Dataset: Morphological traits, yield, and RGB images of Mung Bean (Vigna radiata L.) subjected to biofertilization

方法

18个试验单元，60天时测形态产量性状并拍24.2MP标准化RGB图像。

发现

传统农艺测量与标准化图像配对，可支撑无损表型与计算机视觉算法开发。

机会点

可基于该数据集开发绿豆生物施肥效果的无损图像表型预测模型，并扩展到多品种多环境。

绿豆（Vigna radiata L.）是一种高营养且可持续的豆类作物，对全球粮食安全至关重要，然而其生产日益受到环境和生物胁迫的制约。为通过先进作物管理和精准农业应对这些挑战，本文提出了一套经过生物施肥处理的绿豆植株的综合农艺与图像数据集。该数据集涵盖关键形态生理性状和产量性状的详细定量测量——包括株高、茎粗、根瘤与生物量重量、籽粒产量及相对叶绿素含量——于种植后60天在18个实验单元中采集。关键在于，这些传统生物计量记录与高分辨率（2420万像素）RGB图像配对，图像在标准化人工夜间照明和受控暗色背景下拍摄，以完美分离植株架构。通过将破坏性农艺评估与标准化视觉数据相结合，该数据集为研究人员提供了基础资源。它直接支持计算机视觉算法、机器学习模型及非侵入式表型分析工具的开发和验证，这些工具有望用于评估生物肥料功效并优化可持续农业系统中的作物产量。