智慧巡检 智能零售柜商品识别数据集 YOLO格式 顾客购买的商品进行智能化、自动化的价格结算

【智能零售柜商品识别数据集】113分类可做物联网等比赛使用。 图片共5589张赠送3个常用小脚本。数据集按721分配。其中 训练集3912张图片测试集1118张图片验证集559张图片。数据集介绍利用计算机视觉领域精准地对顾客购买的商品进行智能化、自动化的价格结算。当顾客将自己选购的商品放置在制定区域的时候一个理想的智能零售结算系统应当能够精准地识别每一个商品并且能够返回完整地购物清单及顾客应付的实际商品总价格。所有图像样张均YOLO下的txt标注。拿到代码可以直接训练。下面是yolov8n跑出的结果map50精度高达98.1适合相关比赛类使用。yolov11n的mAP达到97.8智能零售柜商品识别YOLO数据集一、数据集基础信息表项目详细说明数据集名称智能零售柜商品识别数据集任务类型目标检测YOLO系列分类数量113类零售商品总图片数量5589张数据划分比例7:2:1训练集3912张测试集1118张验证集559张标注格式YOLO标准txt标签格式配套资源完整数据集 3个常用脚本 训练完成模型权重模型精度YOLOv8n mAP0.598.1%YOLOv11n mAP0.597.8%二、数据集配置文件retail_goods.yamltrain:./images/trainval:./images/valtest:./images/testnc:113names:0:class_01:class_1...112:class_112三、目录结构retail_goods/ ├── images/ │ ├── train/ │ ├── val/ │ └── test/ ├── labels/ │ ├── train/ │ ├── val/ │ └── test/ ├── scripts/ # 3个常用小脚本 ├── weights/ # 训练好的模型权重 └── retail_goods.yaml # 数据集配置文件四、YOLOv8 训练代码fromultralyticsimportYOLO# 加载预训练模型modelYOLO(yolov8n.pt)# 启动训练model.train(dataretail_goods.yaml,epochs100,imgsz640,batch16,device0,patience15,projectretail_goods_detect,nameyolov8_retail,saveTrue)# 模型验证评估model.val()五、YOLOv11 训练代码fromultralyticsimportYOLO# 加载预训练模型modelYOLO(yolov11n.pt)# 启动训练model.train(dataretail_goods.yaml,epochs100,imgsz640,batch16,device0,patience15,projectretail_goods_detect,nameyolov11_retail,saveTrue)# 模型验证评估model.val()六、单图推理测试代码fromultralyticsimportYOLOimportcv2# 加载训练完成的最优模型modelYOLO(./weights/best.pt)# 图片检测img_pathtest.jpgresultsmodel(img_path,conf0.25)det_imgresults[0].plot()cv2.imwrite(detect_result.jpg,det_img)cv2.imshow(商品识别结果,det_img)cv2.waitKey(0)cv2.destroyAllWindows()七、环境安装命令pipinstallultralytics torch opencv-python八、项目适用场景智能零售柜、无人超市商品自动结算系统开发物联网、嵌入式设备商品识别算法比赛深度学习目标检测课程设计、毕业设计、科研实验工业视觉零售商品计数、库存管理相关项目落地