大豆對洪水脅迫很敏感，可能導致種子質(zhì)量差和產(chǎn)量顯著下降。通過育種計劃培育耐洪澇品種，可以維持洪澇條件下的大豆產(chǎn)量。傳統(tǒng)上，大豆在田間條件下對水浸的耐受性是通過對水浸壓力造成的枝條損傷/損害進行視覺評級來評估的，這是一項勞動密集型工作，并且容易受到人為錯誤的影響。
田間試驗。(a）測試場地位置；（b）現(xiàn)場實驗區(qū)域的圖示。
近年來，田間高通量表型技術的發(fā)展在作物性狀測定和對非生物和生物脅迫的響應檢測方面顯示出巨大的潛力。當大豆表現(xiàn)出明顯的傷害癥狀時，育種者對724個大豆育種地的水淹傷害評分（FIS）進行目測。在同一天，在離地面20米、50米和80米的地方，使用五波段多光譜和紅外熱像儀拍攝了航空圖像。從三個飛行高度的圖像中提取了五個圖像特征，即冠層溫度、歸一化差異植被指數(shù)、冠層面積、寬度和長度。
不同水浸傷害評分 (FIS) 的大豆地塊的代表性圖像。
(a) 使用消費者級照相機拍攝圖像，顯示了1-5 級FIS的示例大豆地塊。
(b) 不同 FIS 的大豆圖在由多光譜圖像中的紅色、綠色和藍色通道組成的無人機圖像上顯示不同。
(c) 724 個大豆地塊的目視觀察 FIS 的直方圖。
基于提取的圖像特征，使用深度學習模型將大豆育種地分為五個 FIS 等級，三種飛行高度下的圖像特征存在顯著差異。利用20米處的圖像特征開發(fā)的模型獲得了最佳分類性能，五級FIS為0.9。結(jié)果表明，該方法在大豆育種的FIS估計中具有很好的應用前景。
來源：Plant Phenomics.Qualification of Soybean Responses to Flooding Stress Using UAV-Based Imagery and Deep Learning.Jing Zhou , Huawei Mou , Jianfeng Zhou , Md Liakat Ali , Heng Ye , Pengyin Chen , and Henry T. Nguyen
https://spj.sciencemag.org/journals/plantphenomics/2021/9892570/
鄂公網(wǎng)安備42018502003245號 網(wǎng)站地圖
