多年生黑麦草(Lolium perenne L.)被认为是温带农业中最重要的牧草物种，仅在澳大利亚就有600多万公顷的播种面积。然而，多年生黑麦草由于对一系列非生物和生物胁迫的耐受性低，在某些环境中的持久性较差。为了培育具有更高持久性和生产力的多年生黑麦草品种，需要对多年来的基因型进行评估。目前，牧草育种的持久性评估依赖于人工地被估计或计算已知地区存活植物或分蘖的数量。这些方法具有主观性且属于劳动密集型，这可能会限制大规模育种计划中的数据收集。随着传感器和图像处理算法的快速发展，基于图像的高通量表型分析(HTP)在主要粮食作物育种中越来越普遍。基于图像的HTP方法包括在地面或机载平台上部署各种传感器，并通过图像处理管道分析数据。基于图像的HTP在牧草表型鉴定育种中具有很高的应用潜力，可以缩短新品种的发布时间。此外，现有的基于图像的HTP方法可以进一步发展，包括精确的工具，用于对牧草持久性特征进行表型分析，如牧草衰老、植物成分、病原体和害虫抗性。

高通量表型技术的要素可用于估计野外条件下牧场持续性的表达

近端RGB成像在牧草样地多年生黑麦草地被植物估测中的应用

在这项研究中，我们回顾了精确农业中现有的基于图像的HTP方法，并讨论了它们在牧草育种中用于多年生黑麦草持久性估计的可行性。虽然本文的重点是多年生黑麦草的应用，原则同样适用于其他多年生牧草品种。

基于多光谱光谱图像的高通量管道用于多年生黑麦草地面覆盖率估算

高通量表型分析管道中图像分析的过程

来源：

Jayasinghe C, Badenhorst P, Jacobs J, et al. Image-based high-throughput phenotyping for the estimation of persistence of perennial ryegrass (Lolium perenne L.)—A review. Grass Forage Sci. 2021;00:1–19. https://doi.org/10.1111/gfs.12520.