Plant Phenomics | 多源波譜成像技術(shù)融合深度學(xué)習(xí)的棉苗鹽脅迫診斷方法研究​

鹽脅迫是棉花生產(chǎn)中常見的非生物脅迫，會(huì)導(dǎo)致棉花的減產(chǎn)和品質(zhì)下降。在棉花對(duì)于鹽脅迫敏感的苗期，盡早地了解棉苗的鹽脅迫情況對(duì)于棉田灌溉策略調(diào)整和棉花耐鹽品種的培育有著重要意義。通常植物的生理、生化和分子測(cè)試可以準(zhǔn)確的反應(yīng)鹽脅迫的影響，但這些方法存在高成本、效率低和破壞性強(qiáng)等問題。隨著無損的光學(xué)成像技術(shù)快速發(fā)展，基于光學(xué)傳感的表型獲取(optical sensing-based phenotyping ,OSP)是目前精準(zhǔn)農(nóng)業(yè)重要的發(fā)展方向。光學(xué)傳感器可以有效地反饋植物形態(tài)學(xué)信息、生化及生理信息，不同的光學(xué)傳感采集方案的結(jié)合有助于建立更加全面精準(zhǔn)的作物診斷模型。
 

2023年12月，Plant Phenomics在線發(fā)表了福建農(nóng)林大學(xué)機(jī)電工程學(xué)院智能農(nóng)業(yè)關(guān)鍵技術(shù)與裝備創(chuàng)新團(tuán)隊(duì)題為Noninvasive Detection of Salt Stress in Cotton Seedlings by Combining Multicolor Fluorescence–Multispectral Reflectance Imaging with EfficientNet-OB2 的研究論文。
 

在該研究中，研究人員先是設(shè)計(jì)搭建了一種能夠同時(shí)采集植物多光譜熒光（multicolor-fluorescence，MF）成像及多光譜反射（multispectral reflectance，MF）成像的高通量平臺(tái)。利用該平臺(tái)，有無鹽脅迫處理及不同鹽脅迫天數(shù)的棉苗多源波譜數(shù)據(jù)被進(jìn)一步采集。
 

圖1 研究的總體流程示意圖

實(shí)驗(yàn)結(jié)果表明，鹽脅迫會(huì)顯著增加棉苗近紅外波段的反射率，同時(shí)受鹽脅迫棉苗的植物指數(shù)PSRI（植物衰老指數(shù)，Plant Senescence Reflectance Index）和GR（綠度指數(shù)，Greenness）分別呈現(xiàn)出顯著上升和下降趨勢(shì)。在多光譜熒光數(shù)據(jù)的分析中，隨著鹽脅迫時(shí)間的增加，在棉苗的紅色熒光（690nm，720nm）亮度也出現(xiàn)了顯著的下降。這些數(shù)據(jù)表明多光譜反射和多光譜熒光都可以作為棉苗鹽脅迫診斷模型重要依據(jù)。為了進(jìn)一步提高診斷模型的預(yù)測(cè)準(zhǔn)確率，研究人員利用RelieF算法針對(duì)多光譜反射11個(gè)波段組合而成的55種光譜SR（simple ratio）指數(shù)進(jìn)行篩選，11個(gè)不同的SR被篩選而出。為了優(yōu)化數(shù)據(jù)的共線性問題并提升診斷模型的效率，研究人員利用主成分分析（Principal Component Analysis，PCA）以95%的解釋性作為閾值，將 30個(gè)特征參數(shù)壓縮為9個(gè)主要成分。對(duì)于成像數(shù)據(jù)，則是PCA結(jié)合加權(quán)融合（Weighted Averaging）方法生成9個(gè)主成分通道的圖像。

