基于无人机的高光谱成像和机器学习是否推动了作物科学?


发布时间:

2023-11-06

来源:

本站

作者:

PhenoTrait

在过去的几年里,人们对基于无人机(unmanned aerial vehicle,UAV)的高光谱成像(hyperspectral imaging,HSI)和机器学习(machine learning,ML)在农业研究中的兴趣越来越大,同时发表的研究也在增加。本文为农学家提供了一份最新的综述,强调了通过无人机相对于不太复杂的选择检索作物生物物理参数的好处。本文回顾了最近的70多篇论文,发现相似研究之间几乎没有一致的结果。

 

过去几年产生了许多新的出版物,但很少有广泛适用的结果。许多作者似乎专注于使用最大可用数据(和计算衍生)与多种分析方法来确定“最佳模型”,而不是测量或预测的最佳实践。这种方法的缺点是,理论知识并不是由局限于对其他情况的适用性的结果来推进的。经审查的许多著作含有重复的资料,因此所得甚微。这是不幸的,因为关于这些农业应用中最成功的数据分析方法仍有许多未解决的问题。由于它们的高复杂性和费用,特别是在应用于低价值作物时,大多数研究的好处很难解释。尽管如此,认识到HSI和ML技术在提高速度、准确性、可靠性和可扩展性方面具有巨大的潜力,以满足精准农业的众多目标,这本身就是一项成就。因此,未来的研究应该以批判的眼光来评估,以减少不必要的重复,努力以有意义的方式将结果与其他工作进行比较,并推进可重复和可推广的发现。

 

图1 无人机(UAV)研究工作流程。

 

图2  无人机和HSI(及其衍生物)的Scopus搜索结果分类。

 

来 源

Alessandro Matese et al. Are unmanned aerial vehicle-based hyperspectral imaging and machine learning advancing crop science?. Trends in Plant Science, Month 2023. https://doi.org/10.1016/j.tplants.2023.09.001

 

编辑

王春颖

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。