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【数据集分享】

举报
柠檬味拥抱 发表于 2025/08/19 10:18:21 2025/08/19
【摘要】 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。

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
    image-20250712145211757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。

image-20250712145359020

image-20250712145509920

image-20250712145520147
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
【声明】本内容来自华为云开发者社区博主,不代表华为云及华为云开发者社区的观点和立场。转载时必须标注文章的来源(华为云社区)、文章链接、文章作者等基本信息,否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。