The BIQ2021 dataset is a large-scale blind image quality assessment database, consisting of 12,000 authentically distorted images. Each image in the dataset has been quality rated by 30 observers, resulting in a total of 360,000 quality ratings. This dataset was created in a controlled laboratory environment, ensuring consistent and reliable subjective scoring. Moreover, the dataset provide a train/test split by which the researchers can report their results for benchmarking. The dataset is openly available and serves as a valuable resource for evaluating and benchmarking image quality assessment algorithms. The paper providing a detailed description of the dataset and its creation process is openly accessible at the following link: BIQ2021: A large-scale blind image quality assessment database.

The paper can be sited as:

Ahmed, N., & Asif, S. (2022). BIQ2021: a large-scale blind image quality assessment database. Journal of Electronic Imaging, 31(5), 053010.

Dataset Description

Images: The dataset contain a folder named images containing 12,000 images to be used for training and testing. Train (Images and MOS): It is a CSV file containing randomly partitioned train set of the dataset containing 10,000 images with their corresponding MOS. Test (Images and MOS): It is a CSV file containing randomly partitioned test set of the dataset containing 2,000 images with their corresponding MOS.

Benchmarking: In order to compare the performance of a predictive model trained on the dataset, Pearson and Spearman's correlation can be computed and compared with the existing approaches and the CNN models listed at the following gitHub repository: https://github.com/nisarahmedrana/BIQ2021

This dataset provides water quality data from stations in the Republic of Korea.

Sidewalk Quality

## Overview

Sidewalk Quality is a dataset for object detection tasks - it contains Obstacles annotations for 995 images.

## Getting Started

You can download this dataset for use within your own projects, or fork it into a workspace on Roboflow to create your own model.

  ## License

  This dataset is available under the [Public Domain license](https://creativecommons.org/licenses/Public Domain).

The California Department of Water Resources (DWR) discrete (vs. continuous) water quality datasets contains DWR-collected, current and historical, chemical and physical parameters found in routine environmental, regulatory compliance monitoring, and special studies throughout the state.

Data collected to assess water quality conditions in the natural creeks, aquifers and lakes in the Austin area. This is raw data, provided directly from our Water Resources Monitoring database (WRM) and should be considered provisional. Data may or may not have been reviewed by project staff. A map of site locations can be found by searching for LOCATION.WRM_SAMPLE_SITES; you may then use those WRM_SITE_IDs to filter in this dataset using the field SAMPLE_SITE_NO.

The dataset includes monthly data of eight water quality parameters for lakes and reservoirs in China from 2000 to 2023. The data were simulated using random forest models, taking into account the impacts of climate, soil properties, and anthropogenic activities. These water quality parameters are pH, dissolved oxygen (DO; mg/L), total nitrogen (TN; mg/L), total phosphorus (TP; mg/L), permanganate index (CODMn; mg/L), turbidity (Tur; JTU), electrical conductivity (EC; S/m) and dissolved organic carbon (DOC; mg/L). The data is stored in CSV format, sorted by lake and reservoir, and each CSV file contains monthly water quality data for the lake or reservoir and corresponding coordinates.

Tyre Quality

## Overview

Tyre Quality is a dataset for classification tasks - it contains Tyre annotations for 1,825 images.

## Getting Started

You can download this dataset for use within your own projects, or fork it into a workspace on Roboflow to create your own model.

  ## License

  This dataset is available under the [CC BY 4.0 license](https://creativecommons.org/licenses/CC BY 4.0).

Tea Age Quality

## Overview

Tea Age Quality is a dataset for classification tasks - it contains Tea annotations for 2,203 images.

## Getting Started

You can download this dataset for use within your own projects, or fork it into a workspace on Roboflow to create your own model.

  ## License

  This dataset is available under the [CC BY 4.0 license](https://creativecommons.org/licenses/CC BY 4.0).

The Exotic Fruit Image Quality Dataset (EFIQD) is an invaluable resource comprising meticulously curated images showcasing a diverse selection of exotic fruits, including Avocado, Golden Kiwi, Green Apple, Mangosteen, Rambutan, and Red Dragon Fruit. Total 22110 images present in this dataset.

Fruits Quality

## Overview

Fruits Quality is a dataset for object detection tasks - it contains Good_Apple Bad_Apple annotations for 2,583 images.

## Getting Started

You can download this dataset for use within your own projects, or fork it into a workspace on Roboflow to create your own model.

  ## License

  This dataset is available under the [CC BY 4.0 license](https://creativecommons.org/licenses/CC BY 4.0).

This dataset is a compilation of data obtained from the Idaho Department of Water Quality, the Idaho Department of Water Resources, and the Water Quality Portal. The 'SiteID' table catalogues organization-specific identification numbers assigned to each monitoring location.

Soybean Quality

## Overview

Soybean Quality is a dataset for classification tasks - it contains Anomaly Of Soybean FCZw annotations for 5,223 images.

## Getting Started

You can download this dataset for use within your own projects, or fork it into a workspace on Roboflow to create your own model.

