茶叶嫩芽检测数据集9641张VOC+YOLO

作品简介

茶叶嫩芽检测数据集9641张VOC+YOLO

​

 茶叶嫩芽检测数据集9641张VOC+YOLO

在智慧农业与精准种植快速发展的时代背景下，人工智能正逐步深入田间地头。为推动茶叶产业智能化升级，助力茶芽自动识别、产量预估与智能采摘机器人研发。

本数据集包含 9641张高清JPG图像，覆盖春、夏、秋三季茶园真实场景，共标注 33,279个茶芽目标框，全面支持 Pascal VOC 与 YOLO 双格式输出，是单一作物嫩芽检测数据集，适用于各类深度学习模型训练，为智慧茶园建设提供坚实数据基础。

🌱 数据集核心亮点

  • 超大规模，高密度标注：
  • 图像总数：9641张
  • 标注总数：33,279个茶芽边界框
  • 平均每图检测 3.45个茶芽，涵盖单芽、一芽一叶、一芽两叶等多种形态，真实反映采摘标准与生长状态。
  • 真实场景，图像清晰：
  • 所有图像均采集于露天及生态茶园，包含不同光照条件（清晨、正午、阴天）、多种背景复杂度（枝叶交错、阴影遮挡）以及多角度拍摄视角，高度还原实际应用环境。
  • 精准标注，专业校验：
  • 每个“茶芽”（标签名称：Tea-sprouts）均采用人工精标矩形框，紧密贴合嫩芽轮廓，确保定位准确，适用于目标检测、实例识别与后续自动化任务。
  • 双格式支持，开箱即用：
  • 同步提供：
  • ✅ XML文件（VOC格式）
  • ✅ TXT文件（YOLO格式） + classes.txt
  • 完美兼容YOLOv5/v8、Faster R-CNN、SSD等主流目标检测框架，无需格式转换，快速接入训练流程。
  • 结构清晰，易于集成：
TeaSprout-Det9K/
├── JPEGImages/      # 9641张.jpg图像
├── Annotations/     # 9641个.xml标注文件（VOC格式）
└── labels/          # 9641个.txt标注文件（YOLO格式）+ classes.txt

✅ 标签种类数：1类（Tea-sprouts）
✅ 标注类型：矩形边界框（Bounding Box）
✅ 适用任务：茶芽识别、计数、定位、智能采茶机器人视觉系统

🍵 广泛应用场景

「TeaSprout-Det9K」可广泛应用于以下AI与农业融合场景：

  • 智能采茶机器人视觉感知与抓取定位
  • 茶园产量预估与生长状态监测系统
  • 无人机/巡检机器人自动识别茶芽密度
  • 数字农业平台中的AI辅助管理模块
  • 高校与科研机构的植物表型分析研究

通过结合深度学习模型，可进一步拓展至茶芽生长周期预测、品质分级等高级应用。

📢 特别声明

本数据集仅提供准确、合理的图像与标注数据，但不对基于本数据集训练出的模型性能、精度或实际应用效果作任何保证。

数据集标注情况展示：


​




创作时间：