一种辅助育种决策的基于无人机图像的估计大豆相对成熟度的应用深度学习方法


发布时间:

2021-09-06

来源:

本站

作者:

PhenoTrait

  大豆的相对成熟度是衡量其生长环境优劣的重要指标,育种专家依据大豆的相对成熟度做出最佳种植方案以充分激发其生长潜力。对商业育种公司来说,在生长季节过后,大豆相对成熟度也是选育品种决策的重要参考信息。面对观测方法的局限性,该研究以更高效与鲁棒的方式将无人机RGB图像获取技术同深度学习算法相结合有效地实现了田间大豆相对成熟度的估计。

  研究人员获取了5个不同生长时间内的6个不同地区的田间大豆无人机图像,图像数据量达到了31750张。数据处理流程主要包括四个部分:无人机图像提取与组合、图像预处理、特征提取与模型预测。其中,为了处理5个不同的时序图像,本研究将5个卷积神经网络(CNN)并行连接而且与长短期记忆循环神经网络(LSTM)进行组合。研究结果表明该模型方法能够准确预测大豆相对成熟日期,误差在2天以内。通过与传统成熟度估计方法相比较发现基于深度学习的算法模型更具稳定性和准确性。在未来的展望中,该方法将进一步被应用在卫星图像以及大豆其他性状的评估决策中。

 

  图1 预测大豆相对成熟度的CNN-LSTM模型结构示意图

 

  图2 6个不同地区的CNN-LSTM的大豆相对成熟度建模(蓝色)和预测(粉色)结果

 

来源: Saba M, Hieu P, Ye H, et al. An Applied Deep Learning Approach for Estimating Soybean Relative Maturity from UAV Imagery to Aid Plant Breeding Decisions. arXiv, eprint: 2108.00952, August 2021. https://arxiv.org/abs/2108.00952.

 

编辑: 张金诺

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。