---

---

一、数据集概述

在农业智能化领域，柑橘果园的自动化监测与管理一直面临着几个关键挑战：

1. 果实定位准确性不足：传统图像识别方法难以区分树上果实与掉落果实，影响产量估算准确性；
2. 数据多样性缺乏：现有数据集往往只包含单一状态(仅树上或仅地上)的柑橘样本；
3. 环境适应性差：大多数模型在复杂果园环境(多变光照、遮挡等)下表现不佳。

本数据集针对性地解决了这些问题：

• 双状态标注：同时标注树上柑橘和树下柑橘，为果实状态识别提供基础。
• 真实场景覆盖：包含580张不同光照条件、拍摄角度和成熟度的柑橘图像。
• 精准检测支持：高质量标注为开发鲁棒性强的柑橘检测模型提供数据保障。

数据集统计如下：

{
  "im_count": 579,  # 图片数量
  "label_count": {
      "on": 25319,   # 在树上的标签数量
      "under": 17334 # 在树下的标签数量
  },
}

该数据集特别适用于：

• 果园自动化收获系统开发；
• 柑橘成熟度与掉落率监测；
• 基于视觉的产量预估算法研究；
• 农业机器人视觉导航系统训练；

二、数据标注实例

示例如下：

三、数据集技术规格

• 图像分辨率：1200×1600 像素
• 标注格式：Labelme JSON格式，包含对象类别和精确边界多边形

该数据集通过精心设计的采集和标注流程，方便为研究学习使用。

四、样本类别

本数据集共包含580张高质量柑橘图像，每张图像均经过专业标注。

• 树上柑橘(On-tree)：标注为健康挂果状态的柑橘
• 树下柑橘(Under-tree)：标注为已掉落或采摘后放置的柑橘

树上柑橘样本

• 通常呈现自然生长状态
• 可能被树叶部分遮挡
• 颜色从青绿到橙黄不等(反映不同成熟度)
• 具有典型的枝条连接特征

树下柑橘样本

• 呈现自由散落状态；
• 可能因接触地面而产生轻微瑕疵；
• 常伴有阴影效果；
  

五、标注工具

工具：X-AnyLabeling-CPU-v2.5.0.exe
下载地址：https://github.com/CVHub520/X-AnyLabeling/releases

六、下载地址

数据集-柑橘果目标检测数据集-labelme,580张目标检测图片

---

如果有用，请点个三连呗 点赞、关注、收藏。
你的鼓励是我最大的动力