土豆检测目标检测YOLO数据集项目详情任务类型目标检测类别数量5分类类别名称土豆、损伤土豆、缺陷土豆、真菌病害土豆、发芽土豆图片总量8900张数据集划分7:1:2分配 训练集6230张 验证集890张 测试集1780张标注格式YOLO txt格式、VOC xml格式可直接用于模型训练应用领域农产品品质检测、土豆分拣分级、食品加工质检、仓储病害监测、智能农业分选数据集简介该数据集为土豆目标检测数据集采集多种光照、多种摆放角度下的土豆实拍图像覆盖完好的与各类异常土豆。针对健康土豆、损伤土豆、缺陷土豆、真菌病害土豆、发芽土豆做框选标注场景真实、样本类别齐全。标注优势标注结果可直接用于 YOLO 系列目标检测模型训练无需额外格式转换极大降低数据准备成本。数据集标注质量稳定边界框贴合土豆轮廓模型能够清晰区分正常土豆与各类异常土豆降低误判。模型训练效果使用 YOLO26 完成训练后模型检测精度表现良好能够快速定位图像内的土豆并判断其品质状态。除土豆主体外数据集保留传送带、包装等背景信息便于模型在复杂环境下仍保持稳定检测效果。数据集划分与拓展用途支持训练集、验证集、测试集按 7:1:2 科学划分图片总数充足方便用户复现训练流程并对比不同算法效果。该数据集可进一步用于土豆自动分级、品质筛选、仓储保鲜管理、农产品智能分拣等多项延伸任务。YOLO配置文件# 目标检测数据集配置 names: 0: 土豆 1: 损伤土豆 2: 缺陷土豆 3: 真菌病害土豆 4: 发芽土豆YOLO26训练代码示例from ultralytics import YOLO # 加载YOLO26目标检测模型 model YOLO(yolo26n.pt) # 启动模型训练 model.train( data数据集配置.yaml, epochs100, imgsz640, batch8 )#土豆检测 #目标检测 #农产品质检 #智能分选 #智慧农业