在茶葉育種、溯源管理與自動采摘等智能農業場景中，茶樹品種的識別與分類是一項關鍵任務。不同茶葉品種在嫩芽期表現出顯著的形態差異，例如顏色、葉緣結構、芽頭密度等。因此，基于圖像的茶葉品種分類不僅具備實際應用價值，也為農業人工智能研究提供了豐富的實驗素材。

本文將介紹一個面向茶樹嫩芽圖像分類任務的標準化數據集：茶葉嫩芽分類數據集，涵蓋多個常見優質茶葉品種，支持圖像分類模型的訓練與評估。

一、📦 數據集概述

該數據集收集了多個茶樹品種在嫩芽生長期的實拍圖像，圖像內容清晰地呈現了各品種在芽頭階段的顏色、形態和質感等特征，適用于構建深度學習圖像分類模型。

每張圖像都按所屬茶樹品種進行了標注，并存放在對應的類別文件夾下，可直接用于監督式圖像分類任務。

---

二、🏷? 類別標簽定義

數據集中共包含 7 種茶葉品種，均為典型的地方優質品種，類別標簽如下：

類別名	數量	簡要介紹
Anji_White_Tea	383	安吉白茶，浙江特色白化變異茶種，芽色淺綠偏白
Huangshan_Variety	357	黃山品系，具有黃山大葉種血統，葉面寬厚
Longjing_43	271	龍井43號，廣泛種植的龍井核心品系，芽頭扁直
Nongkangzao	62	農抗早，芽頭密集、萌發早，適宜高產
Shucha_Early_Tea	223	舒茶早，早生品種，嫩芽披毫，顏色淺綠
Wanzhe_95	207	皖浙95號，雜交優良品種，芽葉鮮綠、整齊
Wuniuzao	306	烏牛早，著名早生品種，發芽整齊、顏色鮮亮

數據集中所有圖像均來自茶園實拍，拍攝設備統一，背景自然，部分樣本為單芽特寫，部分為多芽集中視角，以增加模型的泛化能力。

圖像均為 .jpg 格式，分辨率適中，適合直接用于訓練 ResNet、MobileNet、EfficientNet 等主流圖像分類網絡。

三、📁 數據組織結構

數據采用常規圖像分類數據結構組織，每個類別對應一個文件夾，方便直接加載：

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、🧠 推薦模型與使用方式

本數據集可用于訓練或微調多種分類模型，包括但不限于：

模型	特點
ResNet18/50	經典卷積網絡，精度高、穩定性好
MobileNetV2/V3	輕量化網絡，適合移動端部署
EfficientNet	參數效率高，適合多類別擴展
ViT / Swin-T	基于 Transformer，適合結構建模

---

五、📊 應用場景

該數據集可廣泛應用于茶葉品種識別相關的各類實際場景，包括：

• 🌿 自動品種識別系統：用于茶園育種管理、茶苗選型等；

• 📦 智能包裝分揀設備：通過視覺識別進行品種歸類；

• 🧪 茶葉品控質量檢測：結合形態與色彩分析評估品種純度；

• 🤖 采摘機器人視覺系統：提前識別目標品種，實現有選擇性采摘；

六、訓練集和驗證集劃分

這段代碼用于將圖像分類數據集中每個類別下約20%的圖像從訓練集劃分為驗證集（可自行修改比例）。它首先讀取訓練集根目錄下的所有類別文件夾，并對每個類別中的圖像文件列表進行隨機打亂，然后按比例選取20%的圖像作為驗證集。對于選中的圖像，程序會將其從訓練集路徑移動到驗證集對應類別的子文件夾中（若目標文件夾不存在則自動創建），從而完成數據集的訓練集與驗證集劃分操作，適用于基于文件夾結構的圖像分類任務。其中文件存放結構和劃分代碼分別如下：

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)# 隨機打亂文件名列表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)

下載鏈接 ：7類茶葉嫩芽圖像分類數據集