用于温室植物热成像和多光谱图像分析的开源程序包


发布时间:

2023-03-03

来源:

植物表型资讯

作者:

PhenoTrait

先进的植物表型技术有助于加速改良作物品种。热成像和多光谱成像技术为筛选温室条件下与胁迫基因型相关的可靠表型提供了新的机会。本研究以温室里的盆栽小麦为试验材料,建立了一个图像优化处理流程以分析在温室环境中捕获的多光谱图像和热图像(包括RGB、绿色、红色、近红外、红边和热图像)。自动化图像处理流程解决了多光谱图像中的径向失真、热图像和多光谱图像的协同配准、多光谱图像中照明变化的归一化及从背景噪声中分类冠层像素的问题。图像的所有波段均可在该处理流程中批量处理和分析,最终输出是一个堆叠的图像,其中包含八个波段的复合图像,每个波段仅保留冠层像素并可相互比较和分析,以提供互补见解并有效用于创建植被指数。该图像处理流程将有助于研究人员在温室条件下进行热成像和多光谱成像分析,为监测温室条件下小麦响应生物和非生物胁迫的早期症状提供了数字平台和分析,并筛选了大量基因型以便研究人员可以使用类似传感器进行作物表型分析。

 

图1. 图像处理流程。包括热像仪和多光谱相机的图像采集及用于多光谱图像的失真校正、图像配准、热图像的辐射缩放和多光谱图像的光照校正等图像处理

 

图2.经 (a)粗配准和(b)精配准后的图像配准输出。粉红色代表热成像和光学图像之间的不对齐,精细配准后显著减少

 

图3. 图像像素值。(a)在辐射重缩放之前,像素值存储为数字(DN值);(b)辐射测量重标后DN值转换为温度值

 

图4. (a)梯度校正和(b)光照校正后的RGB图像输出

 

图5. 图像分割:(a)自适应阈值分割后的前景掩码,(b)应用前景掩码分割后的RGB图像

 

图6.一个八波段的堆叠图像,仅按以下顺序表示冠层像素:RGB,绿色,红色,近红外,红边和热图像

 

图7. 植被指数;(a)归一化植被指数(NDVI)和(b)叶绿素红边指数(CIre)

 

图8. 近红外波段畸变图像与未畸变图像之间的重投影误差。x轴和y轴分别表示图像的数量和以像素为单位的平均误差

 

图9. 对多光谱图像和热图像之间的交互信息进行处理

 

图10. 评估分割误差:(A)均方根误差(RMSE)和(B)原始图像和分割图像之间的结构相似性映射(SSIM)

 
 
来 源
Sharma, N.; Banerjee, B.P.; Hayden, M.; Kant, S. An Open-Source Package for Thermal and Multispectral Image Analysis for Plants in Glasshouse. Plants 2023, 12, 317. https://doi.org/10.3390/plants12020317
 

编辑

 
扩展阅读

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。