Time-series image data for the sorghum association panel collected in UNL-GIC in 2017

This dataset includes RGB and hyperspectral sorghum image datasets collected at multiple time points at UNL-GIC. The RGB images are in the normal png format and the hyperspectral image cubes have been converted to a 3d python numpy array file. Researchers may try to extract many of plant morphological traits using general image processing approaches or machine learning based techniques. In the corresponding publication, we measured the plant height in RGB images and conducted the semantic segmentation to measure more plant morphological traits using different machine learning algorithms in hyperspectral images.本数据集包含在UNL-GIC采集的多时间点高粱RGB图像与高光谱图像数据集。其中RGB图像采用标准PNG格式存储，高光谱图像立方体已被转换为3D Python NumPy数组文件。研究人员可借助通用图像处理方法或基于机器学习的技术，从中提取多种植株形态性状。在相关发表文献中，我们通过RGB图像测定了植株株高，并针对高光谱图像采用多种机器学习算法开展语义分割，以获取更多植株形态性状。

搜集汇总

背景与挑战

背景概述

该数据集是2017年在UNL-GIC收集的高粱关联群体的高通量表型数据，主要包括时间序列图像（如RGB和高光谱数据），用于植物表型分析。数据由Chenyong Miao和James Schnable创建，以公共领域许可发布，适用于农业研究和植物科学领域。