中药材图像识别数据集（100类，9200张）｜适用于YOLO系列深度学习分类检测任务

随着中医药现代化和智能化进程的不断推进，如何借助人工智能技术实现中药材的快速识别与分类，已成为中医药信息化领域的重要研究方向。传统的中药材识别依赖于专家经验和人工比对，效率低下、误差较大，尤其在中药材种类繁多、外观相似度高的背景下，更加凸显自动识别技术的重要性。

近年来，深度学习特别是基于YOLO等目标检测模型的图像识别技术在工业质检、农业识别等多个领域取得显著成效，将其应用于中药图像识别同样具有广阔前景。为推动中药材智能识别的研究与落地，我们整理并发布了本数据集，涵盖 100类常见中药材图像，共计9200张样本，并完成 标准YOLO格式的标注和训练/验证集划分，可直接用于模型训练和算法测试。

本数据集可广泛应用于中药材自动识别系统开发、医药图像识别模型训练、中医药辅助教学系统等多个场景，具有较强的实用性与研究价值。

数据集已划分，共计 9200 张图片，涵盖 100 种常见中药材图像，适用于图像分类、目标检测、医学图像分析等任务。

train: train
val: val
nc: 100
names: ['安息香', '白扁豆', '白矾', '白蔹', '白茅根', '白前', '白芍', '白芷', '柏子仁', '北沙参',
        '荜拨', '荜澄茄', '鳖甲', '槟榔', '苍术', '草豆蔻', '沉香', '川楝子', '川木香', '川牛膝',
        '大腹皮', '淡豆豉', '稻芽', '地龙', '冬虫夏草', '防风', '番泻叶', '蜂房', '甘草', '干姜',
        '甘松', '藁本', '硅石脂', '枸杞子', '桂枝', '谷精草', '谷芽', '海龙', '海螵蛸', '合欢皮',
        '黄柏', '黄芪', '黄芩', '湖北贝母', '僵蚕', '芥子', '鸡冠花', '金灯笼', '鸡内金', '荆芥穗',
        '金果榄', '金钱白花蛇', '九香虫', '橘核', '苦地丁', '莱菔子', '莲房', '莲须', '莲子',
        '莲子心', '灵芝', '荔枝核', '龙眼肉', '芦根', '路路通', '麦冬', '木丁香', '羌活',
        '千年健', '秦皮', '全蝎', '忍冬藤', '人参', '肉豆蔻', '桑寄生', '桑螵蛸', '桑椹',
        '山慈菇', '山奈', '山茱萸', '沙苑子', '石榴皮', '丝瓜络', '酸枣仁', '苏木',
        '太子参', '天花粉', '天麻', '土荆皮', '瓦楞子', '五加皮', '细辛', '银柴胡',
        '薏苡仁', '郁金', '浙贝母', '枳壳', '竹茹', '诃子', '自然铜']

数据集概述

本数据集收录了来自中药材识别场景中的 100 个类别图像，总计 9200 张高质量样本图，已按照 train/val 分组格式整理，适用于主流深度学习框架（如 PyTorch、TensorFlow、YOLO 等）的训练与验证流程。图像分辨率清晰，涵盖不同拍摄角度、光照条件和背景下的实物图像，兼具真实场景复杂性与语义代表性。

数据集详情

• 图像数量：9200 张

  • 训练集：8000 张
  • 验证集：1200 张

• 类别数量：100 种中药材

• 格式结构：

  /train/
      └── 安息香/
      └── 白扁豆/
      ...
  /val/
      └── 安息香/
      └── 白扁豆/
      ...
  

• 类别命名：统一为简体中文，便于中文语义处理任务，如 OCR 联合分类、多模态模型训练等。

• 文件命名规则：自动生成，确保不重名；如 安息香_001.jpg。
  本数据集共包含 9200 张中药材图像，覆盖 100 种常见中药材类别，并已按 训练集（8000张）与验证集（1200张） 合理划分。图像以标准文件夹结构进行分类存储，命名规范、无重复，全部采用 简体中文命名，便于中文任务如 OCR 联合识别、多模态预训练等应用场景。整体目录结构清晰，适配 YOLO 系列及主流视觉模型的快速加载与训练。

适用场景

本数据集可广泛应用于以下人工智能与中医药交叉领域：

• 🌿 中药识别图像分类任务：训练 ResNet、ViT、YOLO 等模型用于分类、检测。
• 📱 中药拍照识别App研发：作为图像识别后端训练数据，便于中药辅助查询和科普应用。
• 🤖 医学辅助系统训练数据：结合图文进行知识联动识别。
• 🧠 深度学习模型迁移学习训练：用于预训练或微调以增强模型对自然图像中药材的理解能力。
• 🌐 中药材跨模态研究：如中文名称—图像联合建模、图文检索、图像标注等。

本数据集适用于图像分类、目标检测、跨模态理解等多个任务场景，特别适合中药识别、医学辅助决策系统、移动端中药拍照识别App开发及AI科研训练。支持多种主流深度学习模型训练，如YOLO、ResNet、ViT等，具有较强的实用性与拓展性。

结语

中药文化源远流长，其智能识别的研究正逐步推进传统医学与人工智能的融合。本数据集立足实际拍摄与分类标准，旨在为研究者、开发者和中医药爱好者提供一份结构清晰、数据质量可靠、类别丰富的中药图像数据集，为中药AI识别迈出坚实一步。

如需生成配套训练代码（如 YOLOv8 格式训练脚本）、中药图像识别模型部署方案，可以参考下文。

https://blog.csdn.net/weixin_52908342/article/details/149221375

这份《100种中药分类数据集》共包含9200张图片，涵盖100类常见中药材，已按训练集与验证集划分，结构清晰、格式统一。每类中药材图片具备多样拍摄角度和真实环境背景，适合用于图像分类、检测、OCR 联合识别等AI任务。数据集特别适用于中医药识别系统、教育类App、深度学习研究等多场景应用，是一套高质量、中文命名的实用型中药材图像数据资源。

数据集分享

如需下载该数据集，可通过以下方式获取：

• 💾 数据集打包为 ZIP 文件，解压后即用。

https://pan.baidu.com/s/1zyL7C7byFj3VYeYnLGM2Gg?pwd=jsw8