无人机系统 (Unmanned aerial systems ，UAS) 提高了收集更精细时空分辨率数据的能力，这些数据无法通过传统方法获得。近年来，在植物育种中使用 UAS 获取高通量表型 (high-throughput phenotyping，HTP) 数据越来越受欢迎。原始数据的完整性和质量对于保证预测的准确性和正确解释数据至关重要。本文总结了基于无人机的HTP（UAS-HTP）高质量无人机数据采集、处理和分析的标准操作流程。植物育种者可以按照这些程序在他们的种质增强和品种开发计划中实施 UAS-HTP 系统。

在植物育种高通量表型分析中工程师、计算机科学家和生物学家之间的跨学科合作至关重要；作物表型是基因型×环境相互作用的综合反应，可以通过遥感器测量；UAS 是一种实用且高效的工具，可以“读取”这些响应，这些响应可以通过进一步的处理和数据分析进行量化；UAS 可以生成用于描述和记录空间变异性的大型数据集，并收集可靠且一致的表型数据；需要一个数据门户系统来进行数据管理、处理、分析以及与用户和合作者的交流。具体来说，育种者可以遵循的以下流程，以便在其育种计划中成功实施基于 UAS 的 HTP 系统：1.UAS 数据收集的基本协议和程序（RGB 和多光谱图像数据）；2.UAS 数据处理工作流程，用于生成地理空间数据产品，例如正射影像和数字表面模型；3.多时相生长参数的表型特征提取程序，包括植被覆盖度、株高、生物量和植被指数；4.育种计划中的数据分析和 UAS-HTP 实施。

图1 无人机数据采集区域规划中地面控制点的分布。

图2 通用无人机系统 (UAS) 图像处理流程，从红、绿、蓝 (RGB) 和多光谱传感器获得的原始图像。多光谱图像需要进行辐射校准。

图3作物株高估计。数字高程模型（DEM，地面高程+作物高度）经常拍摄的图像通过数字地形模型（DTM，地面高程）进行调整，从而产生冠层高度模型（CHM，作物高度估计）。测量单位为米。

图4 基于正射影像的冠层覆盖估计。使用无人机系统 (UAS) 平台收集红、绿和蓝 (RGB) 正射影响，然后二值分类。白色区域代表冠层，黑色区域代表非冠层像素；最后一张图片代表按图估计的树冠覆盖百分比。

图5 作物冠层体积 (CV) 计算为每个地块的像素总和，分类为冠层乘以单个像素高度。我们假设冠层高度模型（植物高度> 0）中任何为零的东西在与像素尺寸相乘时将为零并被计为零冠层体积.

图6 提取目标区域

图7 使用从无人机系统获得的多时态冠层覆盖率 (%) 进行生长分析

图8 高通量表型自动化图像处理的工作流程。

图9 集成多个数据平台用于高通量作物育种