Plant Phenomics | 浙江大學(xué)岑海燕教授團(tuán)隊(duì)基于智能手機(jī)與神經(jīng)輻射場的田間稻穗表型低成本高精度解析

考種是作物育種過程中一個(gè)必不可少的環(huán)節(jié)。通過考種，可以篩選出高產(chǎn)、優(yōu)質(zhì)、高抗的優(yōu)良品種，從而提高作物的產(chǎn)量和品質(zhì)。傳統(tǒng)的考種方法往往需要田間取樣，經(jīng)過一系列處理后在實(shí)驗(yàn)室完成，非常費(fèi)時(shí)費(fèi)力，且精度也有限。為此本團(tuán)隊(duì)提出了一種面向智能手機(jī)環(huán)繞拍攝視頻流的田間水稻原位考種技術(shù)，突破了稻穗復(fù)雜背景去除、稻穗三維模型高質(zhì)量重建和稻穗點(diǎn)云模型解析等多項(xiàng)關(guān)鍵技術(shù)。實(shí)驗(yàn)結(jié)果顯示，我們提出的方法PanicleNeRF在二維圖像分割任務(wù)上表現(xiàn)優(yōu)異，平均F1分?jǐn)?shù)達(dá)到了86.9%，平均交并比為79.8%，在邊界重疊（BO）性能上明顯優(yōu)于YOLOv8。在點(diǎn)云質(zhì)量方面，PanicleNeRF的表現(xiàn)也優(yōu)于傳統(tǒng)的運(yùn)動(dòng)恢復(fù)結(jié)構(gòu)（SfM）和多目立體視覺（MVS）方法，如COLMAP和Metashape。在表型解析方面，稻穗長度的提取準(zhǔn)確率在秈稻和粳稻上分別達(dá)到了2.94%和1.75%的相對(duì)均方根誤差。通過三維點(diǎn)云估算的稻穗體積與籽粒數(shù)量呈現(xiàn)良好相關(guān)性，其中秈稻的R²值可達(dá)0.85，粳稻為0.82；同時(shí)，與穗�？傎|(zhì)量也呈現(xiàn)良好相關(guān)性，秈稻的R²值為0.80，粳稻為0.76。該方法為水稻田間高通量表型分析提供了一種低成本的解決方案，有望輔助提高水稻育種的效率。

2024年12月，Plant Phenomics 在線發(fā)表了浙江大學(xué)生物系統(tǒng)工程與食品科學(xué)學(xué)院題為PanicleNeRF: Low-Cost, High-Precision In-Field Phenotyping of Rice Panicles with Smartphone的研究論文。

圖1PanicleNeRF方法流程圖

圖2 代表性稻穗與標(biāo)簽牌三維點(diǎn)云模型示意圖

圖3 秈稻(A)與粳稻(B)的預(yù)測穗長與實(shí)測穗長之間的相關(guān)分析

圖4 秈稻與粳稻預(yù)測穗體積與實(shí)測粒數(shù)及籽粒質(zhì)量的相關(guān)分析。(A) 秈稻預(yù)測體積與實(shí)測粒數(shù)。(B) 粳稻預(yù)測體積與實(shí)測粒數(shù)。(C) 秈稻預(yù)測體積與實(shí)測籽粒質(zhì)量。(D) 粳稻預(yù)測體積與實(shí)測籽粒質(zhì)量。

浙江大學(xué)生物系統(tǒng)工程與食品科學(xué)學(xué)院博士研究生楊鑫為該論文第一作者，岑海燕教授為該論文通訊作者。浙江大學(xué)副教授方慧、博士生陸旭琦、謝鵬堯、郭子越，嘉興市農(nóng)業(yè)科學(xué)研究院院長富昊偉，袁隆平農(nóng)業(yè)高科技股份有限公司科研骨干胡小淳、孫振彪等參與了研究工作。研究得到中央高�；�本科研業(yè)務(wù)費(fèi)、浙江省重點(diǎn)研發(fā)計(jì)劃以及浙江大學(xué)全球伙伴計(jì)劃基金的資助。

論文鏈接：
https://doi.org/10.34133/plantphenomic‍s.0279

——推薦閱讀——
Maturity classification of rapeseed using hyperspectral image combined with machine learning
https://doi.org//10.34133/plantphenomics.0139
Plant Phenomics | 華中農(nóng)業(yè)大學(xué)基于高光譜圖像與機(jī)器學(xué)習(xí)對(duì)油菜籽的成熟度進(jìn)行分類研究
Grain Protein Content Phenotyping in Rice via Hyperspectral Imaging Technology and a Genome-Wide Association Study
https://doi.org/10.34133/plantphenomics.0200
Plant Phenomics | 南京農(nóng)業(yè)大學(xué)聯(lián)合江蘇省農(nóng)業(yè)科學(xué)院基于成像高光譜技術(shù)和GWAS分析的水稻籽粒蛋白質(zhì)含量表型研究

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)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CR2023影響因子為7.6，位于農(nóng)藝學(xué)一區(qū)（1/125名），植物科學(xué)一區(qū)（13/265名），遙感一區(qū)（6/62名）。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、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、中國科技期刊卓越行動(dòng)計(jì)劃二期英文梯隊(duì)期刊。

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：楊鑫
排版：王平、張婕（上海交通大學(xué)）
審核：尹歡、孔敏