Un ensemble de données de haute qualité contenant des images de fruits et de légumes. Les fruits et légumes suivants sont inclus : Pommes (différentes variétés : Crimson Snow, Golden, Golden-Red, Granny Smith, Pink Lady, Red, Red Delicious), Abricot, Avocat, Avocat mûr, Banane (Jaune, Rouge, Lady Finger). , Betterave rouge, Myrtille, Fruit de cactus, Cantaloup (2 variétés), Carambula, Chou-fleur, Cerise (différentes variétés, Rainier), Cire de cerise (jaune, rouge, noire), Châtaigne, Clémentine, Cocos, Maïs (avec coque), Concombre (affiné), Dattes, Aubergine, Figue, Racine de Gingembre, Granadille, Raisin (Bleu, Rose, Blanc (différentes variétés)), Pamplemousse (Rose, Blanc), Goyave, Noisette, Airelle, Kiwi, Kaki, Chou-rave, Kumsquats, Citron (normal, Meyer), Citron vert, Litchi, Mandarine, Mangue (verte, rouge), Mangoustan, Maracuja, Melon Piel de Sapo, Mûre, Nectarine (Régulière, Plate), Noix (Forêt, Noix de Pécan), Oignon (Rouge, Blanc), Orange, Papaye, Fruit de la Passion, Pêche (différentes variétés), Pépino, Poire (différentes variétés, Abate, Forelle , Kaiser, Monster, Rouge, Pierre, Williams), Poivre (Rouge, Vert, Orange, Jaune), Physalis (normal, avec coque), Ananas (normal, Mini), Pitahaya Rouge, Prune (différentes variétés), Grenade, Pomelo Sweetie, Pomme de terre (rouge, sucrée, blanche), Coing, Ramboutan, Framboise, Groseille, Salak, Fraise (normale, Wedge), Tamarillo, Tangelo, Tomate (différentes variétés, Marron, Rouge cerise, Jaune, non mûrie, Cœur) , Noix, Pastèque.
Nombre total d'images : 90483.
Taille de l’ensemble de formation : 67 692 images (un fruit ou un légume par image).
Taille de l’ensemble de test : 22 688 images (un fruit ou un légume par image).
Taille de l'ensemble multi-fruits : 103 images (plus d'un fruit (ou classe de fruit) par image)
Nombre de classes : 131 (fruits et légumes).
Taille de l'image : 100x100 pixels.
Format du nom de fichier : image_index_100.jpg (par exemple 32_100.jpg) ou r_image_index_100.jpg (par exemple r_32_100.jpg) ou r2_image_index_100.jpg ou r3_image_index_100.jpg. "r" signifie fruit tourné. "r2" signifie que le fruit a tourné autour du 3ème axe. "100" vient de la taille de l'image (100x100 pixels).
Différentes variétés d'un même fruit (pomme par exemple) sont stockées comme appartenant à des classes différentes.
Les dossiers Formation et Test contiennent des images à des fins de formation et de test.
Le dossier test-multiple_fruits contient des images avec plusieurs fruits. Certains d'entre eux sont partiellement recouverts par d'autres fruits. Il s'agit d'un excellent test pour la détection dans le monde réel.
Le dossier src/image_classification contient le code python pour entraîner le réseau neuronal. Il utilise la bibliothèque TensorFlow 2.0.
Le dossier src/image_classification_tf_1.8.0 contient l'ancienne version du code python pour entraîner le réseau neuronal. Il utilise la bibliothèque TensorFlow 1.8.0.
Le dossier src/utils contient le code C++ utilisé pour extraire les fruits ou légumes en arrière-plan.
Le dossier Papers contient les documents de recherche liés à cet ensemble de données.
L'ensemble de données peut également être téléchargé depuis : Kaggle
Horea Muresan, Mihai Oltean, Reconnaissance de fruits à partir d'images grâce à l'apprentissage profond, Acta Univ. Sapientiae, Informatica Vol. 10, numéro 1, pages 26 à 42, 2018.
Des fruits et légumes ont été plantés dans l'arbre d'un moteur à basse vitesse (3 tr/min) et un court film de 20 secondes a été enregistré.
Une caméra Logitech C920 a été utilisée pour filmer les fruits. C'est l'une des meilleures webcams disponibles.
Derrière les fruits nous avons placé une feuille de papier blanche comme fond.
Cependant, en raison des variations des conditions d'éclairage, l'arrière-plan n'était pas uniforme et nous avons écrit un algorithme dédié qui extrait les fruits de l'arrière-plan. Cet algorithme est de type Flood Fill : on part de chaque bord de l'image et on y marque tous les pixels, puis on marque tous les pixels trouvés au voisinage des pixels déjà marqués pour lesquels la distance entre couleurs est inférieure à une valeur prescrite. Nous répétons l'étape précédente jusqu'à ce qu'aucun pixel ne puisse plus être marqué.
Tous les pixels marqués sont considérés comme étant l'arrière-plan (qui est ensuite rempli de blanc) et le reste des pixels est considéré comme appartenant à l'objet.
