Plant Phenomics | "CountShoots"：一種使用無(wú)人機(jī)圖像的濕地松新抽梢自動(dòng)檢測(cè)和計(jì)數(shù)軟件

濕地松（Pinus elliottii）原產(chǎn)自美國(guó)，現(xiàn)已成為中國(guó)南方的主要人工林樹(shù)種，主要用于產(chǎn)松脂和木材。通過(guò)遺傳選育目標(biāo)性狀，可以有效提升松脂和木材產(chǎn)量。新梢密度，即每棵樹(shù)的新梢數(shù)量，是濕地松育種策略中的關(guān)鍵指標(biāo)。新梢在樹(shù)木生長(zhǎng)、營(yíng)養(yǎng)積累和再分配中扮演關(guān)鍵角色，其密度與營(yíng)養(yǎng)吸收與再分配、樹(shù)木生長(zhǎng)、樹(shù)冠大小以及光合能力緊密相關(guān)，因此是選擇木材和松脂高產(chǎn)樹(shù)種的重要指標(biāo)。然而，傳統(tǒng)的新梢密度測(cè)量方法依賴人工觀察，效率低，耗時(shí)長(zhǎng)。由于樹(shù)高和冠層密度因素，新梢的有效計(jì)數(shù)變得困難。因此，迫切需要開(kāi)發(fā)一種基于自動(dòng)化的新梢檢測(cè)技術(shù)，以滿足現(xiàn)代對(duì)于高通量和高效樹(shù)木性狀測(cè)量的需求。
 

2023年6月，Plant Phenomics在線發(fā)表了由中國(guó)林科院亞林所林木種質(zhì)資源研究團(tuán)隊(duì)聯(lián)合山東農(nóng)業(yè)大學(xué)、新西蘭坎特伯雷大學(xué)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(wú)人機(jī)圖像的濕地松新抽梢自動(dòng)檢測(cè)和計(jì)數(shù)軟件）” 的研究論文。
 

本研究基于兩個(gè)階段實(shí)現(xiàn)了濕地松單株樹(shù)冠的新梢量計(jì)數(shù)。首先利用YOLOX算法從原始無(wú)人機(jī)圖像中提取單株濕地松樹(shù)冠。其次，構(gòu)建了濕地松新梢量自動(dòng)計(jì)數(shù)模型-SPSC-net。SPSC-net以人群計(jì)數(shù)網(wǎng)絡(luò)CCTrans作為基準(zhǔn)，通過(guò)使用非平衡傳輸和透視引導(dǎo)的傳輸代價(jià)函數(shù)，實(shí)現(xiàn)對(duì)多尺度圖像的高效精準(zhǔn)計(jì)數(shù)。采用基于非平衡的最優(yōu)傳輸方法改進(jìn)原始的最優(yōu)傳輸損失，以加強(qiáng)損失項(xiàng)對(duì)錯(cuò)誤預(yù)測(cè)的監(jiān)督。此外，針對(duì)全變差損失容易造成過(guò)擬合的問(wèn)題，SPSC-net使用透視引導(dǎo)的運(yùn)輸成本來(lái)增加擁擠區(qū)域中抽梢的密度間隔，以提高定位準(zhǔn)確性。通過(guò)與CCTrans、DM-Count、CSR-net等經(jīng)典計(jì)數(shù)算法的比較，SPSC-net的MSE與MAE分別為7.00與2.27，均優(yōu)于其他模型。
 

基于構(gòu)建的濕地松單株樹(shù)冠提取模型與新梢量計(jì)數(shù)模型，本研究最終開(kāi)發(fā)了一款自動(dòng)檢測(cè)和計(jì)數(shù)濕地松新抽梢數(shù)量的用戶友好軟件——"CountShoots"。其用戶界面設(shè)計(jì)簡(jiǎn)潔易用，用戶可以通過(guò)簡(jiǎn)單的點(diǎn)擊操作進(jìn)行圖像上傳和新梢計(jì)數(shù)，并直接查看每個(gè)樹(shù)冠的新抽梢數(shù)量。這項(xiàng)創(chuàng)新性的研究為濕地松新抽梢的密度研究監(jiān)測(cè)提供了一種新的非破壞性方法，濕地松在無(wú)人機(jī)圖像中的新抽梢可以自動(dòng)被檢測(cè)和計(jì)數(shù)，從而更好地理解濕地松的生長(zhǎng)和光合作用能力，為提高松脂和木材產(chǎn)量提供了新的研究工具。
 

山東農(nóng)業(yè)大學(xué)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(guó)林科院“青年英才工程”優(yōu)秀青年創(chuàng)新人才培育計(jì)劃（CAFYBB2022QA001）和浙江省農(nóng)業(yè)（林木）新品種選育重大科技專項(xiàng)（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(shù)據(jù)的水稻抗病性動(dòng)態(tài)無(wú)人機(jī)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(wú)人機(jī)多光譜圖像和SRGAN的大白菜單株表型測(cè)定研究

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6.5，位于農(nóng)藝學(xué)、植物科學(xué)、遙感一區(qū)。中科院農(nóng)藝學(xué)、植物科學(xué)一區(qū)、遙感二區(qū)、生物大類一區(qū)（TOP期刊）。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。

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)。

特邀作者：李彥杰、郝霞

排版：薛楚凡（南京農(nóng)業(yè)大學(xué)）

審核：孔敏、王平