  ## License

  This dataset is available under the [CC BY 4.0 license](https://creativecommons.org/licenses/CC BY 4.0).

VP Quality

## Overview

VP Quality is a dataset for object detection tasks - it contains Vp annotations for 462 images.

## Getting Started

You can download this dataset for use within your own projects, or fork it into a workspace on Roboflow to create your own model.

  ## License

  This dataset is available under the [CC BY 4.0 license](https://creativecommons.org/licenses/CC BY 4.0).

Le programme de surveillance côtière du Center for Marine Applied Research (CMAR) fournit des données à haute résolution sur les variables océaniques de la côte de la Nouvelle-Écosse.Le programme a été lancé par le Département de la pêche et de l'aquaculture de la Nouvelle-Écosse au début des années 1990.En 2019, CMAR a assumé la responsabilité du programme et élargi sa portée et son mandat.Grâce à la branche de la qualité de l'eau du programme, CMAR recueille la température, l'oxygène dissous et les données de salinité à l'aide de capteurs déployés sur des «chaînes de capteurs».Une chaîne de capteurs se compose généralement d'une ligne ancrée au fond marin par une libération acoustique et suspendue par une bouée de sous-surface, avec des capteurs attachés à différentes profondeurs sous la surface (tel que mesuré à marée basse).Alternativement, une chaîne peut être attachée aux amarres de surface, y compris des quais flottants, des bouées et de l'équipement.Les chaînes de capteurs sont déployées pendant plusieurs mois et les données sont mesurées toutes les minutes à 1 heure.Les capteurs sont récupérés pour le déchargement des données en déclenchant la version acoustique le cas échéant, en éliminant directement les amarres de surface, ou parfois par des plongeurs ou des méthodes de grappling.Des tests automatisés de contrôle de la qualité ont été appliqués aux données pour identifier les observations périphériques et inattendues.Les résultats de ces tests sont résumés dans les colonnes «QC_FLAG» de l'ensemble de données.Chaque point de données se voit attribuer une valeur de drapeau de «passer», «suspect / d'intérêt», «échec» ou «non évalué».Les observations signalées comme «pass» ont passé tous les tests et peuvent être incluses dans les analyses.Les observations d'oxygène dissoutes signalées comme «suspecte / d'intérêt» indiquent probablement des signaux biofulling et doivent être exclues de l'analyse ou utilisées avec une extrême prudence.Les observations pour d'autres variables signalées comme «suspect / d'intérêt» doivent être examinées avant d'être incluses dans les analyses.Les observations signalées comme «échec» doivent être exclues de la plupart des analyses.Certains tests ne peuvent pas être appliqués à certaines observations, qui seront signalées comme «non évaluées».Ces observations peuvent généralement être incluses dans les analyses.Les drapeaux doivent être utilisés uniquement comme guide et les utilisateurs de données sont responsables de l'évaluation de la qualité des données avant l'utilisation dans toute analyse.Pour plus d'informations sur les tests de contrôle de la qualité, visitez le site Web de gouvernance des données CMAR (https://dempsey-cmar.github.io/cmp-data-governance/pages/cmp_about.html).Le programme de surveillance côtière des données de qualité de l'eau est organisé par le comté.Ces ensembles de données sont très importants, dépassant généralement le nombre de lignes qui peuvent être visualisées dans Excel.CMAR recommande de filtrer les données sur le corps d'eau, la station, la profondeur, le drapeau de contrôle de la qualité et / ou la période d'intérêt avant de l'exportation.Un graphique dérivé de l'ensemble de données permet également le filtrage et l'exportation interactifs (https://data.novascotia.ca/d/vpt7-apvp).L'ensemble de données ''Nova Scotia Water Quality Data: Station Locations'' sur ce portail montre des emplacements supplémentaires avec les données de qualité de l'eau disponibles collectées via le programme de surveillance côtière de CMAR (https://data.novascotia.ca/nature-and-environment/coastal-monitoring-Program-station-Locations / CJFB-F4D4).Les rapports de résumé du comté sont disponibles sur le site Web de CMAR (https://cmar.ca/coastal-monitoring-program/).Les données peuvent également être téléchargées à partir du serveur ERDDAP via la plate-forme canadienne du système d'observation des océans (CIOOS) (https://catalogue.cioosatlantic.ca/dataset?q=cmar).La collecte et la récupération des données sont en cours.Les ensembles de données et les rapports peuvent être révisés en attendant la collecte et les analyses de données en cours.Si vous avez accédé à des données sur le programme de surveillance côtière, CMAR apprécierait vos commentaires: https://docs.google.com/forms/d/e/1faipqlse3td6umrsvvvknql13vvmjipckci2ctonjsgn7_g-4c-tktuw/viewform.Veuillez reconnaître le Center for Marine Applied Research dans tout matériel publié qui utilise ces données.Contactez info@cmar.ca pour plus d'informations.

This is an observation data for water quality monitoring.

