Plant Phenomics 精選2024 | 華中農業大學開發了基于無人機平臺的大田作物表型數據提取和分析平臺



→查看原文　　　→查看PDF

低空無人機遙感田間表型采析技術因其成本較低、易于部署、不受大田地形限制等特點，在諸多表型平臺類型中應用相對較多、關注度較高。然而，跨學科知識要求和表型數據分析流程的復雜性導致生命科學等背景的研究人員在學習和掌握該項技能時需付出較高的較高地學習成本。為應對此類問題，本研究開發了集成高通量通用表型平臺（IHUP），旨在進一步降低無人機遙感田間表型采析難度，促進該領域發展。

2024年5月，Plant Phenomics 在線發表了華中農業大學題為IHUP: An Integrated High-Throughput Universal Phenotyping Software Platform to Accelerate Unmanned-Aerial-Vehicle-Based Field Plant Phenotypic Data Extraction and Analysis的論文。

IHUP平臺主要包括四個功能模塊：預處理、數據提取、數據管理和數據分析。通過集成和自動化處理，簡化了需要復雜且跨學科知識的數據提取與分析過程。用戶可通過圖形用戶界面以集成高通量方式計算圖像特征信息、結構特征及植被指數。同時，根據不同作物需求可定制植被指數計算公式等提取方法。論文通過水稻干旱相關案例講解和展示了該平臺的表型分析和提取過程，以及性能。結合水稻卷葉指數(LRS)預測模型，在多期連續監測數據中高效地提取葉片卷葉指數、株高、VIs、鮮重及干重等性狀。在該實例中，平臺每分鐘可從約500個小區中21個與干旱密切相關的表型參數。此外，該平臺還配備用戶友好界面，并支持定制或整合各種特征提取算法，較好的降低了非專業人士的學習和使用成本，加速了表型信息的提取效率和準確性。

圖1 IHUP平臺功能模塊設計，包含數據處理、數據提取、數據管理及建模分析

平臺設計了完整圖形界面用以完成數據預處理及特征提取等功能。內置集成了RGB和多光譜兩種相機對應的常用植被指數計算方法。用戶可根據所采用相機波段組成和研究需要自行更改并存儲計算方法。平臺可兼容用戶已有的獨立算法，可在通過指定本地Python環境和計算腳本將以自主的特征提取算法集成，由后臺統一處理并整理輸出。平臺主要界面見圖2。

圖2 IHUP平臺主要圖形界面，a：數據瀏覽；b：自定義算法；c：數據批處理設置；d：結果分析

研究以年水稻干旱表型響應監測試驗數據為案例，使用所開發平臺處理無人機可見光影像及多光譜影像并提取水稻卷葉指數，進而驗證并說明平臺的功能與計算性能。案例實驗于2018年在武漢市華中農業大學校內試驗田進行，試驗共種植了78份抗旱水稻材料（3組重復）。于8月11日，在有損區域內進行一次生物量采集；8月29日至9月4日在無損田進行四次卷葉指數人工打分，研究區域概況見圖3。

圖3 水稻干旱表型響應監測案例研究區概況

研究中使用已有的水稻卷葉指數預測模型完成特征提取，其中水稻卷葉指數的預測精度R2=0.7，RMSE = 0.87。此外，平臺可實現特征相關性分析，特征分布統計等分析功能，用以輔助無人機表型數據參與大田精細管理和育種決策。

圖4 水稻卷葉指數預測模型精度評價

圖5 水稻干旱表型響應試驗案例數據分析報告 a，b:卷葉指數分布統計；c：水稻鮮重與株高建模；d：水稻干重與株高建模

華中農業大學植物表型團隊低空遙感課題組博士研究生王博韜為第一作者，張建教授為通訊作者。該研究研究得到自然科學基金等項目資助。

課題組一直致力于將低空無人機多源遙感技術應用于大田作物高通量表型調查、農業生產管理智慧化管理等場景，注重科研成果的工程化應用，集成和研發了多套無人機成像平臺及配套影像處理和表型特征提取一體化處理算法，相關成果轉化推廣到多家科研單位和高校使用。常年招收機器視覺、遙感、地理信息和AI大數據方向的博士后、碩博士研究生，同時也歡迎客座學生和科研助理的加入。

論文鏈接：
https://doi.org/10.34133/plantphenomics.0164‍

——推薦閱讀——
Using UAV-based temporal spectral indices to dissect changes in the stay green trait in wheat
https://doi.org/10.34133/plantphenomics.0171
Plant Phenomics | 西北農林科技大學基于無人機的時序光譜指數解析小麥持綠在育種進程中的選擇
Rice Plant Counting, Locating and Sizing Method Base on High-throughput UAV RGB Images
https://doi.org/10.34133/plantphenomics.0020‍
Plant Phenomics ESI高被引論文 | 基于高通量無人機RGB圖像的水稻植株計數、定位和大小估計方法

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7.6，位于農藝學、植物科學、遙感一區。2023年中科院期刊分區位于農林科學大類一區。2020年入選中國科技期刊卓越行動計劃高起點新刊項目、2024年入選江蘇科技期刊卓越行動計劃領軍期刊項目、、中國科技期刊卓越行動計劃二期英文梯隊期刊。。

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。
編輯排版：王平、陳新月（南京農業大學）
審核：尹歡、孔敏