Lincoln’s Annotated Spatio-Temporal Strawberry Dataset (LAST-Straw)

LAST-Straw数据集由林肯大学创建，包含84个草莓植物的3D时空扫描数据，覆盖从幼苗到成熟的不同发育阶段。数据集提供详细的语义、实例和茎骨架标注，支持特征提取和方法评估。该数据集旨在为下一代表型分析工具的开发提供高质量数据，增强该领域研究的可比性和深度。

The LAST-Straw dataset was created by the University of Lincoln. It contains 3D spatiotemporal scanning data of 84 strawberry plants, covering different developmental stages from seedlings to mature plants. The dataset provides detailed semantic, instance, and stem skeleton annotations, supporting feature extraction and method evaluation. It aims to provide high-quality data for the development of next-generation phenotyping analysis tools, and to enhance the comparability and depth of research in this field.

搜集汇总

数据集介绍

构建方式

在植物表型研究领域，高分辨率三维数据的获取对于精准量化植物形态特征至关重要。LAST-Straw数据集的构建采用了结构化光扫描技术，通过EinScan Pro 2X Plus扫描仪在受控室内环境下对两个草莓品种的六株植株进行了为期11周的时序数据采集，共计获得84个彩色点云。扫描过程以手动方式在植株发育关键阶段进行，确保了时间点覆盖从幼苗到成熟期的完整生长周期。点云后续通过CloudCompare工具进行手动配准，形成统一坐标系下的时空序列数据，为后续分析提供了几何一致性基础。

特点

该数据集的核心特点在于其丰富的多层级标注体系与时空维度完整性。除了提供高分辨率三维点云外，数据集还包含了语义分割、实例分割及茎干骨架的手动标注，覆盖13个样本的267个茎干实例。标注体系精细区分了叶片、茎干、果实、花朵等九类植物器官，并针对部分样本提供了时间一致的叶片实例标识，支持器官级追踪研究。数据集首次实现了草莓植株全生命周期三维形态的时序捕捉，填补了该作物在时空表型数据领域的空白，为开发面向复杂多年生作物的自动化表型分析工具提供了关键资源。

使用方法

该数据集支持多层次植物表型分析流程的应用验证。研究者可基于标注数据开发分割算法，实现植株体积、器官计数等整体表型提取；利用实例标注与骨架数据，可进一步进行叶片面积重建、茎干长度测量等器官级几何特征量化。时序一致性标识支持跨时间点的器官追踪，使得动态表型如生长速率分析成为可能。数据集中提供的表型分析基准流程与评估方法（如骨架质量量化指标）为算法性能比较提供了标准化框架，同时其保留的背景信息有助于真实场景下感知技术鲁棒性研究。

背景与挑战

背景概述

林肯注释时空草莓数据集（LAST-Straw）由林肯大学与NIAB East Malling的研究团队于2024年联合发布，旨在应对草莓育种中高通量表型分析的迫切需求。该数据集聚焦于草莓植株的三维时空点云数据，涵盖从幼苗到成熟期的完整发育阶段，为植物表型自动化工具的开发提供了关键验证资源。其核心研究问题在于解决草莓植株复杂形态结构的量化表征难题，通过提供高分辨率点云及精细的语义、实例与骨架注释，推动精准农业领域对草莓生长动态的深入解析，填补了该作物在三维时空数据方面的空白。

当前挑战

LAST-Straw数据集致力于解决草莓植株三维表型量化这一领域挑战，具体包括植株器官分割、骨架提取与时空跟踪等复杂任务。在构建过程中，研究团队面临多重困难：草莓植株叶片繁茂、结构重叠导致点云采集时存在严重自遮挡，影响数据完整性；器官边界模糊使得语义与实例标注需依赖人工判读与视频辅助，耗时且主观性强；此外，点云噪声、低密度区域及植株形态动态变化，为骨架生成与长度测量等表型提取带来显著误差。这些挑战凸显了将三维感知技术应用于真实农业场景时，在数据获取与算法鲁棒性方面仍需突破。

常用场景

经典使用场景

在植物表型组学领域，高分辨率三维点云数据的获取与分析是推动精准育种的关键。林肯注释时空草莓数据集（LAST-Straw）作为首个针对草莓植株的时空三维点云数据集，其经典使用场景集中于开发与验证自动化表型分析流程。该数据集通过涵盖从幼苗到成熟期的84个植株扫描，为研究人员提供了完整的生长周期观测，使得分割、骨架提取与跟踪等关键步骤的算法能够在真实、复杂的植物结构上进行评估与优化。

衍生相关工作

围绕LAST-Straw数据集，已衍生出一系列专注于三维植物点云处理的经典研究工作。在分割方面，研究借鉴并评估了如PointNet++等网络架构在草莓器官语义与实例分割上的适应性。骨架化研究则对比了最短路径法、L1-中轴法及自组织映射法等算法在茎长提取任务上的性能，推动了针对植物特异结构的骨架评估方法论发展。同时，数据集启发了对叶片表面重建方法的比较研究，如Zabawa方法在叶面积估算上的应用，以及时空跟踪算法的探索，为器官级表型动态监测提供了新的技术路径。

数据集最近研究

最新研究方向

在植物表型组学领域，高分辨率三维时空数据集的构建正成为推动精准农业发展的关键驱动力。林肯注释时空草莓数据集（LAST-Straw）作为首个针对草莓植株的完整生命周期三维点云数据集，填补了多年生特色作物在时空表型分析方面的数据空白。该数据集涵盖了从幼苗到成熟期的84个扫描样本，并提供了语义分割、实例标注及茎干骨架的精细注释，为开发新一代自动化表型分析工具奠定了坚实基础。前沿研究聚焦于利用深度学习算法进行三维点云分割与器官跟踪，以提取如茎干长度、叶面积等动态表型性状，同时探索在部分遮挡等真实场景下的鲁棒性处理方法。相关热点包括将表型管道与机器人采收、温室监测系统结合，推动智慧农业的实践应用。这一数据集的发布不仅促进了草莓育种中复杂性状的量化选择，还为跨作物比较和结构功能模型验证提供了宝贵资源，对实现可持续农业生产具有深远意义。

相关研究论文

• Lincoln's Annotated Spatio-Temporal Strawberry Dataset (LAST-Straw)

  林肯大学 · 2024年