Tomato Phenotype Dataset

Tomato Phenotype Dataset是由中国农业大学研究团队建立的一个自建数据集，包含25对在温室中手动捕获和测量的图像-表型信息。该数据集用于评估TomatoScanner的性能，表中提供了番茄果实的宽度、高度、垂直面积和体积等表型信息，以及相应的预测值和误差。

The Tomato Phenotype Dataset is a self-built dataset developed by the research team from China Agricultural University. It comprises 25 pairs of image-phenotype data manually captured and measured in a greenhouse. This dataset is used to evaluate the performance of TomatoScanner, and provides phenotypic information such as the width, height, vertical area and volume of tomato fruits, as well as corresponding predicted values and errors.

搜集汇总

数据集介绍

构建方式

Tomato Phenotype Dataset的构建是为了测试TomatoScanner这一非接触式番茄果实表型分析方法。该数据集包含25个图像-表型对，其中图像和表型均为人工捕获和测量。图像由Sony Alpha 7C相机拍摄，表型包括宽度、高度、垂直面积和体积，分别通过游标卡尺、网格计数和量杯排水法测量。数据集旨在评估TomatoScanner在表型分析中的准确性和有效性。

使用方法

使用Tomato Phenotype Dataset时，首先需要将其与TomatoScanner模型相结合。将数据集中的图像输入TomatoScanner，模型将输出番茄果实的表型特征，包括宽度、高度、垂直面积和体积。用户可以通过对比模型输出与数据集中的真实值，评估模型的准确性和可靠性。此外，用户还可以利用数据集中的图像和表型数据，对TomatoScanner模型进行进一步的训练和优化，以提高其在实际应用中的性能。

背景与挑战

背景概述

番茄表型数据集（Tomato Phenotype Dataset）的研究背景主要涉及现代农业中的番茄种植和表型测量。番茄作为一种全球广泛种植的作物，其生长状态和表型特征对于研究人员和农民来说至关重要，因为它有助于监测作物生长，并精确控制环境条件，从而提高质量和产量。传统的表型测量主要依赖人工测量，虽然准确但效率低下，且对人员健康和安全构成威胁。因此，开发一种非接触式的番茄果实表型测量方法显得尤为迫切。该数据集由赵晓贝等研究人员于2025年在中国农业大学建立，旨在测试他们提出的非接触式番茄果实表型测量方法TomatoScanner。TomatoScanner通过仅使用RGB图像作为输入，实现了对番茄果实表型的精确测量，包括宽度、高度、垂直面积和体积，并取得了优异的表型结果。该数据集的建立不仅为番茄表型研究提供了宝贵的资源，也为相关领域的科学研究和技术发展提供了重要的支持。

当前挑战

番茄表型数据集相关的挑战主要包括：1)所解决的领域问题：传统的番茄表型测量方法主要依赖人工测量，虽然准确但效率低下，且对人员健康和安全构成威胁。TomatoScanner作为一种非接触式的番茄果实表型测量方法，通过仅使用RGB图像作为输入，实现了对番茄果实表型的精确测量，包括宽度、高度、垂直面积和体积，并取得了优异的表型结果。2)构建过程中所遇到的挑战：为了提高番茄果实表型测量的准确性，TomatoScanner提出并增加了三个创新模块：EdgeAttention、EdgeLoss和EdgeBoost，以提高EdgeYOLO模型在边缘部分的分割精度。此外，该数据集的构建过程中也面临了一些挑战，例如如何有效地收集和标注数据，以及如何确保数据的质量和一致性。

常用场景

经典使用场景

TomatoScanner是一个基于RGB图像进行番茄果实表型分析的非接触式方法，它通过提取像素特征和深度特征，融合输出实际的表型结果，包括宽度、高度、垂直面积和体积等。这一方法在温室环境中对作物生长进行实时监控，精确控制环境条件，从而提高作物品质和产量。TomatoScanner利用RGB图像作为唯一输入，可以部署在各种下游应用中，如机器狗、监控摄像头、互动眼镜甚至智能手机。

解决学术问题

TomatoScanner解决了传统表型分析方法的效率低下、对果实造成破坏、只能测量有限和无关紧要的特征，以及需要昂贵的深度摄像头等问题。通过使用RGB图像作为唯一输入，TomatoScanner实现了高效的表型分析，避免了果实破坏，并能够测量更多的特征，同时降低了成本。

实际应用

TomatoScanner在实际应用中具有广泛的前景，可以用于温室环境中的作物生长监测，精确控制环境条件，提高作物品质和产量。此外，TomatoScanner还可以部署在各种下游应用中，如机器狗、监控摄像头、互动眼镜甚至智能手机，为农业生产提供更便捷和高效的解决方案。

数据集最近研究

最新研究方向

在番茄种植领域，表型测量对于科研人员和农民来说具有重要的意义，它有助于实时监测作物生长情况，从而精确控制环境条件，提高番茄的品质和产量。传统的表型测量主要依靠人工测量，虽然准确但效率低下，且存在安全隐患。近年来，计算机视觉技术在表型测量中的应用逐渐兴起，但现有的2D方法需要额外的校准，3D方法则需要昂贵的深度相机，限制了其应用范围。因此，开发一种高效、准确且成本较低的2D表型测量方法成为研究的热点。TomatoScanner作为一种基于RGB图像的非接触式番茄果实表型测量方法，在宽度、高度、垂直面积和体积等方面取得了优异的表型测量结果，为番茄种植提供了新的解决方案。此外，EdgeYOLO模型的提出和应用，进一步提高了表型测量的准确性，为未来番茄表型测量研究提供了新的思路和方法。

相关研究论文

• TomatoScanner: phenotyping tomato fruit based on only RGB image

  中国农业大学 · 2025年