mobilemold

MobileMold 是一个基于智能手机显微镜的食物霉菌检测数据集，包含 4,941 张标注图像。该数据集旨在满足低成本、易获取的食物安全监测需求，支持计算机视觉在食物表面霉菌检测中的应用研究。数据集覆盖 11 种食物类型（如胡萝卜、橙子、奶油奶酪等），并使用了三种不同的智能手机夹式显微镜（放大倍数为 30x-100x）和三款不同型号的智能手机进行图像采集。数据集分为原始图像和预处理图像两个版本，预处理图像经过裁剪和尺寸调整以聚焦霉菌区域。每张图像的元数据包括文件名、霉菌存在与否、食物类型、使用的智能手机型号和显微镜型号。数据集适用于图像分类任务，特别关注生物学和化学领域的应用。数据集遵循 CC BY-NC 4.0 许可协议。

MobileMold is a smartphone microscopy-based food mold detection dataset containing 4,941 annotated images. This dataset is designed to meet the demand for low-cost, accessible food safety monitoring, and supports applied research on computer vision-based mold detection on food surfaces. The dataset covers 11 food categories (e.g., carrot, orange, cream cheese, etc.), and images were collected using three different smartphone clip-on microscopes with magnification ranging from 30x to 100x and three distinct smartphone models. The dataset has two versions: raw images and preprocessed images. The preprocessed images have been cropped and resized to focus on mold regions. The metadata for each image includes the filename, whether mold is present, food category, the smartphone model used, and the microscope model. The dataset is suitable for image classification tasks, with a particular focus on applications in the fields of biology and chemistry. The dataset is released under the CC BY-NC 4.0 license.

原始信息汇总

MobileMold 数据集概述

数据集基本信息

• 数据集名称：MobileMold: A Smartphone-Based Microscopy Dataset for Food Mold Detection
• 简介：一个基于智能手机显微镜的、包含4941张标注图像的食品霉菌检测数据集。
• 核心用途：服务于计算机视觉在食品表面霉菌检测方面的应用研究与开发，旨在满足对便捷、低成本食品安全监测日益增长的需求。
• 许可协议：CC BY-NC 4.0
• 任务类别：图像分类
• 标签：生物学、化学
• 数据规模：1K < n < 10K

数据规模与构成

• 图像总数：4,941 张
• 标注信息：包含食品类型和霉菌标签。
• 食品类别：11种，具体为：胡萝卜（carrot）、橙子（orange）、奶油奶酪（creamcheese）、番茄（tomato）、吐司（toast）、覆盆子（raspberry）、混合面包（mixed bread）、黑莓（blackberry）、蓝莓（blueberry）、奶酪（cheese）、洋葱（onion）。
• 采集设备：
  • 显微镜类型：3种不同的智能手机夹式显微镜（放大倍率为30x-100x）。
  • 智能手机型号：使用了3种不同的智能手机模型进行拍摄。

数据集结构

数据集文件结构如下：

MobileMold/ ├── metadata.csv # 完整数据集元数据（4,941条记录） ├── train_metadata.csv # 训练集划分元数据 ├── val_metadata.csv # 验证集划分元数据 ├── test_metadata.csv # 测试集划分元数据 ├── original/ # 原始显微镜图像（原始捕获状态） │ ├── L10 - 48.jpeg │ ├── L10 - 25.jpeg │ ├── L10 - 161.jpeg │ └── ... (共4,941个文件) └── cropped_resized/ # 预处理后的图像（文件名与原始文件夹相同） ├── L10 - 48.jpeg # 裁剪至霉菌区域并调整大小 ├── L10 - 25.jpeg ├── L10 - 161.jpeg └── ... (共4,941个文件，与original/一一对应)

图像版本说明

1. original/ 原始图像：
   • 由智能手机显微镜捕获的原始图像。
   • 分辨率各异（取决于智能手机和显微镜型号）。
   • 包含背景的完整视野。
   • 未经处理的图像数据。
2. cropped_resized/ 处理后图像：
   • 裁剪以聚焦于霉菌区域。
   • 调整为统一尺寸。
   • 文件名与原始文件夹中的文件相同。

元数据格式

每个CSV文件包含以下列：

列名	描述	值/示例
filename	图像文件名（两个文件夹中相同）	L10 - 48.jpeg
mold	霉菌存在的二进制指示器	True / False
food	图像中的食品类型	carrot, bread, cheese, tomato 等
phone	使用的智能手机型号	iPhone SE 2nd Generation 等
microscope	夹式显微镜型号	Apexel 100x 等

元数据条目示例： csv filename,mold,food,phone,microscope L10 - 48.jpeg,True,carrot,iPhone SE 2nd Generation,Apexel 100x

相关资源

• FreshLens 移动应用：一个基于Flutter的移动应用，用于面向消费者的演示，可与托管模型结合使用。用户可以使用智能手机显微镜附件拍摄或导入食品图像，应用将显示食品发霉的概率。仓库地址：https://github.com/MobileMold/freshlens-app

