生存33天影武者好玩不
2026-07-08 3387652
2026-07-08 0
本数据集是一个专注于野生真菌物种分类及其毒性判断的高质量图像数据集，共包含1500张经过严格专家审核标注的高清图像，涵盖5种具有代表性的野生菌类。该数据集旨在服务于野生菌智能识别、食品安全预警及生物多样性保护研究，不仅包含形态特征的细微差异，还明确标注了可食用性标签，实现了从“物种识别”到“安全评估”的功能跨越，适用于YOLO系列、Faster R- CNN 等主流目标检测算法的训练、验证与测试。
随着野外探索和户外活动的日益普及，利用 计算机视觉 技术实现野生菌的智能识别与毒性判断已成为保障公众食品安全、推动生物多样性保护的重要手段。本数据集针对野生菌识别场景中物种形态相似、毒性特征隐晦、自然环境背景复杂等问题进行专项构建，可为野外探险辅助APP、食品安全检测、真菌学教育与科普以及生物多样性监测提供高质量数据支撑。
| 项目 | 内容 |
|---|---|
| 数据集名称 | 野生菌有毒无毒物种识别数据集 |
| 数据规模 | 1500张专家审核标注高清图像 |
| 任务类型 | 目标检测（Object Detection） |
| 检测目标 | 5种代表性野生菌类 |
| 类别数量（nc） | 5类 |
| 标注方式 | Bounding Box目标框标注 |
| 数据格式 | YOLO标准格式 |
| 数据来源 | 真实野外自然生长环境采集 |
| 数据划分 | Train / Valid / Test |
| 适配模型 | YOLOv5、YOLOv8、YOLOv10、YOLOv11、Faster R-CNN等 |
本数据集为多类别目标检测数据集，共设置5个检测类别，涵盖5种特征鲜明且极具辨识度的菌类，其中包含有毒与无毒样本，平衡了模型学习的正负样本比例。所有物种鉴定均依据真菌学标准，确保标签的生物学准确性。
nc: 5names:- amanita_muscaria- chlorophyllum_molybdites- panaeolus_foenisecii- coprinus_comatus- trametes_versicolor
| 类别ID | 中文名称 | 英文名称 | 毒性标注 | 学名 | 识别特征简述 |
|---|---|---|---|---|---|
| 0 | 黄盖鹅膏 | Amanita muscaria | 有毒 | Amanita muscaria guessowii | 鲜艳的橙红色菌盖，带有白色疣点，典型毒蘑菇代表 |
| 1 | 绿孢环柄菇 | Chlorophyllum molybdites | 有毒 | Chlorophyllum molybdites | 大型菌盖，菌褶成熟后呈灰绿色，易与食用菇混淆 |
| 2 | 早熟禾菌 | Panaeolus foenisecii | 无毒 | Panaeolus foenisecii | 小型褐色菌盖，常生长于草地，无害但无食用价值 |
| 3 | 毛头鬼伞 | Coprinus comatus | 无毒 | Coprinus comatus | 白色圆柱形菌盖，表面有鳞片，成熟后自溶为墨汁状 |
| 4 | 云芝 | Trametes versicolor | 无毒 | Trametes versicolor | 半圆形扇状，表面具有色彩斑斓的同心环带，多孔菌科 |
五类设计精选了有毒与无毒的代表性物种，实现了从“物种识别”到“安全评估”的功能跨越。其中黄盖鹅膏和绿孢环柄菇为有毒代表，早熟禾菌、毛头鬼伞和云芝为无毒代表，正负样本比例均衡，有利于模型学习毒性关联特征。
