Plant Phenomics | 多源數(shù)據(jù)融合提升田間高通量表型平臺(tái)下玉米時(shí)序表型解析精度

田間作物的空間形態(tài)結(jié)構(gòu)和生育動(dòng)態(tài)表型是作物育種和栽培管理研究和生產(chǎn)需要的重要性狀。利用掛載多源傳感器的田間軌道式表型平臺(tái)可以獲取高時(shí)序的玉米表型數(shù)據(jù)。其中，掛載工業(yè)相機(jī)獲取的玉米群體頂視RGB圖像數(shù)據(jù)，具有分辨率高的特點(diǎn)，但受光照影響大、不具有深度信息；利用激光雷達(dá)獲取的3D點(diǎn)云數(shù)據(jù)可以得到玉米群體的三維空間分布信息，但分辨率低，不具有顏色信息。利用單一數(shù)據(jù)源解析的群體表型指標(biāo)精度較低，尤其是玉米封壟后植株間存在大量的交叉遮擋時(shí)，更是難以分割定位到群體內(nèi)植株和器官的數(shù)據(jù)。
 

2023年3月，Plant Phenomics 在線發(fā)表了北京市農(nóng)林科學(xué)院信息技術(shù)研究中心、數(shù)字植物北京市重點(diǎn)實(shí)驗(yàn)室題為 Multi-Source Data Fusion Improves Time-Series Phenotype Accuracy in Maize under a Field High-Throughput Phenotyping Platform 的研究論文。
 

圖1 田間上行軌道式作物高通量表型平臺(tái)

針對(duì)上述問題，該文提出采用RGB圖像和3D點(diǎn)云數(shù)據(jù)融合解析的方法以期提升田間玉米群體表型解析精度。首先利用玉米群體苗期的圖像數(shù)據(jù)，通過圖像分割進(jìn)行植株定位；然后對(duì)平臺(tái)獲取的時(shí)序圖像數(shù)據(jù)進(jìn)行對(duì)齊，進(jìn)而可以實(shí)現(xiàn)玉米群體各生育期植株在圖像中的定位；進(jìn)一步利用直接線性變換方法（DLT）對(duì)每個(gè)生育期的RGB圖像和3D點(diǎn)云進(jìn)行對(duì)齊，從而使得玉米群體3D點(diǎn)云可以利用圖像早期的植株定位信息以及各時(shí)期圖像和點(diǎn)云的對(duì)齊信息，實(shí)現(xiàn)群體內(nèi)各植株點(diǎn)云的切割；結(jié)合課題組前期植株分割工作，可以實(shí)現(xiàn)各植株內(nèi)莖稈和可見部分葉片的分割，進(jìn)而實(shí)現(xiàn)了株高、葉傾角和葉方位角等表型指標(biāo)的動(dòng)態(tài)監(jiān)測(cè)。
 

圖2 方法流程示意圖
 

圖3 不同生育期玉米群體內(nèi)植株和莖稈分割的結(jié)果可視化

利用該方法對(duì)13個(gè)玉米品種的全生育期表型數(shù)據(jù)進(jìn)行解析，與實(shí)測(cè)數(shù)據(jù)對(duì)比，株高的R2可達(dá)0.98，而僅利用激光雷達(dá)點(diǎn)云數(shù)據(jù)（單源數(shù)據(jù)）解析的株高R2為0.93，表明多源數(shù)據(jù)融合可提升田間高通量表型平臺(tái)下玉米時(shí)序表型解析精度。由于該方法在植株分割時(shí)根據(jù)植株定位信息切割，葉片部分點(diǎn)云會(huì)產(chǎn)生不完整的情況，故解析得到的葉長(zhǎng)和葉面積精度較低；但由于保留了距離莖稈較近的葉片點(diǎn)云，所以葉傾角和葉方位角與實(shí)測(cè)數(shù)據(jù)相比具有較好的一致性。該研究為田間軌道式作物高通量表型平臺(tái)數(shù)據(jù)解析提供了關(guān)鍵技術(shù)支撐。
 

圖4 利用激光雷達(dá)點(diǎn)云數(shù)據(jù)（單源數(shù)據(jù)）和利用多源數(shù)據(jù)融合解析得到的表型指標(biāo)對(duì)比

該研究由北京市農(nóng)林科學(xué)院信息技術(shù)研究中心、數(shù)字植物北京市重點(diǎn)實(shí)驗(yàn)室完成。實(shí)驗(yàn)室博士研究生李英倫和溫維亮副研究員為該文并列第一作者，郭新宇研究員為該文通訊作者。相關(guān)工作得到國(guó)家自然科學(xué)基金和北京市農(nóng)林科學(xué)院作物表型組學(xué)協(xié)同創(chuàng)新中心資助。

論文鏈接：

https://spj.science.org/doi/10.34133/plantphenomics.0043

——推薦閱讀——

Application of UAV Multisensor Data and Ensemble Approach for High-Throughput Estimation of Maize Phenotyping Traits

https://doi.org/10.34133/2022/9802585

Plant Phenomics | 基于無人機(jī)多傳感器和集成學(xué)習(xí)的玉米表型高通量估算

Dynamic UAV Phenotyping for Rice Disease Resistance Analysis Based on Multisource Data

https://doi.org/10.34133/plantphenomics.0019

Plant Phenomics | 基于多源數(shù)據(jù)的水稻抗病性動(dòng)態(tài)無人機(jī)表型分析

加入作者交流群

掃碼添加小編微信，拉您進(jìn)入《植物表型組學(xué)》作者交流群，群內(nèi)不定期開展作者分享會(huì)、專刊發(fā)布會(huì)等高質(zhì)量活動(dòng)。

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(xué)》（Plant Phenomics）是由南京農(nóng)業(yè)大學(xué)和美國(guó)科學(xué)促進(jìn)會(huì)（AAAS）合作創(chuàng)辦的英文學(xué)術(shù)期刊，于2019年1月正式上線發(fā)行。采用開放獲取形式，刊載植物表型組學(xué)交叉學(xué)科熱點(diǎn)領(lǐng)域具有突破性科研進(jìn)展的原創(chuàng)性研究論文、綜述、數(shù)據(jù)集和觀點(diǎn)。具體范圍涵蓋高通量表型分析的最新技術(shù)，基于圖像分析和機(jī)器學(xué)習(xí)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(nóng)業(yè)實(shí)踐中的表型組學(xué)新應(yīng)用，與植物表型相結(jié)合的分子生物學(xué)、植物生理學(xué)、統(tǒng)計(jì)學(xué)、作物模型和其他組學(xué)研究，表型組學(xué)相關(guān)的植物生物學(xué)等。期刊已被DOAJ、Scopus、PMC、EI和SCIE等數(shù)據(jù)庫收錄。科睿唯安JCR2021影響因子為6.961，位于農(nóng)藝學(xué)、植物科學(xué)、遙感一區(qū)。中科院農(nóng)藝學(xué)、植物科學(xué)一區(qū)，遙感二區(qū)，生物大類一區(qū)（TOP期刊）。2020年入選中國(guó)科技期刊卓越行動(dòng)計(jì)劃高起點(diǎn)新刊項(xiàng)目。

說明：本文由《植物表型組學(xué)》編輯部負(fù)責(zé)組稿。
中文內(nèi)容僅供參考，一切內(nèi)容以英文原版為準(zhǔn)。
特邀作者：溫維亮
排版：蘇梓鈺（南京農(nóng)業(yè)大學(xué)）
審核：孔敏、王平