基于無(wú)人機(jī)平臺(tái)的大田作物表型數(shù)據(jù)提取和分析平臺(tái)（IHUP）研究

Plant Phenomics 精選2024 | 華中農(nóng)業(yè)大學(xué)開(kāi)發(fā)了基于無(wú)人機(jī)平臺(tái)的大田作物表型數(shù)據(jù)提取和分析平臺(tái)



→查看原文　　　→查看PDF

低空無(wú)人機(jī)遙感田間表型采析技術(shù)因其成本較低、易于部署、不受大田地形限制等特點(diǎn)，在諸多表型平臺(tái)類(lèi)型中應(yīng)用相對(duì)較多、關(guān)注度較高。然而，跨學(xué)科知識(shí)要求和表型數(shù)據(jù)分析流程的復(fù)雜性導(dǎo)致生命科學(xué)等背景的研究人員在學(xué)習(xí)和掌握該項(xiàng)技能時(shí)需付出較高的較高地學(xué)習(xí)成本。為應(yīng)對(duì)此類(lèi)問(wèn)題，本研究開(kāi)發(fā)了集成高通量通用表型平臺(tái)（IHUP），旨在進(jìn)一步降低無(wú)人機(jī)遙感田間表型采析難度，促進(jìn)該領(lǐng)域發(fā)展。

2024年5月，Plant Phenomics 在線發(fā)表了華中農(nóng)業(yè)大學(xué)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(tái)主要包括四個(gè)功能模塊：預(yù)處理、數(shù)據(jù)提取、數(shù)據(jù)管理和數(shù)據(jù)分析。通過(guò)集成和自動(dòng)化處理，簡(jiǎn)化了需要復(fù)雜且跨學(xué)科知識(shí)的數(shù)據(jù)提取與分析過(guò)程。用戶可通過(guò)圖形用戶界面以集成高通量方式計(jì)算圖像特征信息、結(jié)構(gòu)特征及植被指數(shù)。同時(shí)，根據(jù)不同作物需求可定制植被指數(shù)計(jì)算公式等提取方法。論文通過(guò)水稻干旱相關(guān)案例講解和展示了該平臺(tái)的表型分析和提取過(guò)程，以及性能。結(jié)合水稻卷葉指數(shù)(LRS)預(yù)測(cè)模型，在多期連續(xù)監(jiān)測(cè)數(shù)據(jù)中高效地提取葉片卷葉指數(shù)、株高、VIs、鮮重及干重等性狀。在該實(shí)例中，平臺(tái)每分鐘可從約500個(gè)小區(qū)中21個(gè)與干旱密切相關(guān)的表型參數(shù)。此外，該平臺(tái)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(yè)人士的學(xué)習(xí)和使用成本，加速了表型信息的提取效率和準(zhǔn)確性。

圖1 IHUP平臺(tái)功能模塊設(shè)計(jì)，包含數(shù)據(jù)處理、數(shù)據(jù)提取、數(shù)據(jù)管理及建模分析

平臺(tái)設(shè)計(jì)了完整圖形界面用以完成數(shù)據(jù)預(yù)處理及特征提取等功能。內(nèi)置集成了RGB和多光譜兩種相機(jī)對(duì)應(yīng)的常用植被指數(shù)計(jì)算方法。用戶可根據(jù)所采用相機(jī)波段組成和研究需要自行更改并存儲(chǔ)計(jì)算方法。平臺(tái)可兼容用戶已有的獨(dú)立算法，可在通過(guò)指定本地Python環(huán)境和計(jì)算腳本將以自主的特征提取算法集成，由后臺(tái)統(tǒng)一處理并整理輸出。平臺(tái)主要界面見(jiàn)圖2。

圖2 IHUP平臺(tái)主要圖形界面，a：數(shù)據(jù)瀏覽；b：自定義算法；c：數(shù)據(jù)批處理設(shè)置；d：結(jié)果分析

研究以年水稻干旱表型響應(yīng)監(jiān)測(cè)試驗(yàn)數(shù)據(jù)為案例，使用所開(kāi)發(fā)平臺(tái)處理無(wú)人機(jī)可見(jiàn)光影像及多光譜影像并提取水稻卷葉指數(shù)，進(jìn)而驗(yàn)證并說(shuō)明平臺(tái)的功能與計(jì)算性能。案例實(shí)驗(yàn)于2018年在武漢市華中農(nóng)業(yè)大學(xué)校內(nèi)試驗(yàn)田進(jìn)行，試驗(yàn)共種植了78份抗旱水稻材料（3組重復(fù)）。于8月11日，在有損區(qū)域內(nèi)進(jìn)行一次生物量采集；8月29日至9月4日在無(wú)損田進(jìn)行四次卷葉指數(shù)人工打分，研究區(qū)域概況見(jiàn)圖3。

圖3 水稻干旱表型響應(yīng)監(jiān)測(cè)案例研究區(qū)概況

研究中使用已有的水稻卷葉指數(shù)預(yù)測(cè)模型完成特征提取，其中水稻卷葉指數(shù)的預(yù)測(cè)精度R2=0.7，RMSE = 0.87。此外，平臺(tái)可實(shí)現(xiàn)特征相關(guān)性分析，特征分布統(tǒng)計(jì)等分析功能，用以輔助無(wú)人機(jī)表型數(shù)據(jù)參與大田精細(xì)管理和育種決策。

圖4 水稻卷葉指數(shù)預(yù)測(cè)模型精度評(píng)價(jià)

圖5 水稻干旱表型響應(yīng)試驗(yàn)案例數(shù)據(jù)分析報(bào)告 a，b:卷葉指數(shù)分布統(tǒng)計(jì)；c：水稻鮮重與株高建模；d：水稻干重與株高建模

華中農(nóng)業(yè)大學(xué)植物表型團(tuán)隊(duì)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(xué)基金等項(xiàng)目資助。

課題組一直致力于將低空無(wú)人機(jī)多源遙感技術(shù)應(yīng)用于大田作物高通量表型調(diào)查、農(nóng)業(yè)生產(chǎn)管理智慧化管理等場(chǎng)景，注重科研成果的工程化應(yīng)用，集成和研發(fā)了多套無(wú)人機(jī)成像平臺(tái)及配套影像處理和表型特征提取一體化處理算法，相關(guān)成果轉(zhuǎn)化推廣到多家科研單位和高校使用。常年招收機(jī)器視覺(jué)、遙感、地理信息和AI大數(shù)據(jù)方向的博士后、碩博士研究生，同時(shí)也歡迎客座學(xué)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(nóng)林科技大學(xué)基于無(wú)人機(jī)的時(shí)序光譜指數(shù)解析小麥持綠在育種進(jìn)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(wú)人機(jī)RGB圖像的水稻植株計(jì)數(shù)、定位和大小估計(jì)方法

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(kāi)展作者分享會(huì)、�？�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(kāi)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(kù)收錄�？祁Ｎò睯CR2022影響因子為7.6，位于農(nóng)藝學(xué)、植物科學(xué)、遙感一區(qū)。2023年中科院期刊分區(qū)位于農(nóng)林科學(xué)大類(lèi)一區(qū)。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、2024年入選江蘇科技期刊卓越行動(dòng)計(jì)劃領(lǐng)軍期刊項(xiàng)目、、中國(guó)科技期刊卓越行動(dòng)計(jì)劃二期英文梯隊(duì)期刊。。

說(shuō)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)。
編輯排版：王平、陳新月（南京農(nóng)業(yè)大學(xué)）
審核：尹歡、孔敏