使用無人機圖像的濕地松新抽梢自動檢測和計數軟件模型研究
Plant Phenomics | "CountShoots"：一種使用無人機圖像的濕地松新抽梢自動檢測和計數軟件
濕地松（Pinus elliottii）原產自美國，現已成為中國南方的主要人工林樹種，主要用于產松脂和木材。通過遺傳選育目標性狀，可以有效提升松脂和木材產量。新梢密度，即每棵樹的新梢數量，是濕地松育種策略中的關鍵指標。新梢在樹木生長、營養積累和再分配中扮演關鍵角色，其密度與營養吸收與再分配、樹木生長、樹冠大小以及光合能力緊密相關，因此是選擇木材和松脂高產樹種的重要指標。然而，傳統的新梢密度測量方法依賴人工觀察，效率低，耗時長。由于樹高和冠層密度因素，新梢的有效計數變得困難。因此，迫切需要開發一種基于自動化的新梢檢測技術，以滿足現代對于高通量和高效樹木性狀測量的需求。
2023年6月，Plant Phenomics在線發表了由中國林科院亞林所林木種質資源研究團隊聯合山東農業大學、新西蘭坎特伯雷大學等多家單位撰寫的題為“CountShoots: Automatic detection and counting of slash pine new shoots using UAV imagery（"CountShoots"：一種使用無人機圖像的濕地松新抽梢自動檢測和計數軟件）” 的研究論文。
本研究基于兩個階段實現了濕地松單株樹冠的新梢量計數。首先利用YOLOX算法從原始無人機圖像中提取單株濕地松樹冠。其次，構建了濕地松新梢量自動計數模型-SPSC-net。SPSC-net以人群計數網絡CCTrans作為基準，通過使用非平衡傳輸和透視引導的傳輸代價函數，實現對多尺度圖像的高效精準計數。采用基于非平衡的最優傳輸方法改進原始的最優傳輸損失，以加強損失項對錯誤預測的監督。此外，針對全變差損失容易造成過擬合的問題，SPSC-net使用透視引導的運輸成本來增加擁擠區域中抽梢的密度間隔，以提高定位準確性。通過與CCTrans、DM-Count、CSR-net等經典計數算法的比較，SPSC-net的MSE與MAE分別為7.00與2.27，均優于其他模型。
基于構建的濕地松單株樹冠提取模型與新梢量計數模型，本研究最終開發了一款自動檢測和計數濕地松新抽梢數量的用戶友好軟件——"CountShoots"。其用戶界面設計簡潔易用，用戶可以通過簡單的點擊操作進行圖像上傳和新梢計數，并直接查看每個樹冠的新抽梢數量。這項創新性的研究為濕地松新抽梢的密度研究監測提供了一種新的非破壞性方法，濕地松在無人機圖像中的新抽梢可以自動被檢測和計數，從而更好地理解濕地松的生長和光合作用能力，為提高松脂和木材產量提供了新的研究工具。
山東農業大學副教授郝霞為本文第一作者，亞林所李彥杰副研究員為唯一通訊作者，該成果得到了中國林科院“青年英才工程”優秀青年創新人才培育計劃（CAFYBB2022QA001）和浙江省農業（林木）新品種選育重大科技專項（2021C02070-7）資助。
論文鏈接：
https://doi.org/10.34133/plantphenomics.0065
——推薦閱讀——
Dynamic UAV Phenotyping for Rice Disease Resistance Analysis Based on Multisource Data
https://doi.org/10.34133/plantphenomics.0019
Plant Phenomics | 基于多源數據的水稻抗病性動態無人機表型分析Multispectral Drone Imagery and SRGAN for Rapid Phenotypic Mapping of Individual Chinese Cabbage Plants
https://doi.org/10.34133/plantphenomics.0007
Plant Phenomics | 基于無人機多光譜圖像和SRGAN的大白菜單株表型測定研究
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。科睿唯安JCR2022影響因子為6.5，位于農藝學、植物科學、遙感一區。中科院農藝學、植物科學一區、遙感二區、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。
特邀作者：李彥杰、郝霞
排版：薛楚凡（南京農業大學）
審核：孔敏、王平
