一种利用无人机图像获取冠层结构的高通量方法


发布时间:

2020-11-11

来源:

本站

作者:

PhenoTrait

植物结构性状是植物育种中重要的选择标准,关系到光合效率和作物产量。对于大型育种试验,传统人工测量方法既费时又费力。本文提出了一种利用无人机图像重建三维冠层结构模型的高通量表型分析方法。

 

基于无人机图像三维重建管道

玉米/大豆套作冠层彩色密集点云(A)及其点密度(B)的一个例子

 

通过与三维数字化模型和实测值的比较,评估了无人机模型的精度。结果表明,该方法可以获得生长早期的全冠结构,以及生长后期的冠层上部结构。无人机模型估算的叶数、株高、单叶面积、叶面积的垂直和水平分布与玉米参考值吻合较好。得出的单个叶片的长度和最大宽度接近于玉米(叶片长度和最大宽度的R2均大于0.92, RMSE分别小于4.16 cm和0.64 cm)和大豆(R2> 0.85和RMSE <0.77 厘米)的实地测量值。

 

在播种后第43、70和91天,将玉米(A和B)和大豆(C和D)的无人机衍生冠层结构模型(B和D)与相应的参考模型(A和C)进行比较

玉米(A-C)和大豆(D-F)的参考特征和UAV衍生的冠层结构模型的叶片性状比较

 

综上所述,该方法在大田作物冠层结构性状的高通量表型分析方面具有广阔的应用前景,有助于作物育种和三维植物建模中的基因型选择。

 

来源:

Liu F, Hu P, Zheng B, et al. A field-based high-throughput method for acquiring canopy architecture using unmanned aerial vehicle images. Agricultural and Forest Meteorology. https://doi.org/10.1016/j.agrformet.2020.108231.

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。