En treårig multimodal helhetlig datamängd för odlade tomater

Varför tomater behöver mer än solsken

Tomater i butikshyllan kan verka enkla, men att få dem dit kräver en noggrann balans mellan ljus, värme, vatten och växtskötsel. När växthus utrustas med kameror och sensorer kan odlare och forskare följa växternas tillväxt i detalj på sätt som tidigare var omöjliga. Den här artikeln presenterar en rik treårig samling tomatdata som förenar bilder, klimatmätningar, jordtester och skörderegistreringar och ger forskare ett nytt sätt att förstå hur odlingsförhållanden formar maten på våra tallrikar.

Ett smart växthus som ett levande laboratorium

Studien genomfördes i ett stort växthus i nordöstra Kina som fungerade som ett levande laboratorium. Två vanliga tomatsorter, en smakfokuserad salladstomat och en söt körsbärstomat, odlades i långa rader av upphöjda rännor. Växthuset använde automatiserade system för att styra luftflöde, uppvärmning och skuggning, vilket skapade ett stabilt men ändå varierande inomhusklimat. Inom detta utrymme fick 14 delrutor olika gödslingsrecept, separerade med tegelbarriärer för att förhindra utblandning. Denna uppställning gjorde det möjligt för teamet att observera hur växttillväxt och avkastning svarade på skilda näringsplaner under samma tak.

Att övervaka växter med ögon och sensorer

För att följa växterna genom deras liv installerade teamet ett nätverk av högupplösta kameror och miljösensorer. Varje kamera såg rakt ner ovanifrån över en fast gruppering om 12 plantor och fångade färgbilder fyra till fem gånger per dag vid fasta tider. Samtidigt registrerade sensorer lufttemperatur, luftfuktighet, ljus, koldioxid samt fukt och temperatur i odlingssubstratet var 30:e minut. En handhållen kanapenhetsinstrument användes veckovis för att mäta hur väl bladen fångade ljus och hur mycket kväve de innehöll. Tillsammans skapade dessa verktyg en detaljerad bild av både hur växterna såg ut och vad de upplevde.

Mäta hälsa från rötter till frukt

Bara siffror kan inte berätta hela historien, så forskarna genomförde också regelbundna manuella kontroller. Varje vecka mätte de växthöjd, stammens tjocklek, bladstorlek och bladantal samt flera bladbaserade hälsomarkörer. Experter gick igenom raderna för att notera skadedjur, tecken på sjukdom, blom- och fruktbildning samt övergripande vigör med enkla betygsskala. Före plantering testade de substratet i varje behandlingsruta för näringsämnen, partikelstorlekar och vattenhållande förmåga, vilket visade att alla rutor var rika på fosfor och kalium men skilde sig åt i hur tätt de höll vatten. Vid skörd vägde de avkastningen per planta och mätte egenskaper som lösligt socker och vitamin C, vilket kopplade odlingsförhållanden till de frukter som konsumenterna bryr sig om.

Att förena många strömmar till en historia

Eftersom inte alla mätningar togs i samma takt använde teamet matematisk utjämning för att anpassa veckovisa manuella data till de kontinuerliga sensorregistren på en daglig tidslinje. Varje planta behöll en stabil identifikationskod knuten till sin position i bilderna, så visuella, klimat- och egenskapsdata kunde matchas även när bladen började överlappa. Filerna i det offentliga arkivet är noggrant organiserade efter år, odlingscykel och datatyp, med tydliga fältbeskrivningar och karttabeller. Författarna tillhandahåller också skript så att användare kan reproducera varje bearbetningssteg och kombinera bild-, sensor- och egenskapslager utan att börja om från början.

Vad detta betyder för framtida tomatodling

I slutändan erbjuder Horti-M3-Tomato-datamängden inte så mycket ett enskilt nytt odlingstips som en kraftfull gemensam grund. Alla som studerar växttillväxt, testar nya datorvisionsverktyg eller bygger modeller för att förutsäga avkastning eller stress kan nu arbeta med tre säsonger av tätt länkade foton, klimatloggar, jorddata och skörderesultat från samma växthus. För en lekman innebär detta att framtida insikter om smakligare, mer pålitliga tomater i kontrollerade miljöer kommer att vila på en transparent och rikligt dokumenterad redogörelse för hur dessa växter faktiskt växte, dag för dag, blad för blad.

Citering: 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

Nyckelord: växthustomater, multimodal datamängd, växtfenotypering, precisionsjordbruk, miljösensorer