基于无人机RGB图像的小麦株高高通量田间表型分析


发布时间:

2021-02-27

来源:

本站

作者:

PhenoTrait

在大多数作物的筛选中,株高是一个重要性状。在小麦等作物中,植株矮小有助于降低倒伏,而植株高大则有助于增加地上总生物量。尽管株高是一个很容易手动测量的性状,但如果地块过多,其测量需要耗费大量的时间和人力,因此对高通量株高测量方法的需求日益增长。利用航空影像生成的密集点云建立的作物表面模型(CSM)可以用来估算株高。本研究以连续两年的小麦自交系为研究对象,利用3D-CSM航片资料,对不同物候期的株高进行了估算。

 

在2017年和2018年的生长周期中,使用在墨西哥西北部使用的PlatFW和PlatMR(UAV)平台(PHaerial)进行植物高度(PH)的表型分析工作流程。

 

首先,通过固定翼(PlatFW)和多旋翼(PlatMR)无人机(UAV)平台收集两个小麦种群(50和150系)的多时间和高空间分辨率图像。接着,使用地面真实测量(PHground)和基于无人机的估计(PHaerial)在四个生长阶段(GS)测量并比较小麦株高。然后,使用地面控制点(GCP)作为不同高度的固定参考目标,对航空影像生成的CSM进行验证。结果表明,PlatFW估算的株高与PlatMR估算的基本一致,但由于图像处理的不同,结果略有差异。与实际高度(R2≥0.90,RMSE≤4cm)相比,由CSM得到的GCPs高度具有较高的相关性,且误差较低。在不同GS下,PHground和PHaerial之间的决定系数(R2)在0.35到0.88之间,两个平台的均方根误差(RMSE)在0.39到4.02cm之间。

 

在四个成长阶段(GS),基于UAV的数据(PHaerial)和手动测量的地面真相(PHground)以及RMSE估算的植物高度(PH,cm)与基因型数(n)之间的线性关系

 

 

综上所述,本研究提供了一个利用无人机高分辨率RGB影像获得株高时间序列估计值的实例,可扩展到数万个小区,因此适合在植物小麦育种试验中应用。

 

来源:

Volpato L, Pinto F, González-Pérez L, et al. High Throughput Field Phenotyping for Plant Height Using UAV-Based RGB Imagery in Wheat Breeding Lines: Feasibility and Validation. Front. Plant Sci., 16 February 2021 | https://doi.org/10.3389/fpls.2021.591587.

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。