大闸蟹外观缺陷识别数据

借助机器视觉技术，可实现大闸蟹的高效分类与价值最大化，精准识别大闸蟹外观完整性。外观完全完整、可纳入高端品类，用于礼盒包装，主打节日礼品市场和高端餐饮渠道，对于断半腿、短腿等残次大闸蟹，通过分级系统标记后，采取差异化处理：轻度残缺的可低价流入大众消费市场，满足家庭日常食用需求；严重残缺的则定向输送至加工企业，经清洗、拆解后制成蟹肉棒、蟹粉等深加工产品，提升原料利用率。
采集残缺的大闸蟹图像，包括断整腿的大闸蟹图像和断半腿的大闸蟹图像。对图像预处理，保留原始分辨率，以保留材料表面的原有特征。采用随机旋转-随机缩放-随机亮度调整-随机对比度调整-随机噪声添加对图像进行增强。使用labelme等标注工具基于视觉特征判断对缺陷的位置进行精确标注，使用COCO包围框(x,y,width,height)进行定位和目标检测标注，其中x为包围框起点x轴坐标，y为包围框起点y轴坐标，width为包围框宽度,height为包围框高度；将缺陷分为断整腿，断半腿2种类别， 将识别缺陷区域的COCO包围框转换为数据格式；转换公式如下：x1=x,y1=y,x2=x+width,y2=y+height,x1为缺陷标记区域起点x轴坐标，y1为缺陷标记区域起点y轴坐标，x2为缺陷标记区域终点x轴坐标，y2为缺陷标记区域终点y轴坐标，缺陷识别类型∈{"断整腿","断半腿"}，（x1,y1,x2,y2）是缺陷标记坐标。

搜集汇总

背景与挑战

背景概述

该数据集包含1462条大闸蟹外观缺陷识别数据，以xlsx格式存储，主要用于通过机器视觉技术识别大闸蟹的断整腿和断半腿等缺陷，实现高效分类和价值最大化。数据集采用图像预处理和增强方法，并使用COCO包围框进行精确标注，支持农业领域的智能分级和加工应用。