一、数据集基础概况

• 该数据集是Kaggle平台上的公开计算机视觉数据集，标题为“Fruit Recognition（水果识别）”，由Chris Gorgolewski创建并更新。
  
• 图像总量：共包含44406张带标注的水果图像，所有图像均为“有标签数据”，可直接用于模型训练与验证。- 类别划分：覆盖15种主流水果类别（包括苹果、香蕉、杨桃、番石榴、猕猴桃、芒果、橙子、桃子、梨、柿子、火龙果、李子、石榴、西红柿、甜瓜），部分类别进一步细分子类别，其中苹果类别最为细致，含6个子类别（Apple A、Apple B、Apple C、Apple D、Apple E、Apple F）。
• 图像技术参数：采用HD Logitech webcam（高清罗技 webcam）拍摄，相机像素为500万，图像背景统一为“干净纯色背景”，分辨率固定为320×258像素，色彩空间为RGB，每个颜色通道的位深度为8位（即每个通道取值范围0-255），保证图像色彩信息的完整性。
• 我用夸克网盘给你分享了「水果识别数据集」，点击链接或复制整段内容，打开「夸克APP」即可获取。链接：https://pan.quark.cn/s/34fb850dea1b

二、数据采集细节

1. 采集周期与环境控制

• 采集时长：整个数据采集过程持续6个月，而非短期集中采集，确保数据在时间维度上的多样性（如不同季节水果状态、不同时段光照变化）。
• 采集场景：以“实验室可控环境”为基础，同时针对性模拟“超市、水果店等真实应用场景”的识别挑战，避免数据与实际应用脱节。
• 采集设备辅助：除相机外，还使用“自主研发的智能称重设备”辅助固定水果位置，确保同一类别水果的拍摄角度、距离相对统一，同时便于控制变量（如姿态、遮挡）。

2. 关键变量设计

为解决真实场景中水果识别的痛点，采集时特意设置多类变量，具体包括：

• 光照变量：涵盖自然光（窗户全开、半开、关闭，窗帘全开、半开、关闭）、人工光（室内灯全开、关闭，荧光灯照明）、混合光（自然光+人工光）等场景，甚至包含“同一水果在不同天气（晴天、阴天）下的图像”，解决光照差异导致的识别偏差。
• 姿态与数量变量：同一水果采用不同摆放姿态（平放、倾斜、堆叠），同一图像中水果数量不同（1个、2个、多个堆叠），模拟超市中水果的随机摆放状态。
• 遮挡与完整性变量：包含“部分遮挡”（如水果被叶子、包装纸遮挡1/4-1/2面积）、“手部遮挡”（模拟顾客挑选水果时的手部遮挡场景），以及“完整无遮挡”三类图像，覆盖不同识别难度。
• 类别与颜色变量：
  • 同色不同类：采集颜色相近但类别不同的水果（如黄色的香蕉与黄色的芒果），测试模型对“颜色相似类别”的区分能力。
  • 同类不同色：采集同一类别下不同颜色的水果（如红色苹果、绿色苹果、黄色苹果），确保模型能识别类别内的颜色差异。
• 特殊细节变量：针对特定水果设置专项变量，如芒果含3个子类别（均包含“镜面反射阴影”场景）、猕猴桃含3个子类别、苹果含6个子类别，覆盖水果的品种差异。

3. 数据质量与多样性保障

• 同一类别水果在“不同日期、不同时段（早、中、晚）”采集，避免数据因时间单一导致的泛化能力差问题。
• 图像质量存在合理差异，部分图像有轻微拍摄 artifacts（如轻微模糊、边缘畸变），模拟真实相机拍摄的非理想状态，提升模型对“非完美图像”的适应能力。

三、数据集结构与容量细节

1. 文件夹组织逻辑

采用“三级结构”划分：总数据集文件夹→水果主类别文件夹→水果子类别文件夹，具体如下：

• 一级（总数据集）：版本1对应的总文件夹，包含所有水果类别及相关说明文件。
• 二级（主类别文件夹）：共15个，分别对应15种水果，名称为水果英文全称（如Apple、Banana、Carambola、Guava、Kiwi、Mango、Orange、Peach、Pear、Persimmon、Pitaya、Plum、Pomegranate、Tomatoes、muskmelon）。
• 三级（子类别文件夹）：仅含子类别水果的主文件夹下有此层级，以苹果为例：
  • Apple主文件夹下包含7个三级文件夹：Apple A、Apple B、Apple C、Apple D、Apple E、Apple F、Total Number of Apples（苹果总数汇总文件夹）。

2. 容量与文件数量明细

• 总容量：数据集版本1的总容量为8.49GB，总文件数70.5k（含图像文件及可能的说明文件）。
• 重点类别文件数：仅苹果类别文件数明确，具体子类别数量如下：
  • Apple A：692个文件
  • Apple B：740个文件
  • Apple C：1002个文件
  • Apple D：1033个文件
  • Apple E：664个文件
  • Apple F：2030个文件
  • Total Number of Apples：5024个文件（为上述6个子类别文件数总和，验证数据一致性）
• 其他14种水果的具体文件数未单独标注，但均包含在“70.5k总文件数”中

四、原作者及其相关信息

1. 版权许可证详情

• 许可证类型：Attribution 4.0 International（简称CC BY 4.0，署名4.0国际许可证），是Creative Commons（知识共享组织）的核心许可证之一。
  
• 作者：Chris Gorgolewski
• 源地址：https://www.kaggle.com/datasets/chrisfilo/fruit-recognition