新的表型分析方法在3D水平上分析作物性状

由于全球人口迅速增加，可耕地面积不断减少，因此有必要使用有效的植物育种方法来提高农业产量。然而，除了遗传方法之外，我们还需要控制和改良复杂作物性状的方法。为此，植物科学家利用各种尖端成像技术来量化作物性状(高度、叶形、叶色等)。

然而，传统的成像方法乏味、具有破坏性且不可持续。此外，由于植物存在于三维(3D)空间中，因此很难使用二维(2D)图像进行准确估计。

高通量表型分析(HTP)平台可以定期收集现场数据。它使用RGB(红、绿、蓝)相机和光探测与测距(LiDAR)捕捉图像。RGB相机生成高分辨率图像，可以从中提取冠层结构以及特定植物器官的数量和外观等特征。

RGB相机会受到光线的影响，而LiDAR则不会。因此，LiDAR广泛应用于自动驾驶车辆的测绘和导航。那么，LiDAR是否也能提供作物特征的详细描述呢?

为了回答这个问题，中国科学家现在开发了一种基于轨道的田间表型分析技术，该技术使用LiDAR来量化植物性状。由中国农业信息技术国家工程研究中心郭新宇教授领导的这项研究最近发表在植物表型学上。

郭教授解释说，“很难对齐点云数据并提取植物种群的准确表型特征。在这项研究中，使用基于田间轨道的表型分析收集了大田玉米种群的高通量时间序列原始数据带有LiDAR和RGB摄像头的平台。”

研究团队将LiDAR纳入基于轨道的野外表型平台的设计中。为实现这一目标，研究团队使用了正射校正，这是一种通过消除传感器、运动和地形相关的失真将原始场图像转换为可用形式的过程。然后，经过校正的图像在经过算法处理后用于准确量化各种作物性状。

接下来，该团队使用基于时间序列的高通量植物表型来确定玉米田中的植物高度。该方法需要研究以固定时间间隔捕获的田间图像，以对所需植物性状(在本例中为植物高度)进行非破坏性分析。

“通过耦合场正射校正图像和点云，可以最大限度地减少时间序列点云数据中的对齐误差。所提出的方法集成了点云数据采集、对齐、过滤和分割算法，”郭教授补充道。

结果令人印象深刻且令人放心：使用上述技术获得的13个玉米品种的株高与手动测量高度相关。换句话说，使用基于轨道的田间表型平台确定的植物高度与使用已建立的手动技术测量的高度一致。研究团队还指出，当从多个来源获取的数据取代单一来源的数据时，测量精度会提高。

虽然有效，但该技术有一些缺点。例如，在图像采集过程中，叶交叉、阴影和重叠会导致部分数据丢失。该团队正在努力解决这些问题。

“该方法还可用于比较品种之间的生长速率或估计植物性状，这些都是作物建模人员和育种人员感兴趣的特征。因此，这项研究可以提供支持现代育种的数据，”郭教授总结道。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！