引用信息

如果本数据集对您的研究有帮助，请引用：

@article{Pham2026MobileMold, author = {Dinh Nam Pham and Leonard Prokisch and Bennet Meyer and Jonas Thumbs}, title = {MobileMold: A Smartphone-Based Microscopy Dataset for Food Mold Detection}, journal = {arXiv eprint arXiv:2603.01944}, year = {2026}, }

搜集汇总

数据集介绍

构建方式

在食品安全监测领域，MobileMold数据集的构建体现了低成本、高可及性的创新理念。该数据集通过结合智能手机与便携式显微附件，系统采集了涵盖11种常见食品类别的显微图像。具体而言，研究团队利用三款不同型号的智能手机，搭配三种放大倍率在30倍至100倍之间的夹式显微镜，在受控环境下对胡萝卜、橙子、奶油奶酪等食品表面进行图像捕捉，最终汇集了4941张原始图像。每张图像均经过人工标注，记录了食品类型与霉菌存在与否的二元标签，确保了数据标注的准确性与一致性。

特点

MobileMold数据集的核心特点在于其专注于智能手机显微成像技术在食品霉菌检测中的应用。该数据集不仅提供了原始捕获的全视野图像，还包含了经过裁剪与尺寸统一化的预处理版本，聚焦于霉菌区域，为模型训练提供了直接可用的输入。数据覆盖了多样的设备组合与食品基质，增强了模型在实际场景中的泛化能力。此外，数据集已预先划分为训练集、验证集与测试集，并附有详细的元数据文件，清晰记录了每张图像的来源设备、食品类别及霉菌标签，为研究者提供了结构完整、便于直接使用的数据资源。

使用方法

为便利研究与应用，MobileMold数据集提供了清晰的使用路径。用户可直接从HuggingFace平台获取数据集，其目录结构包含原始图像与预处理图像两个版本，并配有描述图像属性的CSV元数据文件。研究者可利用这些元数据轻松加载图像并进行食品分类或霉菌检测的模型训练。数据集已按标准比例划分，支持开箱即用的机器学习流程。此外，配套发布的FreshLens移动应用演示了如何将训练好的模型部署至移动端，结合智能手机显微镜实现实时的食品霉菌检测，为从研究到实际应用的转化提供了完整参考。

背景与挑战

背景概述

随着全球食品安全问题日益受到关注，快速、低成本的食品变质检测技术成为研究热点。MobileMold数据集由Dinh Nam Pham等研究人员于2026年创建，旨在推动基于智能手机显微镜的食品霉菌检测研究。该数据集包含4941张标注图像，覆盖胡萝卜、橙子、奶酪等11类常见食品，利用三种不同放大倍率的夹式手机显微镜与多款智能手机采集而成。其核心研究问题在于探索便携式视觉系统在复杂食品表面霉菌识别中的可行性，为开发普惠型食品安全监测工具提供了关键数据支撑，对计算机视觉与食品科学交叉领域具有重要推动作用。

当前挑战

在食品霉菌检测领域，传统方法依赖专业实验室设备，难以实现实时、现场分析，而基于智能手机的视觉系统需克服图像质量不一、背景干扰及霉菌形态多样性等挑战。MobileMold数据集的构建过程同样面临多重困难：不同手机型号与显微镜附件的组合导致图像分辨率、光照条件存在显著差异；食品表面纹理复杂，霉菌区域与正常组织边界模糊，增加了标注一致性难度；此外，为提升模型泛化能力，需在有限数据规模下平衡食品类别、霉菌状态及采集设备的多样性，这对数据集的代表性与实用性提出了较高要求。

常用场景

经典使用场景

在食品安全监测领域，MobileMold数据集为基于智能手机显微镜的食品霉菌检测研究提供了关键支持。该数据集通过捕捉多种食物表面在显微放大下的图像，并标注霉菌存在与否，成为训练和评估计算机视觉模型的基准资源。研究人员利用其丰富的图像样本和标注信息，开发自动化检测算法，以实现在低成本移动设备上对食品变质进行快速识别。

衍生相关工作

基于MobileMold数据集，衍生出多项经典研究工作，主要集中在轻量化视觉模型设计与移动端部署优化领域。例如，结合该数据集训练的卷积神经网络被集成至Flutter框架开发的演示应用中，实现了端到端的食品霉菌检测流程。这些工作不仅验证了数据集的实用性，还推动了边缘计算与食品安全交叉学科的创新探索。

数据集最近研究

最新研究方向

在食品安全监测领域，智能手机显微成像技术的普及为低成本、便携式检测方案开辟了新路径。MobileMold数据集凭借其丰富的标注图像，正推动计算机视觉在食品霉菌检测中的前沿探索。当前研究聚焦于轻量化深度学习模型的开发，旨在实现实时、高精度的边缘计算应用，同时结合多尺度特征融合技术以应对不同放大倍数与食品表面纹理的复杂性。该数据集亦促进了跨设备泛化能力的研究，通过模拟多样化的智能手机与显微附件组合，提升模型在实际场景中的鲁棒性。这些进展不仅呼应了全球范围内对食品安全快速筛查的迫切需求，也为消费级健康监测工具的研发提供了关键数据支撑。