以机器学习技术为核心驱动力的植物成像时代，数据标注是一项至关重要的过程。本研究提出了一个独特的幼苗发育动力学注释数据集。该数据集是关于室内环境下从顶部视角通过RGB-深度时间序列观察多种幼苗发育的，由近70，000个RGB深度帧和超过700，000个植物注释组成。该数据集对于训练深度学习模型和基于成像进行高通量表型分析很有价值。由于提供了数据集，这种模型能够推广应用于其他植物物种，并优于目前最先进技术。此外，本文还讨论了本数据集如何提出植物表型分析的新问题。

本文不仅为植物生物领域提供了新的参考，也为开发植物表型工具的计算机视觉领域开辟了新的视角。

图1. 用于生成交付数据集的试验设置可视化

图2. 裁剪的RGB全帧(左)和深度对齐帧(右)。图像被裁剪以排除远处物体并强调深度动态

图3. 每个阶段延时拍摄提取的RGB图像

图4. 卷积神经网络用作从RGB深度图像执行生长阶段分类的基线

表1. 比较之前最相关研究的数据集和本文数据集之间的关键特征

表2. 根据时间间隔和帧划分的每个物种的数据细节

表3. 用不同物种训练的模型在损失和准确性方面的平均性能