摘要：玉米和绿豆浓度图像数据集是一个计算机视觉数据集，包含玉米和绿豆混合物的照片，专为监督学习而设计。

数据集简介

数据集概述

玉米和绿豆浓度图像数据集是一个计算机视觉数据集，包含玉米和绿豆混合物的照片，专为监督学习而设计。数据集根据玉米在混合物中的数量确定的浓度进行标注，包含 21 个浓度类别，以 5% 的增量变化，从标签 “maize_0″（0% 玉米）到 “maize_100″（100% 玉米）。在每个类别中，玉米和绿豆混合物的总比例保持恒定为 100。例如，在 maize_50 类别中，绿豆和玉米的总数量为 50。每个浓度类别中样本的变化通过手动搅拌混合物实现，使每张图像代表颗粒位置的不同分布。该数据集专为训练和评估机器学习算法而设计，特别是在监督学习领域，因为每个数据点都附有浓度标签作为真实标签。

数据结构与关键特征

数据集包含玉米和绿豆混合物的照片，分为 21 个浓度类别，浓度以 5% 增量变化：maize_0（0% 玉米）、maize_5（5% 玉米）、maize_10（10% 玉米）、…、maize_95（95% 玉米）、maize_100（100% 玉米）。

关键特征：
(1) 浓度范围：0-100%，5% 间隔；
(2) 混合物总量恒定：每个类别中玉米和绿豆的总比例为 100；
(3) 样本多样性：每个浓度类别内通过手动搅拌产生不同的颗粒分布；
(4) 标注方式：每个数据点附有浓度标签（真实标签/ground truth）；
(5) 类别间隔密度：5% 的类别间隔密度为研究人员提供灵活性。

数据用途：支持两种建模方法：
(1) 分类（多类别）：将图像分类到 21 个可用离散类别之一；
(2) 回归：在连续尺度上预测浓度值（例如，模型可能基于特征提取估计 23.5% 的值，即使训练数据以 5% 增量绘制）。

应用价值与研究方向

该数据集作为计算机视觉研究颗粒混合物分离动力学非破坏性分析的基础，以及开发农产品自动化质量检测系统，具有高度相关性。支持颗粒混合物分析、浓度估计、物料分离动力学研究、非破坏性检测、农产品质量检测、自动化检测系统、计算机视觉研究、监督学习、多类别分类（21 类）、回归预测、特征提取、深度学习模型训练（CNN、ResNet、EfficientNet）、图像分类、物体检测、颗粒计数、农业机器视觉、粮食分选、质量控制、工业检测。

数据集来源

由张家梁(Bob)整理并于2026年在7zcode平台公开发布。

数据集信息

免责声明与引用

数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。

作者信息

作者：Bob (张家梁)
项目编号：Datasets-177
文件大小：4.2G
原创声明：本数据集为整理作品