摘要：数据集包含 5,000 张茶叶图像（JPEG、RGB、黑色背景），4 个平衡类别（褐斑病/红锈病/红蜘蛛螨/健康，各 1,250 张），含地理标记和季节信息，专为茶叶疾病早期检测和精准农业设计。
数据集简介
数据集概述
用于茶叶疾病早期检测的带标签图像数据集（A Labeled Image Dataset for Early Detection of Tea Leaf Diseases）。该数据集旨在支持使用图像处理和机器学习技术进行茶叶早期疾病检测的研究。其主要目标是促进开发和评估能够准确识别常见茶叶疾病的自动化分类模型。这有助于精准农业实践，通过促进及时干预、提高作物产量并减少因未检测或晚期植物感染造成的损失。该数据集还旨在促进计算机视觉和农业 AI 应用领域的学术和应用研究。数据集包含 5,000 张茶叶图像，分为 4 个疾病/健康类别，经过数据增强平衡处理，每个类别包含 1,250 张图像。
数据集包含 5,000 张茶叶图像（JPEG 格式），分为 4 个类别：
(1) Brown_Blight (BB)（褐斑病）：1,250 张图像；
(2) Red_Rust (RR)（红锈病）：1,250 张图像；
(3) Red_Spider_Mite (RSM)（红蜘蛛螨）：1,250 张图像；
(4) Healthy (GL)（健康）：1,250 张图像。
数据组织：4 个子文件夹，每个对应一个类别。文件命名：缩写方式，疾病名称缩写（如 Brown Blight → BB）+ 季节字母（A = 秋季 Autumn，S = 夏季 Summer，W = 冬季 Winter）+ 编号（如 BB_A-1.jpg、RR_S_1.jpg）。
图像规格：分辨率不同，保留原始分辨率（如 宽 4926 × 高 2304、宽 2304 × 高 1286 等）；颜色格式：RGB。预处理：已完成图像分割、去除噪声背景细节、背景替换为纯黑色。数据增强：原始各类别图像数量不均，经数据增强平衡至每类 1,250 张，总计 5,000 张。地理标记：数据集包含地理标记信息（geotagged）。
支持茶叶疾病早期检测、茶叶病害自动分类（4 类）、精准农业、作物病害管理、及时干预、提高作物产量、减少损失、深度学习模型训练（CNN、DNN、ResNet、EfficientNet、Vision Transformer）、计算机视觉研究、农业 AI 应用、图像分类、目标检测、植物病理学研究、数据增强方法研究、迁移学习、算法基准测试、智能农业系统、农业决策支持、田间实时监测。该数据集为茶叶疾病早期检测提供高质量、平衡的训练数据，通过类别平衡和预处理（背景去除、分割）提高模型训练效率和准确性，有助于茶叶种植业的病害管理和产量提升。
数据集来源
由张家梁(Bob)整理并于2026年在7zcode平台公开发布。
数据集信息
免责声明与引用
数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。
作者信息
作者：Bob (张家梁)
项目编号：Datasets-165
文件大小：1G
原创声明：本数据集为整理作品
