浙江大学岑海燕教授团队基于无人机遥感的水稻育种材料抽穗期监测研究


发布时间:

2023-08-19

来源:

本站

作者:

PhenoTrait

2023年8月,Agricultural and Forest Meteorology在线发表了浙江大学生物系统工程与食品科学学院岑海燕教授团队题为UAV time-series imagery with novel machine learning to estimate heading dates of rice accessions for breeding的研究论文。水稻抽穗期监测对育种材料筛选和培育优质高产品种至关重要。育种过程中涉及的作物材料复杂多样且稳定性差,播期相同的育种材料往往处于不同的生育期,大大增加了无人机遥感监测水稻生育期的难度。本研究基于无人机可见光和多光谱图像,构建了面向水稻育种材料抽穗期监测的新集成模型,从而实现水稻育种材料始穗期和齐穗期的快速调查。本研究提出了一种两步式预测水稻抽穗期的新方法,将水稻生长阶段分类的深度学习模型与偏最小二乘法(PLSR)模型相结合,以实现基于无人机图像的水稻始穗期和齐穗期的监测。研究对不同的水稻育种材料进行了为期两年的田间试验,包括花培体水稻育种品系、早熟水稻杂交材料和水稻标准品种。首先,基于无人机可见光图像构建了Res2Net50深度学习模型对水稻生长阶段进行分类,判别水稻的五个关键生长时期;其次,提取抽穗初期和抽穗末期的水稻冠层多光谱图像平均反射率,建立预测水稻始穗期和齐穗期的PLSR模型。结果表明,Res2Net50模型成功识别了五个生长阶段,在试验1和试验2中的总体准确率分别为86%和83%。使用Res2Net50分类后的图像构建的PLSR模型在预测始穗期和齐穗期有良好的性能,R2为0.60-0.78,均方根误差(RMSE)范围为3.9-5.1天,相对均方根误差(rRMSE)为4%-6%。对十个水稻标准品种的预测结果进一步证明了本方法对抽穗期监测的良好效果,且与田间调研的抽穗期结果相当。此外,本研究结合模型迁移策略,在两年育种试验中对预测模型进行验证,并探究育种材料的多样性和复杂性对模型精度的影响。研究工作对提升作物育种效率具有重要应用价值。

 

图1 本论文提出的基于无人机图像预测水稻始穗期和齐穗期的流程

 

图2 试验1和试验2中水稻育种材料始穗期和齐穗期预测值与真实值对比图

 

作者介绍

浙江大学生物系统工程与食品科学学院硕士研究生吕梦琪为第一作者,岑海燕教授为本文的通讯作者,合作者有浙江大学农业与生物技术学院舒庆尧教授和多伦多大学何雨红教授。相关工作得到国家重点研发计划项目、浙江省重点研发计划项目以及浙江大学国际合作专项的资助。

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。