本数据集形成了包括627种蔬菜、水果、禽肉、水产的经分类的图片训练集，该数据集将用于人工智能模型的训练，形成可以根据照片内容识别出照片中包含商品的智能模型。该模型可广泛应用于生鲜商场、超市的收银场景，直接通过摄像头拍照后识别出商品类型，省去原来需要人工识别商品并输入收银系统的繁琐步骤。
1.数据收集：本数据集收集了2020年1月1日至2022年5月1日期间涉及627种蔬菜、水果、禽肉、水产的大量实物实拍照片，本数据集归属于申请人浙江由由科技有限公司。2.算法说明：第一步，先将627种不同商品的名称录入系统，为每一个商品确定唯一的编码，并为每一个名称商品建立训练集。第二步，以专家经验，依据每个商品的常见程度确定优先级，对于常见的品类给予较高的优先级，以此类推，使得优先级顺序：A+>A>B>C。第三步，根据专家经验和专业知识，为每一个产品添加特征描述，描述商品的特点，以帮助提供人工区分时的准确性。第四步，以专家经验和人工判断，参考特征描述，将收集来的照片分类分入不同商品名称下的训练集，例如，专家根据专业经验判断照片中的商品属于葱苗，然后将照片放入葱苗名称对应下的训练集。第五步，在所有照片归入对应的训练集后，统计形成训练集数目，代表该训练集中商品图片的数量。第六步，根据优先级和训练集数目计算出数据置信度等级。对于优先级为A+的商品，当训练集数目≥20000时，为非常高阈值，当训练集数目≥10000时，为高阈值，当训练集数目≥5000时，为中等阈值，当训练集数目＜5000时，为低阈值；对于优先级为A的商品，当训练集数目≥15000时，为非常高阈值，当训练集数目≥8000时，为高阈值，当训练集数目≥4000时，为中等阈值，当训练集数目＜4000时，为低阈值；对于优先级为B的商品，当训练集数目≥10000时，为非常高阈值，当训练集数目≥5000时，为高阈值，当训练集数目≥2500时，为中等阈值，当训练集数目＜2500时，为低阈值；对于优先级为C的商品，当训练集数目≥5000时，为非常高阈值，当训练集数目≥2500时，为高阈值，当训练集数目≥1000时，为中等阈值，当训练集数目＜1000时，为低阈值。非常高阈值对应置信度非常高、高阈值对应置信度高、中等阈值对应置信度中等、低阈值对应置信度低。置信度反映了该训练集的成熟度。
| 字段名 | 类型 | 描述 |
|---|---|---|
名称 |
-- | -- |
编码 |
-- | -- |
优先级 |
-- | -- |
训练集数目 |
-- | -- |
示例图文件名 |
-- | -- |
| fieldName | exampleValue |
|---|---|
| 名称 | 葱苗 |
| 编码 | 1010101 |
| 优先级 | A+ |
curl -H "Authorization: Bearer YOUR_API_KEY" \
http://localhost:3001/api/v1/datasets/173777