基于论文摘要,拟定专业标题如下: Sugar4D:面向4D植物表型分析的时间一致性实例标注数据集

《Scientific Data》:A Dataset of Temporally Consistent Instance Annotations for 4D Plant Phenotyping

【字体: 大 中 小 】 时间:2026年09月19日 来源:Scientific Data 7.2

编辑推荐:

  时空4D植物表型分析(spatio-temporal 4D plant phenotyping)需要具备精确且时间一致性标注的高质量数据集。然而,由于数据采集和人工标注需要耗费大量精力,此类数据集目前十分有限。为弥补这一不足,研究人员提出了Sugar4D——一

  
时空4D植物表型分析(spatio-temporal 4D plant phenotyping)需要具备精确且时间一致性标注的高质量数据集。然而,由于数据采集和人工标注需要耗费大量精力,此类数据集目前十分有限。为弥补这一不足,研究人员提出了Sugar4D——一个利用地面激光雷达扫描仪(terrestrial LiDAR scanner)采集的、公开可用的甜菜4D植物表型数据集。该数据集包含来自48株个体植株的768个点云(point clouds),涵盖12种基因型(genotypes),在生长季内以半周为间隔、连续16个时间点进行采集。所有点云均提供器官级别的、时间一致性的逐点实例标注(temporally consistent, pointwise instance annotations),从而能够对单叶片进行跨时间追踪。Sugar4D包含6778个已标注叶片,对应675个独立的叶片实例。除已标注的点云数据外,研究人员还为每个时间点的每株植株和每片叶片提供了58个植株相关和5个叶片相关的形态学参数,并利用3D打印植株参考模型和侵入式人工参考测量进行了验证。Sugar4D支持植物实例分割(plant instance segmentation)、时间配准(temporal registration)、器官追踪(organ tracking)及时空形态学分析(spatio-temporal morphological analysis)等方法的开发与评估。
论文解读:Sugar4D——面向4D植物表型分析的时间一致性实例标注数据集
一、研究背景与问题
理解植物形态的时间发育过程对于推进植物研究、育种及实际农业生产至关重要。时空四维(4D)表型分析方法能够跨多个发育阶段捕获植物结构,提供超越静态测量的、关于植物健康与生长动态的关键见解。近年来,传感器技术、计算硬件及数据驱动分析方法的进步推动了三维(3D)植物表型分析的快速发展,使得从点云数据中自动提取株高、叶片倾角等常规及复杂结构性状成为可能。这些性状为比较植物基因型和表型提供了重要的表型信息,并有助于分析植物胁迫响应及其与环境因素的相互作用。
与此同时,高通量表型平台的出现使得对植物进行重复时序采集成为可能。时间序列数据已被用于模拟病害爆发或预测未来植物生长。然而,生成4D数据需要大量时间、成本与人力,导致目前公开可用的时空数据集数量有限。现有数据集在作物种类、实验设置、3D重建技术、植株或基因型数量及时间跨度等方面差异显著,且均缺乏4D植物表型分析广泛应用所需的关键要素。
其中最重要的差异因素在于是否提供可用于语义分割和实例分割任务的精确逐点人工器官标注。未标注的原始笛卡尔点云数据在表型分析中的价值有限,可靠的植物器官分割是获取有意义的植物形态学见解的基础。尽管深度学习推动了自动分割的进步,但创建精确标注的高质量4D数据集仍至关重要。然而,人工逐点标注耗时费力,这反映在包含此类标注的数据集数量有限上。部分数据集虽附带语义标签,但实例标签往往不完整,这限制了植物实例分割方法的开发、比较与验证。
