高质量图像按 3 类 成熟度标注硬熟、半熟、完熟。数据集采用 YOLO 格式标签图片清晰、标注准确适合训练 YOLOv8 等目标检测模型。基于该数据集训练的 YOLOv8 模型精度达到 0.879可直接用于推理省时省力。二、核心亮点• 专注成熟度分级精准区分硬熟、半熟、完熟三个阶段适用于采摘、分选、仓储等环节。• 精度达标YOLOv8 训练 mAP0.5 达 0.879模型效果好可直接投入使用。• 数据质量高图片清晰标签准确内容覆盖不同光照、角度、品种的桃子图像。• 开箱即用提供 YOLO 格式数据集 训练好的权重文件无需二次标注。三、检测类别3类类别 说明硬熟Hard-ripe 果肉坚实表皮仍带绿色或刚转色半熟Half-ripe 部分转红/黄果肉开始变软完熟Full-ripe 完全着色果肉柔软香气浓郁四、数据集详情• 总图片数1,245 张• 标注格式YOLO.txt归一化坐标• 数据划分建议按 8:1:1 或 7:2:1 自行划分训练/验证/测试集• 数据来源网络收集 实地拍摄涵盖不同品种水蜜桃、黄桃、蟠桃等• 数据特点自然光照、室内/室外场景、单果/多果、不同成熟度共存五、训练结果YOLOv8• 模型YOLOv8s默认可切换 n/m/l/x• 训练轮数100 epoch可继续训练提升• 精度mAP0.5 0.879• 权重文件best.pt已提供• 训练日志包含 loss、precision、recall、mAP 曲线六、可配套的系统功能参考若您希望将此数据集落地为完整应用可参考以下系统架构• 检测方式图片、批量图片、视频、摄像头• AI 智能分析结合 DeepSeek/Qwen 生成成熟度判定依据、采摘建议、储存条件• 用户管理管理员/普通用户检测记录保存• 报告导出PDF 检测报告含成熟度分布统计• 可视化ECharts 展示各成熟度占比、趋势图技术栈可选用YOLOv8 Flask Spring Boot Vue3 MySQL七、交付内容数据集1,245 张图片 YOLO 标签文件训练好的模型best.ptYOLOv8smAP 0.879训练日志与图表loss 曲线、PR 曲线、mAP 曲线使用说明数据集结构、模型加载方式、训练复现步骤八、应用场景• 果园采摘辅助判断桃子最佳采摘期提高商品率• 分选包装自动分级降低人工成本• 电商仓储监控库存桃子成熟度变化合理安排出货• 科研育种量化不同品种的成熟特性九、定制化服务• 增加更多成熟度等级如“过熟”• 训练其他 YOLO 版本v5/v10/v11• 提供完整检测系统含 UI、数据库、LLM 建议• 模型剪枝量化部署到移动端或边缘设备