Fruits-360 数据集介绍与下载

下载地址： 夸克网盘

Fruits-360 是计算机视觉领域广泛使用的果蔬图像分类基准数据集，由 Mihai Oltean 创建并持续更新。该数据集以单物体、白色背景、多角度旋转为特色，适合用于图像分类、迁移学习和深度学习模型评测。

数据集核心信息

Fruits-360 数据集采用 100×100 像素的标准图像格式，所有图像均以单个水果、蔬菜、坚果或种子为主体，背景经过算法处理统一为白色。数据集按类别划分为训练集和测试集两个文件夹，不同品种的同类水果（如不同种类的苹果）被归为独立类别。

截至 2025 年 4 月的最新 100×100 版本，数据集包含 132,739 张图像、194 个类别，其中训练集 99,508 张，测试集 33,231 张。Kaggle 上的最新版本已扩展至 190,876 张图像和 268 个类别，涵盖水果、蔬菜、坚果、种子以及蘑菇等类别。类别覆盖范围极为广泛，从常见的苹果、香蕉、橙子，到较为小众的榴莲蜜、火龙果、灯笼果等均有收录。

创建方法与技术特点

该数据集的采集方式具有鲜明的工程特色。每个待拍摄的果蔬被固定在低速电机（3 rpm）的轴上，在 20 秒的视频录制过程中持续旋转，从而获得物体各个角度的图像帧。拍摄设备为 Logitech C920 摄像头，背景使用白色纸张。

由于实际拍摄中光照条件的变化，背景并非均匀白色，因此作者开发了一套基于泛洪填充（flood fill）的背景去除算法：从图像边缘开始逐像素标记，将颜色距离小于预设阈值的相邻像素归为背景，最终将背景区域填充为纯白，仅保留物体本身。

图像缩放至 100×100 像素是一项有意的设计选择。作者在原始论文中指出，虽然 MNIST 等数据集使用更小的 28×28 尺寸，但过小的图像会导致相似物体（如红樱桃与红苹果）难以区分，因此选择了相对更大的尺寸以保留足够的判别信息。

主要版本与分支

Fruits-360 在演进过程中形成了多个版本分支，用户可根据任务需求选择：

100×100 分支是最常用的版本，所有图像统一缩放至 100×100 像素，适合标准分类任务和快速原型开发。最新版本包含 190,876 张图像、268 个类别。

original-size 分支保留图像的原始采集分辨率，不进行缩放。截至 2026 年 9 月版本，该分支包含 110,482 张图像，分为训练、验证、测试三个子集（比例约为 50%/25%/25%），类别数为 153。这一分支适合需要高分辨率细节的研究。

multi 分支专门收录包含多个果蔬的图像，共 919 张。这些图像中物体可能相互遮挡，且光照条件与单物体图像不同，可用于测试模型在真实场景下的检测与分割能力。

此外还有 3-body-problem 分支，专门针对苹果、樱桃、番茄三个类别的不同品种进行细粒度划分，用于研究极具挑战性的品种区分任务。

应用场景与学术影响

Fruits-360 已被广泛用于深度学习图像分类的教学与研究。多篇学术论文以该数据集为基准评测模型性能，报告的分类准确率普遍达到 97% 以上，部分模型如 MobileNetV2 甚至报告了 100% 的准确率。常见的基线模型包括 AlexNet、VGG-16、ResNet50、EfficientNet-B0 等。

由于图像背景干净、物体居中、光照相对均匀，Fruits-360 适合作为入门级分类数据集。但研究者也指出，这种受控采集条件与真实农业场景存在差距，模型在该数据集上的表现不宜直接外推至田间果蔬识别任务。

许可与引用

Fruits-360 采用 CC BY-SA 4.0 许可协议，允许共享和改编，但需署名并以相同方式共享。

如您在研究中使用了该数据集，建议按以下格式引用：

Mihai Oltean, Fruits-360 dataset, 2017-. DOI: 10.17632/rp73yg93n8