爱加猫

核心特点

1. 数据规模与多样性
   数据集包含 12,050 张高分辨率图像（部分版本为 10,000 张），涵盖国内外主流烟草品牌（如中华、玉溪、万宝路等），覆盖不同包装类型（硬盒、软盒、塑封盒）及复杂场景（正常光线、反光、部分遮挡）。图像通过手机及专业设备采集，模拟零售货架、仓储物流等真实环境。

2. 精细化标注

   • 目标检测标注：提供 YOLO 与 VOC 双格式标注文件，标注类别包括烟盒整体边界框（cigarette_box）及部分子类（如开口烟盒、破损烟盒），部分版本扩展至吸烟行为检测（如手持香烟）。
   • 属性标注：补充烟盒品牌、颜色、包装状态（完整/开封/变形）等标签，支持多任务联合学习。

3. 工业适配性

   • 缺陷检测支持：针对印刷瑕疵（套印偏差、色差）、包装破损等常见问题，提供专项标注数据，适配质量检测算法开发。
   • 模型兼容性：已验证与 YOLOv5/v8、Faster R-CNN 等框架兼容，官方测试中 YOLOv8 模型达到 mAP@0.5=94.5%，推理速度满足实时检测需求（180 FPS）。

技术优势

• 数据增强：通过仿射变换、光照均衡化、拼接增强等手段扩展样本多样性，提升模型泛化能力。
• 场景覆盖：包含塑封烟盒图像修复数据（如去除反光干扰），支持复杂条件下的鲁棒识别。

应用价值

1. 智能零售：自动识别货架烟盒库存及陈列合规性，优化补货与巡检流程。
2. 工业质检：检测包装印刷缺陷（如文字残缺、色差），降低人工质检成本。
3. 防伪溯源：通过品牌特征识别与包装状态分析，辅助打击假冒产品。

本数据集已应用于多个智能制造与零售数字化项目，为烟草行业提供高精度、高鲁棒性的视觉分析基础。完整数据样例与训练脚本可通过合作渠道获取。