田间作物表型的公开数据集对促进机器学习在植物表型研究中的应用于发展至关重要。本文的主要贡献在于提出了一个无人机图像的具有地理信息参考的花椰菜表型公开数据集，名称为GrowliFlower。研究人员在2020年与2021年采集了从种植到收获整个生长时期的花椰菜冠层正射RGB图像与多光谱图像(475 nm、560 nm、668 nm、717 nm和840 nm)。其中利用植物ID与坐标标记了大约14000个单株，以便用户根据需要提取连续时间的单株图像块。同时，根据植物ID与坐标能获得脱叶前后的植物图像对，对准确评估花椰菜头部大小十分关键。原位检测了共740株植物的表型性状特征，包括株高、植株最大直径、和花椰菜头部直径等。除此之外，该数据集包含了像素级的叶片和植株的图像标注，可被用于同水平的图像分类、目标识别和图像分割等计算机视觉算法研究中。本文还提供了基于Mask R-CNN的实例分割结果，为促进机器学习方法在作物生长发育分析和表型性状反演的开发与评估提供了基准。对植株图像实例分割任务来说，当设定交并比阈值小于0.8时，目标框与像素点的判别准确率均大于80%。该数据集公开获取地址为：http://rs.ipb.uni-bonn.de/data/。

　　图1 数据采集的时间线，包括(a)田块1和(b)田块2

　　图2 GrowliFlower数据集的示意图

　　图3 GrowliFlower数据集中不同的标签图像

　　图4 田块2中时间序列的图像示意图

　　图5 基于Mask R-CNN的植株图像实例分割基准结果

　　来源：Kierdorf J, Junker-Frohn L V, Delaney M, et al. GrowliFlower: An image time series dataset for GROWth analysis of cauLIFLOWER[J]. arXiv preprint arXiv:2204.00294, 2022.

　　编辑：张金诺