Quality dataset for 720 resolution (with NaN values).

chromeNLP/quality dataset hosted on Hugging Face and contributed by the HF Datasets community

This report shares information about school performance, sets expectations for schools, and promotes school improvement. School Quality Report Educator Guides can be found here.

Arecanut Quality

## Overview

Arecanut Quality is a dataset for object detection tasks - it contains Objects annotations for 445 images.

## Getting Started

You can download this dataset for use within your own projects, or fork it into a workspace on Roboflow to create your own model.

  ## License

  This dataset is available under the [CC BY 4.0 license](https://creativecommons.org/licenses/CC BY 4.0).

Le programme de surveillance côtière du Center for Marine Applied Research (CMAR) fournit des données à haute résolution sur les variables océaniques de la côte de la Nouvelle-Écosse.Le programme a été lancé par le Département de la pêche et de l'aquaculture de la Nouvelle-Écosse au début des années 1990.En 2019, CMAR a assumé la responsabilité du programme et élargi sa portée et son mandat.Grâce à la branche de la qualité de l'eau du programme, CMAR recueille la température, l'oxygène dissous et les données de salinité à l'aide de capteurs déployés sur des «chaînes de capteurs».Une chaîne de capteurs se compose généralement d'une ligne ancrée au fond marin par une libération acoustique et suspendue par une bouée de sous-surface, avec des capteurs attachés à différentes profondeurs sous la surface (tel que mesuré à marée basse).Alternativement, une chaîne peut être attachée aux amarres de surface, y compris des quais flottants, des bouées et de l'équipement.Les chaînes de capteurs sont déployées pendant plusieurs mois et les données sont mesurées toutes les minutes à 1 heure.Les capteurs sont récupérés pour le déchargement des données en déclenchant la version acoustique le cas échéant, en éliminant directement les amarres de surface, ou parfois par des plongeurs ou des méthodes de grappling.Des tests automatisés de contrôle de la qualité ont été appliqués aux données pour identifier les observations périphériques et inattendues.Les résultats de ces tests sont résumés dans les colonnes «QC_FLAG» de l'ensemble de données.Chaque point de données se voit attribuer une valeur de drapeau de «passer», «suspect / d'intérêt», «échec» ou «non évalué».Les observations signalées comme «pass» ont passé tous les tests et peuvent être incluses dans les analyses.Les observations d'oxygène dissoutes signalées comme «suspecte / d'intérêt» indiquent probablement des signaux biofulling et doivent être exclues de l'analyse ou utilisées avec une extrême prudence.Les observations pour d'autres variables signalées comme «suspect / d'intérêt» doivent être examinées avant d'être incluses dans les analyses.Les observations signalées comme «échec» doivent être exclues de la plupart des analyses.Certains tests ne peuvent pas être appliqués à certaines observations, qui seront signalées comme «non évaluées».Ces observations peuvent généralement être incluses dans les analyses.Les drapeaux doivent être utilisés uniquement comme guide et les utilisateurs de données sont responsables de l'évaluation de la qualité des données avant l'utilisation dans toute analyse.Pour plus d'informations sur les tests de contrôle de la qualité, visitez le site Web de gouvernance des données CMAR (https://dempsey-cmar.github.io/cmp-data-governance/pages/cmp_about.html).Le programme de surveillance côtière des données de qualité de l'eau est organisé par le comté.Ces ensembles de données sont très importants, dépassant généralement le nombre de lignes qui peuvent être visualisées dans Excel.CMAR recommande de filtrer les données sur le corps d'eau, la station, la profondeur, le drapeau de contrôle de la qualité et / ou la période d'intérêt avant de l'exportation.Un graphique dérivé de l'ensemble de données permet également le filtrage et l'exportation interactifs (https://data.novascotia.ca/d/twbe-dv9i).L'ensemble de données "Nova Scotia Water Quality Data: Station Locations" sur ce portail montre des emplacements supplémentaires avec les données de qualité de l'eau disponibles collectées via le programme de surveillance côtière de CMAR (https://data.novascotia.ca/nature-and-environment/coastal-monitoring-Program-station-Locations / CJFB-F4D4).Les rapports de résumé du comté sont disponibles sur le site Web de CMAR (https://cmar.ca/coastal-monitoring-program/).Les données peuvent également être téléchargées à partir du serveur ERDDAP via la plate-forme canadienne du système d'observation des océans (CIOOS) (https://catalogue.cioosatlantic.ca/dataset?q=cmar).La collecte et la récupération des données sont en cours.Les ensembles de données et les rapports peuvent être révisés en attendant la collecte et les analyses de données en cours.Si vous avez accédé à des données sur le programme de surveillance côtière, CMAR apprécierait vos commentaires: https://docs.google.com/forms/d/e/1faipqlse3td6umrsvvvknql13vvmjipckci2ctonjsgn7_g-4c-tktuw/viewform.Veuillez reconnaître le Center for Marine Applied Research dans tout matériel publié qui utilise ces données.Contactez info@cmar.ca pour plus d'informations.