在植物育種中，攜帶多光譜相機的無人機(UAV)越來越多地用于高通量表型分析(HTP)，以幫助解釋基因型和環(huán)境對形態(tài)、生化和生理性狀的影響。一個關鍵的限制因素仍然是分辨率和質量的降低，這些馬賽克是從無人機在大片區(qū)域執(zhí)行任務所產生的“拼接”馬賽克中提取出來的。這可以通過從每個地塊的單個最低點圖像生成高質量的反射率數據來解決。
2019/20年夏季期間在澳大利亞昆士蘭州進行的高粱育種試驗的布局。插圖中的照片展示了與無人機矯正相關的“ghost”效果。
在這項研究中，開發(fā)了一個流程，從原始的多光譜無人機圖像中提取反射率數據，保留了原始的高空間和光譜分辨率，并將這些數據用于表型鑒定應用。連續(xù)的步驟包括(I)圖像校準、(Ii)光譜波段排列、(Iii)反向計算、(Iv)小區(qū)分割和(V)應用。每一步都經過設計和優(yōu)化，以估計每個育種小區(qū)內的植株數量和高粱穗數。
概述流程， (A)主流程，以獲得每一塊地塊的最低點圖像，(B)植物檢測和計數程序，以及(C)高粱穗部檢測和計數程序(優(yōu)化土壤調整植被指數、全球環(huán)境監(jiān)測指數和植被指數)。
利用每個樣地的最低點圖像，估計高粱株數和穗數的決定系數分別為0.90和0.86。此外，從不同波段獲取的反射率信息對高粱穗部(即紅色和白色)顯示出較高的分辨能力。這條管道的部署可以在許多不同的田地中準確地分割冠層水平的作物器官，只需通過機器學習方法進行最少的訓練。
來源：Plant Phenomics.Detecting Sorghum Plant and Head Features from Multispectral UAV Imagery.Yan Zhao , Bangyou Zheng , Scott C. Chapman , Kenneth Laws , Barbara George-Jaeggli , Graeme L. Hammer, David R. Jordan , and Andries B. Potgieter
https://spj.sciencemag.org/journals/plantphenomics/2021/9874650/
鄂公網安備42018502003245號 網站地圖