数据集采用标准YOLO目录结构组织，预划分为训练集、验证集和测试集，图像清晰展示了菌盖、菌褶、菌柄及生长环境等关键细节，兼容主流分类检测框架。
database/└── 野生菌有毒无毒蘑菇物种识别数据集├── train│ └── images├── valid│ └── images└── test└── images
各数据集作用如下：
train/images：训练集图像，用于模型参数学习与特征提取； valid/images：验证集图像，用于超参数调优、早停监控及防止过拟合； test/images：测试集图像，用于最终模型性能评估与泛化能力测试。所有标签文件均采用标准YOLO格式，与图像文件一一对应，无需额外格式转换即可直接使用。
所有物种鉴定均依据真菌学标准，由专业真菌学家进行严格审核与标注：
确保标签的生物学准确性 物种鉴定具有专业权威性 标注一致性强，可靠性高 涵盖菌盖、菌褶、菌柄及生长环境等关键细节有效保证模型训练数据的质量与可信度。
在物种分类基础上，明确提供了毒性信息，实现了功能跨越：
可直接用于构建“食用建议”系统 支持从“物种识别”到“安全评估”的端到端学习 模型可学习将视觉特征与“有毒/无毒”二元属性关联 为野外识别应用提供直接的决策依据数据集针对野生菌识别的核心挑战进行专项构建：
毒性关联学习：模型需学习将视觉特征与毒性属性关联，而不仅仅是区分形态 类间相似度：如“绿孢环柄菇”与某些食用菇在幼年阶段形态相似，数据集旨在提升模型对关键区分特征（如菌褶颜色、菌环特征）的敏感度 小样本优化：1500张高质量数据通过精心筛选和标注，能够有效支撑细粒度分类模型的训练，特别是在迁移学习场景下表现优异部分图像包含自然生长环境背景，有助于模型理解菌类的生态位：
草地、林地、腐木等不同生长基质 苔藓、落叶、杂草等自然环境元素 不同季节与气候条件下的生长状态 菌类的群生与散生状态减少仅依赖主体纹理导致的过拟合，提升模型泛化能力。
所有图像均经过精细化人工标注与多轮审核：
边界框精准贴合菌体轮廓 5类菌种判别标准统一 形态特征（菌盖、菌褶、菌柄）全面覆盖 无漏标现象 无类别混淆有效保证模型训练质量。
数据包 含有毒与无毒两类样本，正负样本比例均衡：
有毒代表：黄盖鹅膏、绿孢环柄菇 无毒代表：早熟禾菌、毛头鬼伞、云芝 适合研究类别不平衡学习算法有利于模型学习毒性关联特征
为户外爱好者提供即时的野生菌拍照识别与毒性预警服务，降低误食中毒风险。
应用于农产品市场、餐饮行业的菌类食材快速筛查，防止有毒野生菌流入餐桌。
作为真菌学教学与公众科普的辅助工具，帮助学习者识别常见有毒与无毒菌类。
应用于自然保护区、森林公园的生物多样性调查与真菌资源普查。
在疑似野生菌中毒事件中，为医疗救治提供快速物种参考信息。
为真菌学、生态学、毒理学等相关研究提供高质量图像数据集。
本数据集可广泛应用于以下研究领域：
细粒度目标检测与识别研究（5类菌种） 毒性关联视觉学习研究 多标签目标检测研究（物种 毒性） 小样本学习与迁移学习研究 生态背景下的目标检测研究 食品安全智能检测研究 YOLO系列模型优化研究 轻量化检测模型与移动端部署研究 域适应与跨环境泛化研究 生物多样性监测研究 计算机辅助真菌分类研究野生菌有毒无毒物种识别数据集（Wild Mushroom Edibility Classification） 包含1500张专家审核标注高清图像，采用标准YOLO格式构建，专注于野生菌的物种分类与毒性判断任务。数据集覆盖黄盖鹅膏、绿孢环柄菇、早熟禾菌、毛头鬼伞、云芝5类代表性野生菌，具有专家标注权威、毒性信息明确、正负样本均衡等特点，可广泛应用于野外探险辅助APP、食品安全检测、真菌学教育科普、生物多样性监测等领域，是开展野生菌智能识别 算法 研发与食品安全预警系统建设的优质数据资源。