Lychee Dataset

我们构建了一个新的荔枝数据集，具有数据类型丰富、类内变化大、标注格式多样全面以及成熟度分类明确等优点。它包含11,414张高分辨率图像，涵盖多个荔枝品种在不同成熟阶段的情况，采集自中国主要荔枝产区，覆盖了更广泛的品种多样性、不同的曝光水平和多样的天气条件；提供高质量、标准化的成熟度标注以及两种采集格式的采摘标注；数据集表现出更大的多样性，按日期和场景划分，可根据算法平台或应用场景灵活使用；除了原始图像，还包括增强图像和深度图，以开源格式发布，旨在促进农业视觉检测的标准化研究，并为智能采摘机器人的实际部署提供强大的数据支持。We constructed a novel lychee dataset with multiple distinct advantages, including rich data types, large intra-class variation, comprehensive and diverse annotation formats, and well-defined maturity classification. The dataset comprises 11,414 high-resolution images covering multiple lychee varieties at various maturity stages, collected from major lychee-producing regions in China. It encompasses broader varietal diversity, varying exposure levels, and diverse weather conditions, and provides high-quality, standardized maturity annotations as well as picking annotations in two acquisition formats. The dataset exhibits substantial diversity partitioned by collection date and scene, enabling flexible utilization across different algorithm platforms or application scenarios. In addition to raw images, it also includes enhanced images and depth maps released in open-source formats, aiming to facilitate standardized research in agricultural visual detection and provide robust data support for the practical deployment of intelligent picking robots.

原始信息汇总

🍒 Lychee 数据集概述

📌 数据集简介

Lychee 数据集是一个专为荔枝检测和成熟度分类设计的多模态数据集，具有数据种类丰富、类内差异大、标注格式多样且全面、成熟度分类定义明确等特点。

📊 数据集构成

• 图像总数：11,414 张高分辨率图像
• 图像类型：
  • RGB 图像：9,658 张
  • 深度图：1,756 张
• 分辨率：1280×1024
• 数据来源：中国主要荔枝产区采集的多品种荔枝图像

🌍 采集环境

• 环境条件：晴天、雨天；早晨、中午、傍晚
• 时间跨度：3 周的成熟期
• 采集场景：
  • 室内（桌上）
  • 室外（树上）

🏷️ 标注信息

• 检测任务：边界框标注（YOLO v5/v8 格式，.txt 文件）
• 抓取任务：旋转矩形标注（jacquard/corcell 格式，.txt 文件）
• 标注内容：
  • 所有图像提供高质量、标准化的成熟度标注
  • 成熟和未采摘荔枝提供两种采集格式的收获标注

📂 数据结构

数据集按日期和场景划分，包含以下主要目录：

• data/：包含按日期组织的子目录（250605、250610_table、250611_rain、250612、250619）
• 每个日期目录下包含：
  • detection/：检测任务数据（原始图像和增强图像）
  • grasp/：抓取任务数据
• 数据分割：训练集、验证集、测试集（8:1:1 比例）

🎯 应用场景

• 自动化荔枝采摘机器人
• 产量估计和生长监测
• 市场选择的成熟度分类

📋 数据集特点

• 涵盖更广泛的品种多样性
• 不同的曝光水平和多样的天气条件
• 提供原始图像、增强图像和深度图
• 按日期和场景划分，支持灵活使用

📄 引用信息

• 作者：Zhenpeng Zhang, Yi Wang, Shanglei Chai, Yingying Liu, Zekai Xie, Wenhao Huang, Pengyu Li, Zipei Luo, Dajiang Lu*, and Yibin Tian*
• 标题：A Benchmark Dataset for Lychee Detection and Maturity Classification for Robotic Harvesting
• 年份：2025
• 访问地址：https://github.com/SeiriosLab/Lychee/

搜集汇总

数据集介绍

构建方式

在农业视觉检测领域，荔枝数据集的构建依托于中国主要荔枝产区的实地采集，涵盖多个品种及不同成熟阶段。通过为期三周的持续观测，在室内与室外场景下捕获了11,414张高分辨率图像，并系统采集了不同天气条件与光照环境下的数据。数据采集兼顾RGB图像与深度模态，同时提供了原始图像与增强版本，确保了数据类型的丰富性与场景覆盖的全面性。

特点

该数据集具有显著的类内差异与标注多样性，其图像分辨率为1280×1024，涵盖晨间、正午及傍晚等多种光照条件。标注体系包括检测任务用的边界框与采摘任务用的旋转矩形，分别适配YOLO和Jacquard/Corcell格式。数据按日期与场景划分，增强了泛化能力，并配套深度图与增强图像，为算法鲁棒性验证提供多维度支持。

使用方法

用户可依据任务需求与计算资源灵活选用数据子集，数据集已按8:1:1比例划分为训练集、验证集与测试集。对于计算能力受限的平台，可独立使用单日数据子集；若资源充足，则可合并多日期数据以提升模型性能。该设计支持目标检测与抓取任务，可直接加载YOLO或定制格式标注进行模型训练与评估。

背景与挑战

背景概述

荔枝数据集由SeiriosLab研究团队于2025年构建，专注于农业视觉检测与智能采摘机器人领域。该数据集涵盖中国主要荔枝产区的11,414张高分辨率图像，包含多个荔枝品种在不同成熟阶段的图像数据，并提供了标准化的成熟度标注与采摘姿态标注。其设计旨在推动农业视觉检测的标准化研究，为智能采摘机器人的实际部署提供数据支撑，显著提升了果蔬采摘自动化研究的实验可复现性与算法泛化能力。

当前挑战

荔枝数据集需解决农业场景中复杂环境下的目标检测与成熟度分类问题，具体挑战包括果实在遮挡、光照变化及天气差异下的准确识别。构建过程中面临多品种荔枝形态差异大、标注一致性难以保证，以及深度信息与RGB数据的多模态对齐等难题，同时需确保数据在室内外场景下的泛化能力与标注格式的标准化。

常用场景

经典使用场景

在农业视觉检测领域，荔枝数据集通过高分辨率图像和标准化成熟度标注，为目标检测算法提供了丰富的训练样本。该数据集覆盖不同品种、光照条件和天气环境，支持模型在复杂农业场景中的泛化能力，常用于成熟度分类和果实定位研究。

衍生相关工作

基于该数据集衍生了多项经典工作，包括基于YOLO系列的实时检测模型、结合深度信息的抓取位点预测算法，以及跨场景迁移学习研究。这些工作显著提升了农业机器人在复杂环境下的感知能力和操作精度。

数据集最近研究

最新研究方向

在农业视觉检测领域，荔枝数据集正推动智能采摘机器人的前沿研究。该数据集融合多品种、多成熟度阶段的高分辨率图像与深度信息，为基于深度学习的果实检测与抓取算法提供关键支撑。研究热点集中于跨场景适应性算法开发，通过融合RGB与深度模态数据提升复杂环境下成熟度分类与抓取定位的精准度。该数据集的开放共享显著促进了农业机器人从实验室向田间部署的转化，为果实自动采收系统的标准化评估建立新基准。