La valeur maximale de la distance entre 2 pixels voisins est un paramètre de l'algorithme et est définie (par essais et erreurs) pour chaque film.
Les photos du dossier test-multiple_fruits ont été réalisées avec un téléphone Nexus 5X.
Nous avons exécuté TensorFlow sur ces données et les résultats sont présentés dans ce document de recherche.
Les fruits ont été filmés aux dates indiquées ci-dessous (AAAA.MM.JJ) :
2017.02.25 - Pomme (dorée).
2017.02.28 - Pomme (Rouge Jaune 1, rouge, doré2), Kiwi, Poire, Pamplemousse, Citron, Orange, Fraise.
05.03.2017 - Pomme (golden3, Braeburn, Granny Smith, rouge2).
07.03.2017 - Pomme (rouge3).
2017.05.10 - Prune, Pêche, Pêche plate, Abricot, Nectarine, Grenade.
2017.05.27 - Avocat, papaye, raisin, cerise.
2017.12.25 - Carambula, Fruit de cactus, Granadille, Kaki, Kumsquats, Fruit de la passion, Avocat mûr, Coing.
2017.12.28 - Clémentine, Cocos, Mangue, Citron Vert, Litchi.
2017.12.31 - Pomme rouge délicieuse, poire monstre, raisin blanc.
2018.01.14 - Banane, Pamplemousse Rose, Mandarine, Ananas, Tangelo.
2018.01.19 - Huckleberry, Framboise.
2018.01.26 - Dattes, Maracuja, Plum 2, Salak, Tamarillo.
2018.02.05 - Goyave, Raisin Blanc 2, Citron Meyer
2018.02.07 - Rouge Banane, Pepino, Rouge Pitahaya.
2018.02.08 - Poire Abate, Poire Williams.
2018.05.22 - Citron en rotation, Grenade en rotation.
2018.05.24 - Cherry Rainier, Cherry 2, Strawberry Wedge.
2018.05.26 - Cantaloup (2 variétés).
31.05.2018 - Melon Piel de Sapo.
2018.06.05 - Ananas Mini, Physalis, Physalis avec coque, Rumboutan.
08.06.2018 - Mûrier, Groseille.
2018.06.16 - Rouge Cerise, Noisette, Noix, Tomate.
2018.06.17 - Cire de Cerise (Jaune, Rouge, Noir).
2018.08.19 - Pomme rouge jaune 2, raisin bleu, raisin blanc 2, raisin blanc 3, pêche 2, prune 3, tomate marron, tomate 1-4.
2018.12.20 - Noix de pécan, poire Kaiser, tomate jaune.
2018.12.21 - Banana Lady Finger, Châtaignier, Mangoustan.
2018.12.22 - Pomelo chérie.
2019.04.21 - Pomme Crimson Snow, Apple Pink Lady, Myrtille, Chou-rave, Mangue Rouge, Poire Rouge, Poivre (Rouge, Jaune, Vert).
2019.06.18 - Betterave rouge, maïs, racine de gingembre, nectarine plate, noix forestière, oignon rouge, oignon rouge pelé, oignon blanc, pomme de terre rouge, pomme de terre rouge lavée, pomme de terre douce, pomme de terre blanche.
2019.07.07 - Chou-fleur, Aubergine, Poire Forelle, Poivre Orange, Coeur de Tomate.
2019.09.22 - Coque de maïs, concombre mûr, figue, poire 2, noyau de poire, tomate non mûrie, pastèque.
Licence MIT
Copyright (c) 2017-2020 Mihai Oltean, Horea Muresan
L'autorisation est accordée par la présente, gratuitement, à toute personne obtenant une copie de ce logiciel et des fichiers de documentation associés (le « Logiciel »), d'utiliser le Logiciel sans restriction, y compris, sans limitation, les droits d'utilisation, de copie, de modification, de fusion. , publier, distribuer, accorder des sous-licences et/ou vendre des copies du Logiciel, et permettre aux personnes à qui le Logiciel est fourni de le faire, sous réserve des conditions suivantes :
L'avis de droit d'auteur ci-dessus et cet avis d'autorisation doivent être inclus dans toutes les copies ou parties substantielles du logiciel.
LE LOGICIEL EST FOURNI « TEL QUEL », SANS GARANTIE D'AUCUNE SORTE, EXPRESSE OU IMPLICITE, Y COMPRIS MAIS SANS LIMITATION LES GARANTIES DE QUALITÉ MARCHANDE, D'ADAPTATION À UN USAGE PARTICULIER ET DE NON-VIOLATION. EN AUCUN CAS LES AUTEURS OU LES TITULAIRES DES DROITS D'AUTEUR NE SERONT RESPONSABLES DE TOUTE RÉCLAMATION, DOMMAGES OU AUTRE RESPONSABILITÉ, QUE CE SOIT DANS UNE ACTION CONTRACTUELLE, DÉLIT OU AUTRE, DÉCOULANT DE, DE OU EN RELATION AVEC LE LOGICIEL OU L'UTILISATION OU D'AUTRES TRANSACTIONS DANS LE LOGICIEL.
