干旱胁迫等环境因素对全球玉米生长和生产力有显著影响。为了提高产量和质量，早期发现和缓解玉米干旱胁迫的有效策略是必不可少的。本文详细分析了利用现有的、定制开发的、低成本、高通量表型平台进行的三个成像试验，以检测玉米植株的干旱胁迫。本文提出了一个利用Vision Transformer分类器和植物近红外(Near-infrared，NIR)反射分布分析来早期检测玉米植株水分胁迫的管道。我们还探索了植物上对干旱胁迫更敏感的合适区域，并表明围绕最年轻膨大叶(Youngest expanding leaf，YEL)和茎的区域可以用作更一致的替代分析，仅涉及YEL。研究结果表明，从数据驱动特征的分类精度以及近红外反射直方图的分析来看，三种成像试验中有两种在水分充足的试验和干旱胁迫的试验之间有很好的分离。

图1  PDC (Plant Data Collection)系统。[上]成像设置示意图。一个框架被用来容纳成像模块，它可以水平和垂直地转换以对植物进行成像。图像是在垂直和水平扫描模块时拍摄的。[下]使用NoIR Pi相机从试验2中拍摄的NGB图像样本。

图2  远程监测受控室内的植物，早期发现诱发的干旱胁迫流程。

图3  近红外分割流水线。[左]使用FasterRCNN的边界框预测。[中]从边界框预测中提取的植物分割部分。[右]NGB图像提取的近红外通道。

图4  扩展边界框。[左]包含YEL和茎的扩展边界框的叠加。B0代表DL模型的原始检测结果，B1−B4分别是左右扩展200,400,700和100像素的版本。[右]相应扩展边界框的分割结果。

图5  B0边界框的直方图和EMD差异。[列1和列2]近红外直方图显示了每个试验中干旱胁迫和水分充足的植物的近红外直方图。[第3栏]随时间变化的分布均值。通过对数据进行平滑样条拟合得到平滑均值。[第4栏]通过将随时间的分布与每个工厂的初始分布进行比较而获得的emd。[第5栏]通过比较植物每天的分布而得到的EMD。我们观察到其他边界框也有类似的趋势。

图6  ViT二元分类器生成的注意图。上一行为原始图像，下一行为相应的注意图。(a,b)分别对应边界框B0和B2。(c)显示了在看到整个植物和背景未分割时生成的注意力图。植物周围的物体如果没有被移除，就会被用作分类的特征。

图7  实验B(左上)、实验C(右上)、实验E(左下)、实验F(右下)的边界框B0 ~ B4分类精度平均值。