針對(duì)這些不同的數(shù)據(jù)，基于不同機(jī)器學(xué)習(xí)模型及深度學(xué)習(xí)模型的棉苗鹽脅迫診斷模型被進(jìn)一步分析和討論。結(jié)果表明：多源數(shù)據(jù)（MF和MR）的融合能夠進(jìn)一步提升模型的診斷精度，相較于傳統(tǒng)機(jī)器學(xué)習(xí)模型支持向量機(jī)、隨機(jī)森林及K近鄰，深度學(xué)習(xí)模型EfficientNet實(shí)現(xiàn)了更高的診斷精度。為優(yōu)化多通道圖像對(duì)深度學(xué)習(xí)訓(xùn)練速度及訓(xùn)練準(zhǔn)確度的影響，基于EfficienNet優(yōu)化的EfficienNet-OB被進(jìn)一步提出，該模型在EfficienNet的基礎(chǔ)上根據(jù)不同主成分圖像的主成分解釋性分配對(duì)應(yīng)數(shù)量卷積核，大幅加快和優(yōu)化了模型訓(xùn)練的速度和訓(xùn)練效果。最后，通過復(fù)合縮放理論（Compound Model Scaling）拓展的EfficienNet-OB2取得了最優(yōu)的效果，在棉苗開始鹽脅迫的第5、10、和17天取得了84.80%，91.18%及95.10%的準(zhǔn)確率。
 

圖2 EfficientNet-B2和EfficientNet-OB2的訓(xùn)練過程對(duì)比

作者團(tuán)隊(duì)介紹

通訊作者簡介：
 

翁海勇，男，1989年生，碩士生導(dǎo)師，副教授。福建省高層次C類人才。主要從事作物優(yōu)質(zhì)抗逆表型挖掘及其裝備研發(fā)。

團(tuán)隊(duì)簡介：

團(tuán)隊(duì)圍繞福建省重點(diǎn)學(xué)科--農(nóng)業(yè)工程一級(jí)學(xué)科博士點(diǎn)，依托福建省農(nóng)業(yè)信息感知技術(shù)重點(diǎn)實(shí)驗(yàn)室，面向國家重大產(chǎn)業(yè)需求和東南區(qū)域農(nóng)業(yè)發(fā)展需要，致力于農(nóng)業(yè)生產(chǎn)過程中的農(nóng)情信息感知技術(shù)、農(nóng)業(yè)生產(chǎn)裝備的智能化與精準(zhǔn)化、機(jī)器視覺與農(nóng)業(yè)機(jī)器人、農(nóng)業(yè)無人機(jī)等方面的研究，長期為福建省農(nóng)業(yè)生產(chǎn)過程中的農(nóng)情智能感知、農(nóng)業(yè)智能裝備、農(nóng)業(yè)機(jī)器人等關(guān)鍵技術(shù)創(chuàng)新與設(shè)備研發(fā)提供技術(shù)服務(wù)和人才支撐。
 

福建農(nóng)林大學(xué) 機(jī)電工程學(xué)院 智能農(nóng)業(yè)關(guān)鍵技術(shù)與裝備創(chuàng)新團(tuán)隊(duì)

團(tuán)隊(duì)合照

團(tuán)隊(duì)負(fù)責(zé)人簡介：

葉大鵬，教授/博士，博士生導(dǎo)師，福建農(nóng)林大學(xué)機(jī)電工程學(xué)院院長、福建省農(nóng)業(yè)信息感知技術(shù)重點(diǎn)實(shí)驗(yàn)室主任、福建農(nóng)林大學(xué)人工智能研究中心主任。

論文鏈接：

https://doi.org/10.34133/plantphenomics.0125

——推薦閱讀——

Hyperspectral Remote Sensing for Phenotyping the Physiological Drought Response of Common and Tepary Bean

https://doi.org/10.34133/plantphenomics.0021

Plant Phenomics | 基于高光譜遙感的大豆和花菜豆生理干旱響應(yīng)的表型研究

Monitoring Maize Lodging Grades via Unmanned Aerial Vehicle Multispectral Image

https://doi.org/10.34133/2019/5704154

Plant Phenomics | 基于無人機(jī)多光譜影像的玉米倒伏等級(jí)監(jiān)測(cè)

Plant Phenomics 回看 | 玉米倒伏光譜響應(yīng)解析與災(zāi)情遙感評(píng)估

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)。2023年中科院期刊分區(qū)位于農(nóng)林科學(xué)大類一區(qū)。2020年入選中國科技期刊卓越行動(dòng)計(jì)劃高起點(diǎn)新刊項(xiàng)目。

說明：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：翁海勇

審核：孔敏、王平