Los frutos de dátil son la fruta más común en el Medio Oriente y el Norte de África. Hay una amplia variedad de dátiles con diferentes tipos, colores, formas, sabores y valores nutricionales. La clasificación, identificación y reconocimiento de los dátiles jugaría un papel crucial en los sectores agrícola, comercial, alimentario y de salud. Sin embargo, no hay o hay un trabajo limitado para recopilar un conjunto de datos confiable para muchas clases. En este documento, recopilamos el conjunto de datos de los frutos de dátil fotografiando dátiles en entornos primarios: granjas y tiendas (por ejemplo, en línea o mercados locales). El conjunto de datos combinado es único debido a la multiplicidad de elementos. Hasta donde sabemos, ningún conjunto de datos contiene el mismo número de clases de entornos naturales. El conjunto de datos recopilado tiene 27 clases con 3228 imágenes. Los resultados experimentales presentados se basan en cinco etapas. La primera etapa aplicó algoritmos de aprendizaje automático tradicionales para medir la precisión de las características basadas en la intensidad de píxeles y la distribución de colores. La segunda etapa aplicó un modelo de aprendizaje profundo por transferencia (TL) para seleccionar la mejor precisión del modelo de clasificación de dátiles. En la tercera etapa, la parte de extracción de características del modelo se ajustó finamente aplicando diferentes puntos de reentrenamiento para seleccionar el mejor punto de reentrenamiento. En la cuarta etapa, la capa completamente conectada del modelo se ajustó finamente para lograr las mejores configuraciones de clasificación del modelo. En la quinta etapa, se aplicó regularización a la capa de clasificación del mejor modelo seleccionado de la cuarta etapa, donde la precisión de validación alcanzó el 97.21% y la mejor precisión de prueba fue del 95.21%.