药用大麻sativa品种的多谱反射数据集用于品种分类
Vladimir Henao-Céspedes1, Oscar Cardona-Morales2, Jolián Andrés Vargas-Alzate3
1Universidad Católica de Manizales, Faculty of Engineering and Architecture, Cra 23 No 60-63, Manizales, 170001, Colombia.
Data in brief
|November 10, 2025
概括
这项研究介绍了来自四种大麻品种的800个光谱签名的数据集,这些数据集在不同的生长阶段收集. 本资源有助于开发用于使用光谱特征进行非破坏性大麻分类的机器学习模型.
科学领域:
- 农业科学 农业科学
- 频谱学是一种光谱学.
- 数据科学数据科学数据科学
背景情况:
- 大麻种植需要准确的品种识别.
- 需要用于分类大麻品种的非破坏性方法.
- 频谱签名为植物分析提供了潜力.
研究的目的:
- 创建和呈现来自四种不同的大麻品种的光谱特征的综合数据集.
- 促进用于大麻品种分类的机器学习模型的开发.
- 为了研究光谱属性与植物特征之间的相关性.
主要方法:
- 使用光谱辐射计 (410-890 nm) 获取800个光谱特征.
- 从四种大麻品种 (Embera CBD,Yocoto CBD,Limón CBD,Valle de los Umbras) 在三个现象学阶段收集的数据.
- 使用光谱学OceanView,R和JASP处理和规范化的光谱数据.
主要成果:
- 一个结构化的数据集,每个特征有2442个反射值,与品种,表象阶段和叶子位置相关联.
- 该数据集包括来自不同植物数量的光谱特征 (每种子20-30种).
- 数据涵盖了早期植物,早期开花和中期开花阶段.
结论:
- 该数据集为大麻品种的非破坏性,成本有效的分类提供了宝贵的资源.
- 能够训练机器学习模型进行基于光谱的大麻识别.
- 支持进一步探索光谱签名与大麻素含量和其他植物性质的关系.


