- 图像数量
- 7,988 张图像
- 标注类别
- 8 个类别
- 标注格式
- YOLOv8
本数据集包含7988张超市货架图像，标注8类盒装/瓶装饮料蛋白商品，覆盖不同货架层板、光照与商品摆放角度。适用于零售货架理货、自动缺货识别、商品陈列巡检。YOLOv8格式，265MB。
数据集概览
| 图像数量 | 7988张 |
| 标注格式 | YOLOv8 |
| 标注类别 |
|
适用场景
适用于超市/便利店智能理货、货架缺货自动识别、商品排面占比分析、零售门店巡检机器人、快消品陈列合规检查等场景。
数据集描述
超市货架商品识别与缺货检测数据集面向零售门店的智能化理货与陈列巡检场景。数据集包含7988张超市货架实拍图像，标注8类常见盒装/瓶装蛋白饮料商品（Tofusan高蛋白豆奶系列、Hooray植物蛋白饮料系列、Dutch Mill高蛋白酸奶系列等）。样本覆盖不同货架层板高度、门店光照条件和商品摆放角度，可用于训练商品定位与识别模型，自动检测货架空位/缺货、统计排面占比、辅助门店理货员补货。标注为YOLOv8目标检测格式，可直接部署到门店巡检机器人或手持终端。
相关推荐
常见问题
Q: 这个数据集是什么格式？可以直接用YOLO训练吗？
A: 本数据集为YOLO格式（.txt标注文件+images/labels目录结构），下载解压后可直接用于YOLOv5/YOLOv6/YOLOv7/YOLOv8/YOLOv11等系列模型的训练，无需额外格式转换。
Q: 数据集有多大？包含多少张图片？
A: 具体图片数量和标注类别请参考上方”数据集概览”表格。所有数据集均经过筛选，确保标注质量和场景多样性。
Q: 下载后如何使用？
A: 1. 下载ZIP文件并解压；2. 确认目录结构包含images和labels文件夹；3. 修改data.yaml中的路径指向解压目录；4. 运行训练命令开始训练。建议先在小数据集上验证，再全量训练。
Q: 数据集可以商用吗？
A: 数据集来源于开源社区，具体使用许可请参考原始项目说明。建议用于学习研究和非商业项目，商业使用前请确认原始许可协议。
Q: 训练时推荐什么参数？
A: 推荐初始配置：batch=16（根据显存调整）、imgsz=640、epochs=100、optimizer=AdamW。如果数据集类别不均衡，建议使用–balance-weights或过采样少数类。
训练建议
数据预处理：训练前建议运行数据校验脚本，检查标注文件是否存在空框、越界坐标或格式错误。可使用YOLO自带的`–verify`参数进行验证。
数据增强：开启mosaic、mixup、hsv_h/s/v等增强策略，提升模型泛化能力。对于小目标密集的场景，建议将imgsz提升到1280。
迁移学习：推荐使用预训练权重（yolov8n/s/m/l.pt）进行微调，而非从头训练。冻结前10层可以加快收敛速度。
评估指标：重点关注mAP@0.5、mAP@0.5:0.95、Precision和Recall四个指标。如果Recall偏低，可适当降低置信度阈值。
模型选择：边缘部署选nano/small，服务器推理选medium/large。分类任务建议从YOLOv8-cls开始，实例分割用YOLOv8-seg。
下载说明
登录后通过夸克网盘下载，提取码yolo。
通过夸克网盘分享的文件：超市货架商品识别与缺货检测数据集_data2.cn.zip
暂无评论内容