茶叶年龄质量:年龄分层的茶叶质量分类数据集.
Md Mohsin Kabir1, Md Sadman Hafiz2, Shattik Bandyopadhyaa2
1Department of Computer Science and Engineering, Bangladesh University of Business and Technology, Dhaka 1216, Bangladesh.
Data in brief
|May 7, 2024
概括
"茶叶年龄质量"数据集显示,较年轻的茶叶 (T1) 提供更优质的品质,而较老的茶叶 (T4) 不太适合造. 本资源帮助机器学习进行茶叶分类和质量预测.
科学领域:
- 农业科学 农业科学
- 机器学习 机器学习
- 数据科学数据科学数据科学
背景情况:
- 茶叶的质量受到叶子年龄的显著影响,影响了味道和化学成分.
- 精确的茶叶分类和质量评估对农业行业至关重要.
- 现有的数据集可能缺乏高级机器学习模型所需的详细年龄分层.
研究的目的:
- 引入"茶叶年龄质量"数据集,这是茶叶分类,检测和质量预测的新资源.
- 为了提供一个全面的图像集合系统地按茶叶年龄分类.
- 促进用于农产品评估的机器学习应用的研究.
主要方法:
- 从孟加拉国三个茶园收集了2208张原始图像.
- 将图像分为四个基于年龄的类别:T1 (1-2天),T2 (3-4天),T3 (5-7天) 和T4 (7+天).
- 包括各种研究应用的原始,注释和增强数据.
主要成果:
- 较年轻的茶叶 (T1) 与较老的茶叶 (T4) 相比显示出更高的品质.
- 该数据集捕捉了自然叶子的多样性,并提供了年龄分层的分类.
- 建立了茶叶年龄和造质量之间的相关性.
结论:
- "茶叶年龄质量"数据集是开发茶叶质量评估先进深度学习模型的宝贵工具.
- 该资源通过精确的茶叶分类来支持农业部门的技术进步.
- 这些发现强调了叶子年龄在确定最佳造茶叶质量的重要性.


