Trzyletni multimodalny, holistyczny zbiór danych dla uprawy pomidorów

Dlaczego pomidory potrzebują czegoś więcej niż słońca

Pomidory na półkach sklepowych mogą wyglądać prosto, ale doprowadzenie ich tam wymaga starannej równowagi światła, ciepła, wody i pielęgnacji roślin. W miarę jak szklarnie wyposażane są w kamery i czujniki, rolnicy i naukowcy mogą obserwować wzrost roślin z poziomem szczegółu wcześniej nieosiągalnym. Ten artykuł przedstawia bogatą, trzyletnią kolekcję danych o pomidorach, która łączy obrazy, odczyty klimatyczne, analizy podłoża i zapisy zbiorów, dając badaczom nowe narzędzie do zrozumienia, jak warunki upraw kształtują żywność na naszych talerzach.

Inteligentna szklarnia jako żywe laboratorium

Badanie przeprowadzono w dużej szklarni w północno-wschodnich Chinach, która funkcjonowała jak żywe laboratorium. Uprawiano tam dwa popularne typy pomidorów: pomidora sałatkowego nastawionego na smak oraz słodkiego pomidora koktajlowego, w długich rzędach podwyższonych koryt. Szklarnia wykorzystywała zautomatyzowane systemy do kontroli przepływu powietrza, ogrzewania i cieniowania, tworząc stabilny, lecz zmienny klimat wewnętrzny. W tym przestrzeni 14 poletkóww otrzymało różne receptury nawozowe, oddzielone murkami z cegieł, aby zapobiec mieszaniu się podłoży. Ta konfiguracja pozwoliła zespołowi obserwować, jak wzrost roślin i plony reagują na odmienne plany nawożenia pod jednym dachem.

Obserwacja roślin oczami i czujnikami

Aby śledzić rośliny przez cały ich cykl życia, zespół zainstalował sieć kamer wysokiej rozdzielczości i czujników środowiskowych. Każda kamera patrzyła z góry na stałą grupę 12 roślin, rejestrując kolorowe obrazy cztery do pięciu razy dziennie o ustalonych godzinach. Równocześnie czujniki zapisywały temperaturę powietrza, wilgotność, natężenie światła, dwutlenek węgla oraz wilgotność i temperaturę wewnątrz podłoża co 30 minut. Ręczne urządzenie do pomiaru zadaszenia było używane co tydzień, aby ocenić, jak dobrze liście pochłaniają światło i ile azotu zawierają. Razem te narzędzia stworzyły szczegółowy obraz zarówno wyglądu roślin, jak i warunków, jakim były poddawane.

Pomiary zdrowia od korzeni po owoce

Samo cyfry nie opowiedzą całej historii, więc badacze regularnie przeprowadzali także kontrolne pomiary ręczne. Co tydzień mierzyli wysokość roślin, grubość łodyg, rozmiar i liczbę liści oraz kilka wskaźników zdrowia opartych na liściach. Eksperci przemierzali rzędy, notując szkodniki, oznaki chorób, tworzenie się kwiatów i owoców oraz ogólną witalność, używając prostych skal oceny. Przed sadzeniem badano podłoże w każdym poletku pod kątem składników odżywczych, rozmiarów cząstek i zdolności zatrzymywania wody, co ujawniło, że wszystkie poletka były bogate w fosfor i potas, ale różniły się zdolnością wiązania wody. Podczas zbiorów ważono plony dla każdej rośliny i mierzyło cechy takie jak zawartość cukrów rozpuszczalnych i witaminy C, łącząc warunki uprawy z cechami owoców ważnymi dla konsumentów.

Przekształcanie wielu strumieni w jedną opowieść

Ponieważ nie wszystkie pomiary były pobierane w tym samym rytmie, zespół zastosował wygładzanie matematyczne, by wyrównać cotygodniowe dane ręczne z ciągłymi zapisami czujników na osi dziennej. Każda roślina miała stały kod identyfikacyjny powiązany z jej pozycją na zdjęciach, dzięki czemu dane wizualne, klimatyczne i dotyczące cech mogły być łączone nawet wtedy, gdy liście zaczęły się nakładać. Pliki w repozytorium publicznym są starannie zorganizowane według roku, cyklu uprawy i typu danych, z jasnymi opisami pól i tabelami mapowania. Autorzy udostępniają także skrypty, aby użytkownicy mogli odtworzyć każdy krok przetwarzania i łączyć warstwy obrazowe, czujnikowe i cech bez zaczynania od zera.

Co to oznacza dla przyszłej uprawy pomidorów

Ostatecznie zbiór danych Horti-M3-Tomato nie proponuje jednego nowego triku uprawowego, raczej dostarcza potężne, wspólne fundamenty. Każdy, kto bada wzrost roślin, testuje nowe narzędzia widzenia komputerowego lub buduje modele do przewidywania plonów czy stresu, może teraz pracować z trzema sezonami ściśle powiązanych zdjęć, zapisów klimatu, danych o glebie i wyników zbiorów z tej samej szklarni. Dla osoby niebędącej specjalistą oznacza to, że przyszłe wnioski na temat smaczniejszych, bardziej niezawodnych pomidorów w kontrolowanych środowiskach będą opierać się na przejrzystym i szczegółowo udokumentowanym zapisie tego, jak te rośliny faktycznie rosły, dzień po dniu, liść po liściu.

Cytowanie: Gong, Y., He, Y., Zhang, X. et al. A Three-Year Multimodal Holistic Dataset For Horticultural Tomato Cultivation. Sci Data 13, 726 (2026). https://doi.org/10.1038/s41597-026-07074-w

Słowa kluczowe: pomidory w szklarni, multimodalny zbiór danych, fenotypowanie roślin, rolnictwo precyzyjne, czujniki środowiskowe