在植物育種中，攜帶多光譜相機(jī)的無人機(jī)(UAV)越來越多地用于高通量表型分析(HTP)，以幫助解釋基因型和環(huán)境對形態(tài)、生化和生理性狀的影響。一個(gè)關(guān)鍵的限制因素仍然是分辨率和質(zhì)量的降低，這些馬賽克是從無人機(jī)在大片區(qū)域執(zhí)行任務(wù)所產(chǎn)生的“拼接”馬賽克中提取出來的。這可以通過從每個(gè)地塊的單個(gè)最低點(diǎn)圖像生成高質(zhì)量的反射率數(shù)據(jù)來解決。
2019/20年夏季期間在澳大利亞昆士蘭州進(jìn)行的高粱育種試驗(yàn)的布局。插圖中的照片展示了與無人機(jī)矯正相關(guān)的“ghost”效果。
在這項(xiàng)研究中，開發(fā)了一個(gè)流程，從原始的多光譜無人機(jī)圖像中提取反射率數(shù)據(jù)，保留了原始的高空間和光譜分辨率，并將這些數(shù)據(jù)用于表型鑒定應(yīng)用。連續(xù)的步驟包括(I)圖像校準(zhǔn)、(Ii)光譜波段排列、(Iii)反向計(jì)算、(Iv)小區(qū)分割和(V)應(yīng)用。每一步都經(jīng)過設(shè)計(jì)和優(yōu)化，以估計(jì)每個(gè)育種小區(qū)內(nèi)的植株數(shù)量和高粱穗數(shù)。
概述流程， (A)主流程，以獲得每一塊地塊的最低點(diǎn)圖像，(B)植物檢測和計(jì)數(shù)程序，以及(C)高粱穗部檢測和計(jì)數(shù)程序(優(yōu)化土壤調(diào)整植被指數(shù)、全球環(huán)境監(jiān)測指數(shù)和植被指數(shù))。
利用每個(gè)樣地的最低點(diǎn)圖像，估計(jì)高粱株數(shù)和穗數(shù)的決定系數(shù)分別為0.90和0.86。此外，從不同波段獲取的反射率信息對高粱穗部(即紅色和白色)顯示出較高的分辨能力。這條管道的部署可以在許多不同的田地中準(zhǔn)確地分割冠層水平的作物器官，只需通過機(jī)器學(xué)習(xí)方法進(jìn)行最少的訓(xùn)練。
來源：Plant Phenomics.Detecting Sorghum Plant and Head Features from Multispectral UAV Imagery.Yan Zhao , Bangyou Zheng , Scott C. Chapman , Kenneth Laws , Barbara George-Jaeggli , Graeme L. Hammer, David R. Jordan , and Andries B. Potgieter
https://spj.sciencemag.org/journals/plantphenomics/2021/9874650/
鄂公網(wǎng)安備42018502003245號 網(wǎng)站地圖
