農業領域是無人機和圖像處理技術快速發展的試驗平臺，這些技術正迅速成為高效精準農業和植物表型（可觀察到植物性狀的評估）不可或缺的工具。利用無人機搭載的多光譜相機獲得的航拍圖像，專家可以快速獲得有用的信息，例如植物高度、葉綠素和氮含量，以及植物病害的存在和程度。無人機（UAV）的進步帶來了智能農業，降低了成本并提高了產量。然而，由于無人機的自主性有限，它的數據質量和總飛行時間之間存在制衡。無人機作為依賴小型電池作為能源的設備，它的自主性相當低，充電或更換電池所花費的時間會嚴重阻礙它們在足夠大的田地中的數據“吞吐量”。目前，這個問題只能以犧牲空間分辨率或目標表面三維重建的質量為代價來解決。這些瓶頸限制了無人機的效率和準確性。

近日，Plant Phenomics 在線發表了法國國家農業食品與環境研究院（INRAE）和法國 HIPHEN 公司的 UMT CAPTE 團隊題為 A double swath configuration for improving throughput and accuracy of trait estimate from UAV images 的研究論文。研究人員開發了一種新穎的配置，可以大大提高準確性并將圖像采集和處理時間減半，從而為更高效的精準農業打開了大門。
 

該研究提出了一種新的圖像采集策略，他們在同一無人機上安裝至少兩個不同焦距的相機。通過使用適當的圖像處理算法，研究員設法共同配準（對齊和調整）來自不同光譜帶的圖像，包括使用不同焦距和略微不同角度捕獲的圖像。反過來，這使他們能夠生成土壤和農作物的三維密集點云，然后他們用它來創建整個田地的 “正射影像”（經過幾何校正以統一比例的航空照片）并提取植物高度。
 

使用這種具有兩種不同焦距的“雙波長配置”的好處是多方面的。首先，在給定的最小空間分辨率和預定重疊下，覆蓋整個目標區域所需的圖像數量基本上減半。因此，不僅飛行時間而且處理時間至少都減少了一半。此外，實驗結果表明，“雙波長配置”方法在“地理參考”或將航拍照片的內部坐標映射為相應的物理空間坐標方面具有更好的效果。“我們發現地理參考的最佳改進是在Z維度，大約6厘米。”通訊作者李博士說。“這主要是因為可以獲得更大的視角。”
 

最后，這項特別的研究還對如何有效地利用多光譜相機進行植物高度計算以及以此為目的點云質量的重要性提供了有價值的見解。
 

這種方法已成功地應用于表型和精準農業的幾個研究和工業項目中，其中包括Airphen（一種商用多光譜相機）。隨著這些發展，李博士和她在法國國家農業食品與環境研究院（INRAE）和HIPHEN 公司的同事對無人機在精準農業中的未來充滿希望，并希望他們的戰略能夠發揮作用。“提高飛行效率，同時保持良好的準確性是科學研究和工業領域的一個關鍵問題。我們提出的“雙波長配置”為未來的相機和飛行軌跡設計以及簡化數據處理提供了潛在的指導。”李博士說。我們希望這項技術能夠進一步完善，為空中精準農業和植物表型分析帶來光明的前景。

圖1實驗場正射影像

研究人員提出了一種無人機的雙焦距配置方法，該方法在一個實驗場的 299 個微圖上進行了測試，其中還有 9 個地面控制點（標記為黃色）以協助構建三維點云。

作者介紹

李文娟博士，2022年1月以中國農業科學院青年英才引進加入中國農業科學院農業資源與農業區劃研究所智慧農業創新團隊。她在2015年獲得中國科學院大學地理信息科學與制圖學第一個博士學位；在2015年至2017年在法國國家農業研究所（INRA）從事博士后研究，之后擔任法國HIPHEN公司的研發科學家；2021年12月，在法國國家農業食品與環境研究院（INRAE）和阿維尼翁大學（Avignon Université）農業科學獲得自己的第二個博士學位。李博士專攻物聯網、無人機和衛星數據的遙感領域，開發遙感數據應用于精準農業和表型的算法。

論文鏈接

https://doi.org/10.34133/2021/9892647
 

推薦閱讀

The Application of UAV-Based Hyperspectral Imaging to Estimate Crop Traits in Maize Inbred Lines

https://doi.org/10.34133/2021/9890745

Plant Phenomics | 無人機高光譜影像在玉米自交系作物性狀估算中的應用

Qualification of Soybean Responses to Flooding Stress Using UAV-Based Imagery and Deep Learning 

https://spj.sciencemag.org/journals/plantphenomics/2021/9892570/

Plant Phenomics | 基于無人機圖像和深度學習鑒定大豆對水澇脅迫的響應

加入作者交流群

掃碼添加小編微信，拉您進入《植物表型組學》作者交流群，群內不定期開展作者分享會、專刊發布會等高質量活動。

添加小編微信，備注姓名+單位+PP，加入作者交流群
 

About Plant Phenomics

《植物表型組學》（Plant Phenomics）是由南京農業大學和美國科學促進會（AAAS）合作創辦的英文學術期刊，于2019年1月正式上線發行。采用開放獲取形式，刊載植物表型組學交叉學科熱點領域具有突破性科研進展的原創性研究論文、綜述、數據集和觀點。具體范圍涵蓋高通量表型分析的最新技術，基于圖像分析和機器學習的表型分析研究，提取表型信息的新算法，作物栽培、植物育種和農業實踐中的表型組學新應用，與植物表型相結合的分子生物學、植物生理學、統計學、作物模型和其他組學研究，表型組學相關的植物生物學等。期刊已被DOAJ、Scopus、PMC、EI和SCIE等數據庫收錄。2021年中科院期刊分區表影響因子5.706，位于農藝學、植物科學兩個小類一區，遙感小類二區，生物大類一區（Top期刊）。2020年入選中國科技期刊卓越行動計劃高起點新刊項目。

說明：本文由《植物表型組學》編輯部負責組稿。

中文內容僅供參考，一切內容以英文原版為準。

編輯：趙瑜涵（實習）

審核：王平、孔敏