大豆短柔毛的準(zhǔn)確測(cè)定對(duì)植物育種計(jì)劃和品種登記至關(guān)重要。目前，大豆短柔毛是通過(guò)視覺(jué)分類(lèi)的，這是一項(xiàng)勞動(dòng)密集型和耗時(shí)的活動(dòng)。此外，三類(lèi)表型（黃褐色、淺黃褐色和灰色）可能難以從視覺(jué)上區(qū)分，尤其是經(jīng)常出現(xiàn)黃褐色錯(cuò)誤分類(lèi)的淺黃褐色類(lèi)別。本研究的目的是解決植物育種工作流程中的吞吐量和準(zhǔn)確性問(wèn)題，開(kāi)發(fā)一套區(qū)分短柔毛類(lèi)別的指標(biāo)，并測(cè)試機(jī)器學(xué)習(xí)(ML)分類(lèi)方法。
2019年10月15日，在加拿大安大略省圭爾夫市圭爾夫大學(xué)埃洛拉研究站，收獲成熟時(shí)(R8)大豆地塊(參考試驗(yàn))的真彩色航拍圖，顯示了短柔毛顏色的變化。G灰色短柔毛；LT淺黃褐色的短柔毛；T黃褐色的短柔毛。
對(duì)高光譜大豆地塊數(shù)據(jù)進(jìn)行的主成分分析(PCA)確定了與短柔毛類(lèi)別相關(guān)的聚類(lèi)，而Jeffries-Matusita距離分析表明，所有波段對(duì)于短柔毛類(lèi)別的可分性都很重要。本研究分析了2018年、2019年和2020年的航空影像。使用已知有短柔毛的基因型的60圖試驗(yàn)(2019年)作為參考數(shù)據(jù)，同時(shí)使用2018年、2019年和2020年的整場(chǎng)圖像來(lái)檢驗(yàn)分類(lèi)方法的廣泛適用性。在高分辨率圖像中，紅/藍(lán)比值和藍(lán)色歸一化差異植被指數(shù)（藍(lán)色NDVI）這兩個(gè)指數(shù)可有效區(qū)分黃褐色和灰色短柔毛類(lèi)型。
60 個(gè)大豆地塊的平均光譜指數(shù)值（a）藍(lán)色 NDVI、（b）藍(lán)色 NDVI 偽彩色圖、（c）紅色/藍(lán)色指數(shù)和（d）紅色/藍(lán)色偽彩色圖。 所有組彼此之間存在顯著差異（ANOVA，p＜0.05，Tukey 比較）。
使用支持向量機(jī) (SVM) 徑向基函數(shù) (RBF) 分類(lèi)器的 ML 方法能夠在存在參考訓(xùn)練數(shù)據(jù)的圖像上區(qū)分灰色和黃褐色類(lèi)型(83.1%的準(zhǔn)確度和基于像素)。測(cè)試的指數(shù)和ML模型多年來(lái)沒(méi)有推廣到不包含參考訓(xùn)練面板的圖像，這表明在某些環(huán)境條件下使用航空?qǐng)D像進(jìn)行短柔毛分類(lèi)的局限性。使用航空?qǐng)D像可以對(duì)灰色和黃褐色的短柔毛類(lèi)型進(jìn)行高通量分類(lèi)，但是淺黃褐色的大豆仍然很難分類(lèi)，可能需要每個(gè)田間季節(jié)的訓(xùn)練數(shù)據(jù)。
機(jī)器學(xué)習(xí)分類(lèi)結(jié)果來(lái)自參考測(cè)試2019圖像60-地塊短柔毛測(cè)試，使用支持向量機(jī)和徑向基函數(shù)在脫字符號(hào)包中r .(a)2019年來(lái)自埃洛拉研究站的三個(gè)大豆地塊。顯示用于分類(lèi)的剩余植物像素的土壤去除掩模。(c)ML算法中的分類(lèi)像素，圖輪廓顯示了圖的真實(shí)短柔毛。(d)按類(lèi)別劃分的最大似然輸出中60個(gè)短柔毛圖的像素計(jì)數(shù)。(e)按繪圖像素多數(shù)劃分的60個(gè)繪圖的短柔毛試驗(yàn)結(jié)果的混淆矩陣。
來(lái)源：Plant Phenomics.Classification of Soybean Pubescence from Multispectral Aerial Imagery.Robert W. Bruce , Istvan Rajcan , and John Sulik
https://spj.sciencemag.org/journals/plantphenomics/2021/9806201/
鄂公網(wǎng)安備42018502003245號(hào) 網(wǎng)站地圖
