番茄WUR:番茄植物的注释数据集,用于定量评估细分,骨架和植物特征提取算法,用于3D植物表型
Bart M van Marrewijk1, Tim van Daalen1, Katarína Smoleňová1
1Wageningen University and Research, Wageningen, the Netherlands.
Data in brief
|July 28, 2025
概括
本研究介绍了TomatoWUR数据集用于3D植物表型,使番茄植物特征的高级分析成为可能. 数据集支持开发新的算法,以实现准确和高效的3D表型.
科学领域:
- 农业科学 农业科学
- 计算机视觉 计算机视觉
- 植物生物学 植物生物学
背景情况:
- 准确的植物表型化对于理解基因型-环境-管理相互作用至关重要.
- 手动的特征测量是耗时的,有偏见的,对于3D分析是不切实际的.
- 现有的3D表型化数据集缺乏全面性,阻碍了算法开发.
研究的目的:
- 介绍TomatoWUR数据集,这是一个用于3D植物表型的新资源.
- 为了促进先进的3D表型算法的开发和验证.
- 解决当前数据集在支持细分,骨架和特征提取方面的局限性.
主要方法:
- 番茄WUR数据集包括44个3D点云的番茄植物使用形状-从-轮生成.
- 数据包括注释点云,植物骨架和手动参考测量.
- 提供相关软件用于方法评估和比较.
主要成果:
- 该数据集可以从点云数据中对3D植物特征进行全面分析.
- 它支持评估3D表型的所有阶段:细分,骨架和特征提取.
- 包括手动测量允许直接验证自动化的方法.
结论:
- 番茄WUR数据集显著推进了3D植物表型研究.
- 它为开发和基准测试新的表型算法提供了一个强大的平台.
- 预计这项资源将通过详细的3D分析加速了解植物GxE相互作用的进展.
