7类茶叶嫩芽图像分类数据集

在茶叶育种、溯源管理与自动采摘等智能农业场景中，茶树品种的识别与分类是一项关键任务。不同茶叶品种在嫩芽期表现出显著的形态差异，例如颜色、叶缘结构、芽头密度等。因此，基于图像的茶叶品种分类不仅具备实际应用价值，也为农业人工智能研究提供了丰富的实验素材。

本文将介绍一个面向茶树嫩芽图像分类任务的标准化数据集：茶叶嫩芽分类数据集，涵盖多个常见优质茶叶品种，支持图像分类模型的训练与评估。

一、📦 数据集概述

该数据集收集了多个茶树品种在嫩芽生长期的实拍图像，图像内容清晰地呈现了各品种在芽头阶段的颜色、形态和质感等特征，适用于构建深度学习图像分类模型。

每张图像都按所属茶树品种进行了标注，并存放在对应的类别文件夹下，可直接用于监督式图像分类任务。

---

二、🏷️ 类别标签定义

数据集中共包含 7 种茶叶品种，均为典型的地方优质品种，类别标签如下：

类别名	数量	简要介绍
Anji_White_Tea	383	安吉白茶，浙江特色白化变异茶种，芽色浅绿偏白
Huangshan_Variety	357	黄山品系，具有黄山大叶种血统，叶面宽厚
Longjing_43	271	龙井43号，广泛种植的龙井核心品系，芽头扁直
Nongkangzao	62	农抗早，芽头密集、萌发早，适宜高产
Shucha_Early_Tea	223	舒茶早，早生品种，嫩芽披毫，颜色浅绿
Wanzhe_95	207	皖浙95号，杂交优良品种，芽叶鲜绿、整齐
Wuniuzao	306	乌牛早，著名早生品种，发芽整齐、颜色鲜亮

数据集中所有图像均来自茶园实拍，拍摄设备统一，背景自然，部分样本为单芽特写，部分为多芽集中视角，以增加模型的泛化能力。

图像均为 .jpg 格式，分辨率适中，适合直接用于训练 ResNet、MobileNet、EfficientNet 等主流图像分类网络。

三、📁 数据组织结构

数据采用常规图像分类数据结构组织，每个类别对应一个文件夹，方便直接加载：

tea_bud_classification_dataset/
├── Anji_White_Tea/
│   ├── image_001.jpg
│   ├── image_002.jpg
│   └── ...
├── Huangshan_Variety/
├── Longjing_43/
├── Nongkangzao/
├── Shucha_Early_Tea/
├── Wanzhe_95/
└── Wuniuzao/

四、🧠 推荐模型与使用方式

本数据集可用于训练或微调多种分类模型，包括但不限于：

模型	特点
ResNet18/50	经典卷积网络，精度高、稳定性好
MobileNetV2/V3	轻量化网络，适合移动端部署
EfficientNet	参数效率高，适合多类别扩展
ViT / Swin-T	基于 Transformer，适合结构建模

---

五、📊 应用场景

该数据集可广泛应用于茶叶品种识别相关的各类实际场景，包括：

• 🌿 自动品种识别系统：用于茶园育种管理、茶苗选型等；

• 📦 智能包装分拣设备：通过视觉识别进行品种归类；

• 🧪 茶叶品控质量检测：结合形态与色彩分析评估品种纯度；

• 🤖 采摘机器人视觉系统：提前识别目标品种，实现有选择性采摘；

六、训练集和验证集划分

这段代码用于将图像分类数据集中每个类别下约20%的图像从训练集划分为验证集（可自行修改比例）。它首先读取训练集根目录下的所有类别文件夹，并对每个类别中的图像文件列表进行随机打乱，然后按比例选取20%的图像作为验证集。对于选中的图像，程序会将其从训练集路径移动到验证集对应类别的子文件夹中（若目标文件夹不存在则自动创建），从而完成数据集的训练集与验证集划分操作，适用于基于文件夹结构的图像分类任务。其中文件存放结构和划分代码分别如下：

datasets/
├── train/
│   ├── Anji_White_Tea/
│   ├── Huangshan_Variety/
│   ├── ...
├── val/

import os
import shutil
import random
import cv2train_root = "../datasets/train"
val_root = "../datasets/val"name_list = os.listdir(train_root)
for name in name_list:image_root = os.path.join(train_root, name)image_list = os.listdir(image_root)# 随机打乱文件名列表random.shuffle(image_list)num_images = len(image_list)num_val = int(num_images * 0.2)val_names = image_list[:num_val]for image_name in val_names:image_path = os.path.join(image_root, image_name)print(image_path)save_root = os.path.join(val_root, name)if not os.path.exists(save_root):os.makedirs(save_root)save_image_path = os.path.join(save_root, image_name)print(save_image_path)if os.path.exists(save_image_path) is False:shutil.move(image_path, save_image_path)

下载链接 ：7类茶叶嫩芽图像分类数据集