棉花采摘棉铃检测数据集 | 棉花成熟度 棉铃检测 智慧农业 目标检测 YOLO格式9252期
数据集概述
本数据集专注于农田场景下棉花棉铃成熟度与采摘状态的视觉检测，服务于智慧农业、自动化采摘及棉花产量评估。数据涵盖四种典型的棉铃状态，适配目标检测模型训练、采摘机器人视觉系统及农情监测等应用。
数据集核心信息
| 数据要素 | 详细说明 |
|---|---|
| 类别 | 共4类：缺陷开裂棉花-不可采摘、棉花花朵-不可采摘、完全裂开-可采摘、部分开裂-不可采摘 |
| 数量 | 5397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） |
| 数据划分 | 训练集4238张，验证集529张，测试集530张（8:1:1） |
| 数据工具 | 使用 LabelImg 标注，画矩形框 |
| 应用价值 | 1.精准采摘：精准识别“完全裂开-可采摘”的棉铃，指导采棉机或机械臂进行选择性采收。 2.产量预估：通过统计各成熟阶段棉铃的比例，辅助预测最佳采摘期与产量。 3.品质管控：识别缺陷开裂的棉花，避免混收影响原棉品级。 4.算法研发：为农业细粒度分类、复杂背景目标检测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4类）
| 序号 | 中文类别名称 | 状态说明 |
|---|---|---|
| 1 | 缺陷开裂棉花-不可采摘 | 已开裂但存在霉变、虫害或污染等缺陷 |
| 2 | 棉花花朵-不可采摘 | 处于花期或幼铃阶段，未成熟 |
| 3 | 完全裂开-可采摘 | 棉铃充分成熟、完全吐絮，最佳采摘状态 |
| 4 | 部分开裂-不可采摘 | 吐絮不充分，尚未达到采收标准 |
数据三要素解析
类别与目标覆盖
- 数据集定义4类棉铃状态，直接对应农业采摘中的“采与不采”决策。
- 类别设置涵盖了棉花生长的关键阶段（花朵、部分开裂、完全裂开）以及异常状态（缺陷开裂），具有较强的农学逻辑。
- 目标在图像中呈现不同的形态与颜色特征（如白色棉絮、黄色花朵、褐色病斑），模型需具备细粒度区分能力。
数据规模与划分
- 图像总量约5397张，按8:1:1比例划分为训练集（4238张）、验证集（529张）与测试集（530张），划分规范。
- 数据量充足，能支撑多类别检测模型的稳健训练。
- 支持YOLOv5 至 v26全系列直接训练，适配主流检测框架。
格式与结构
- 采用通用YOLO 格式（txt），使用 LabelImg 进行矩形框标注，数据结构规范，开箱即用。
- 图像与标签一一对应，便于进行预处理与训练流程集成。
知识普及：棉花成熟度检测的技术要点
- 颜色与形态特征：成熟棉絮呈白色或乳白色，花朵呈黄/红色，缺陷棉常有黄褐色斑块。棉铃形态从闭合、微裂到完全四瓣/五瓣张开。模型高度依赖这些视觉特征进行判别。
- 密集与遮挡：棉田种植密集，叶片和枝干容易遮挡棉铃，需采用多尺度特征融合策略以应对小目标和遮挡问题。
- 光照敏感性：户外光照变化大，不同时段和天气下棉花的颜色表现不同，建议训练时加入色彩增强（如 HSV 扰动）。
- 类别不平衡：在实际数据中，不同状态棉铃的数量往往不均，训练时可考虑使用类别加权损失或过采样策略，提升对稀少状态的检测能力。
- 应用闭环：检测结果可直接输入采棉机的控制系统，实现“识别-定位-采摘”的自动化闭环；同时，统计各状态棉铃数量可生成产量预测报告，辅助农场管理决策。
快速开始（代码示例）
配置文件data.yaml示例：
train:./dataset/images/trainval:./dataset/images/valtest:./dataset/images/testnc:4names:['缺陷开裂棉花-不可采摘','棉花花朵-不可采摘','完全裂开-可采摘','部分开裂-不可采摘']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
棉花成熟度棉铃检测智慧农业目标检测YOLO格式深度学习数据集计算机视觉
