豆类品种图像特征数据集-whenamancodes
数据来源：互联网公开数据
标签：豆类,图像识别,计算机视觉,机器学习,特征提取,分类,农业,食品,形态学
数据概述：
本数据集包含7种不同注册品种豆类的13,611颗豆粒的图像特征数据。这些图像由高分辨率相机拍摄，并经过计算机视觉系统处理，提取了16个特征，包括12个尺寸特征和4个形状特征。数据旨在为豆类品种的自动分类提供基础。
数据用途概述：
该数据集主要用于计算机视觉和机器学习领域，可用于训练和评估豆类品种分类模型。研究人员可以利用此数据开发和测试各种分类算法，探索不同特征对分类结果的影响，以及优化分类模型的性能。此外，该数据集也适用于农业研究，例如，用于研究豆类品种的特性，并促进豆类产品的质量控制和自动化分拣。
特征定义：
1. 面积 (A): 豆粒区域内的像素数量。
2. 周长 (P): 豆粒边界的长度。
3. 主轴长度 (L): 豆粒上可绘制的最长线的长度。
4. 短轴长度 (l): 与主轴垂直的、可从豆粒上绘制的最长线的长度。
5. 长宽比 (K): 主轴长度与短轴长度的比率。
6. 偏心率 (Ec): 与豆粒区域具有相同矩的椭圆的偏心率。
7. 凸面积 (C): 包含豆粒种子的最小凸多边形内的像素数量。
8. 等效直径 (Ed): 与豆粒种子面积相同的圆的直径。
9. 延伸度 (Ex): 豆粒在边界框中的像素与豆粒面积的比率。
10. 坚固度 (S): 也称为凸度。凸包中的像素与豆粒中像素的比率。
11. 圆度 (R): 使用以下公式计算: (4πA)/(P^2)
12. 紧凑度 (CO): 测量物体的圆度: Ed/L
13. ShapeFactor1 (SF1)
14. ShapeFactor2 (SF2)
15. ShapeFactor3 (SF3)
16. ShapeFactor4 (SF4)
17. 类别 (Seker, Barbunya, Bombay, Cali, Dermosan, Horoz 和 Sira): 豆类的品种名称。
