完善田间禾谷类作物的图像:小麦的精细叶面模型的新方法


发布时间:

2024-04-04

来源:

作者:

叶夹角分布( LAD )是农业作物的重要结构参数,影响作物的光截获和辐射通量,进而影响作物的生产性能。因此,LAD及其参数化形式Beta分布在许多光合作用模型中被使用。然而,在田间栽培中,这些参数很难评估,特别是谷类作物,因为它们的叶片很薄,很灵活,并且经常弯曲和扭曲。据我们所知,目前仅有一套非常有限明确地考虑了这些特殊的形态特征的方法来计算长势良好的谷类作物的LAD。

在本研究中,我们介绍了一种新的处理流程,该流程允许从三维点云生成真实的叶面模型和分析田间生长的谷类作物的LAD。数据采集是基于一个简便的立体成像装置。用不同的人工目标对该方法进行了验证,并给出了三维重建、叶片表面建模和计算LAD的精度结果。在0°~ 75°的倾角范围内,三维重建的平均误差小于1 mm,叶片表面量化的平均精度为90%。一致性相关系数( CCC )为99.6 % ( p-value = 1.5* 10 -29),表明重建的倾斜角与身份线高度相关。弯曲叶片的LAD重建平均误差为0.21 °,标准差为1.55 °。作为附加参数,对人工叶片模型进行了插入角重构,平均误差< 5 °。最后,用田间禾谷类作物的图像对该方法进行了测试,并从计算的LADs中逼近了Beta函数。重建的LAD与计算的Beta函数之间的平均CCC为0.66。根据Cohen的观点,这表明两者具有很高的相关性。

这项研究表明,我们的图像处理流水线可以从立体图像中重建谷类作物复杂的叶片形状。通过包括人工叶片目标在内的多个验证实验证明了该方法的高精度。利用推导的叶片模型计算了人工模拟叶片和自然生长的谷类作物的LAD。这有助于更好地理解冠层结构对光吸收和植物性能的影响,并允许通过导出的Beta分布对光合作用模型进行更精确的参数化。

 

图1 重建倾斜角ir与手动测量倾斜角αm的关系,红线标志着身份线,所有的点都位于非常接近的标识线(红色),表明重建的倾斜角具有很高的精度

 

图2 重建了沿叶轴的倾斜角

a 显示沿叶轴的倾斜角ic ( Ref )和ir ( Rec ) X. Plot  

 b 显示了icir 的差异。ir ir Δ ( ic , ir)的差值在- 6°~ 4°之间变化。

4次重建Δ ( ic , ir)的平均误差( ME )和标准差( σ )分别为:Rec1ME = -0.43 °,σ = 2.38;Rec2Me = 0.37 °,σ = 1.22 °; Rec3Me = 0.73 °,σ = 0.68;Rec4Me = 0.51,σ = 1.05

 

图3 重建叶角分布和重建叶角的平均误差

a计算叶角分布θc (红色)和重建叶角分布θr (黑色)。

 b计算的叶倾角分布θc 和重建的分布θr之间的平均误差(黑色)和标准差(灰色区域)。倾角在10 °~ 60 °之间时,平均误差接近0 °。对于倾斜角接近0 °的水平表面,er最高值为~ 2 °

 

图4 长势良好的小麦植株叶片重建。立体图像(主相机)显示单个叶片,地块显示各自重建的三维点云和叶片拟合(用黑色建模了边和轴)的不同视图

 

图5 大田小麦植株叶片重建的常见误差

图像显示了具有三个选定叶片的立体图像(主相机)。三维点云显示了各自重建叶片的3个不同视图拟合(用黑色建模了边和轴),并将重建的叶倾角投影到叶片模型上进行可视化。

a围绕叶轴均匀扭曲( (红色箭头iv) )。这种扭曲在相应的重建中清晰可见。叶b被另一叶部分遮挡( (红色箭头i) )。为此,三维点云被分割成两个部分。然而,叶子模型对缺失区域进行了插值。此外,叶片b由于局部扭曲和轴线弯曲而向外侧倾斜。因此,重建的叶片边缘在整个叶片长度上都不在三维点云的边界上。图像中的叶轴位置(红色箭头iii) )不同于叶轴位置(绿色箭头iii) )。叶片c为倾斜叶面。因此,点云中不包含叶尖

 

6 叶倾角分布采用Beta函数建模。分析了两个重建的田间生长的小麦冠层,显示了重建的叶角分布θ (黑条),并计算了Beta函数f(t)=**

( a )红色;( b )橙色),两者在分布和拟合之间显示出高度的一致性( CCC > 0.5 );a ) CCC = 0.8,b ) CCC = 0.56

 

7 实验装置

a立体定位仪安装在成像物体的最低点位置  b立体定位仪由两台AV Prosilica GT3400C摄像机和35mm镜头组成  c人工植物模型由一个节点模块和一个弯曲的叶片组成

 

 

 

8 人工植物模型

a一个节点模块用一个确定的倾斜角固定叶片模块,叶子被插在模块中心的一个小插座中,插槽倾角由螺钉改变,并决定着插叶(左)的倾角,间隔模块用于改变叶片之间的距离,其高度( h )分别为20 mm、40 mm和50 mm (右),b平面叶和c弯曲叶的侧视图。插入角α描述了杆件处的初始倾角,参数r表示叶片弯曲半径

 

 

9 叶片建模过程的流程图,在叶子拟合之前,对p′进行了聚类中值滤波

 

 

图10 从点云到数学叶片模型的叶片拟合过程的详细可视化

 

 

来源:Theiß, M., Steier, A., Rascher, U. et al. Completing the picture of field-grown cereal crops: a new method for detailed leaf surface models in wheat. Plant Methods 20, 21 (2024).

编辑:王瑞丹

推荐新闻

石时之约|韩志国:透过表型数据,看见植物的喜怒哀乐!

本期石时之约,我们将对话慧诺瑞德(北京)科技有限公司总经理、国际植物表型学会(IPPN)执委会委员/工业分会副主席韩志国,一起从表型数据的科学角度,去读懂农作物的喜怒哀乐和前世今生。

慧科研、慧育种、慧种田——慧聚改变的力量

让我们“慧聚”在一起,为“慧科研、慧育种、慧种田”赋能。

高通量植物表型平台建设注意事项

育种,是在给定的环境条件下,选择各种表型指标(产量、品质、抗性)最优的基因型材料的过程(AI育种,从这里起步)。育种工作中大约70%的工作量来自表型观察测量和筛选,是最耗人力物力的过程。

作物生理表型测量基础原理

生理表型测量的核心在于“早、快”,要在肉眼可见之前就能测量并预判出变化趋势,才是这个技术的核心价值。叶绿素荧光成像,恰好满足了这个要求。