此外,全面的4D表型分析不仅需要精确的实例标注,还需要时间一致的实例标注,即特定叶片的标签必须在所有连续时间点保持相同。这种一致性对于时间点云配准、植物器官追踪及后续生长分析至关重要。目前仅有Pheno4D和LAST-Straw两个数据集提供时间一致的实例标注,但标注不完整且未覆盖整个数据集,且两者仅包含六或七株个体植株,LAST-Straw仅含两种基因型,Pheno4D则不提供任何基因型信息。
为填补这一空白,研究人员提出了Sugar4D,一个完全时间一致标注的甜菜4D数据集。
二、研究内容与意义
Sugar4D数据集包含利用高精度激光雷达(LiDAR)传感器采集的12种不同甜菜基因型的点云,每种基因型以四倍重复种植,共48株形态差异广泛的个体植株。数据集具有高时间分辨率,在八周内以半周为间隔进行测量,共16个连续时间点。全部768个点云均包含时间一致的逐点实例标签,可在叶片尺度分析时间生长动态。数据集共包含6778个已标注叶片,对应675个独立叶片实例。除点云数据外,还提供58个植株相关和5个叶片相关的形态学参数,并分别通过3D打印参考模型和450片叶片的侵入式人工测量进行验证。
Sugar4D支持时间一致及非一致植物实例分割网络的训练与评估,其大量人工标注提供了可靠的基线。该数据集还可用于4D植物生长建模与预测、时间点云配准与器官追踪、合成植物点云数据生成等研究。
三、关键技术方法
研究人员在德国哥廷根甜菜研究所的受控温室条件下开展实验,于2021年9月至12月间种植12种甜菜基因型,包括8个非商业育种品系和4个商业品种,每种四倍重复共48株。数据采集使用高精度地面LiDAR传感器(Faro Focus S70),以倒置方式悬挂于三脚架延伸臂上,从十个圆形排列的扫描位置采集数据,利用九个球形参考靶标进行配准。点云处理使用Faro Scene软件进行滤波和配准,随后转换至标准化笛卡尔坐标系,采用随机采样一致性(RANSAC)去除地面,并使用统计离群点滤波器去除残余异常值。标注通过在线数据标注平台完成,由三位标注员依次进行初始标注、修订和最终校正,确保标签一致性和准确性。形态学参数提取基于Python实现,主要依赖NumPy、SciPy和Open3D库,叶片参数采用基于模板匹配的方法提取。
四、研究结果
空间点云完整性: 通过目标基和扫描点基统计评估配准质量。目标基统计显示,所有时间点的平均目标距离误差为2.6±0.4毫米,水平误差1.4±0.2毫米,垂直误差1.9±0.4毫米。扫描点统计显示,重叠区域的平均点误差为1.8±0.4毫米,最小重叠率达84.3±6.0%。结果表明所有时间点均具有稳定的毫米级配准精度。
时间标注完整性: 通过提取每株植物每个时间点的所有标签生成时间标注概览图,识别并纠正了三类时间标注错误:单帧遗漏、持续标签置换和时间标签重用。通过计算每个标签相对于前一时间点的质心位移来检测标签置换。叶片实例质心位移从第一区间的平均2.85厘米降至后期区间的1.00厘米以下,与早期快速生长和后期位置稳定一致。所有标注实例经审查和纠正后,发布的数据集不含时间标签置换。
形态学参数验证: 58个植株相关参数通过3D打印甜菜参考模型的15次重复扫描进行验证。多数参数提取可靠,简单几何性状如宽度主轴、凸包周长、最大高度和最大空间范围的平均绝对百分比误差(MAPE)低于2%,变异系数(CV)低于1%。叶片数量在所有扫描中完全一致。叶片来源参数可靠性最低,叶片宽度最大值和法线角度峰度的MAPE超过75%。参数偏差随计算复杂度增加而增大。5个叶片相关参数中,4个通过450片叶片的侵入式人工测量进行验证,平均绝对误差(MAE)介于1.09厘米至2.38厘米之间。叶片长度和叶长呈系统性高估,叶柄长度呈系统性低估,叶片宽度存在少量极端异常值。
五、结论
Sugar4D是一个完全时间一致标注的甜菜4D表型数据集,包含768个点云、6778个已标注叶片和675个独立叶片实例,并提供58个植株相关和5个叶片相关的形态学参数及相应验证数据。该数据集支持植物实例分割、时间配准、器官追踪和时空形态学分析等方法的开发与评估,为4D植物表型研究提供了可靠的数据基础。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号