干豆作為一種重要的糧食作物，在全球營(yíng)養(yǎng)、可持續(xù)農(nóng)業(yè)、氣候變化緩解、糧食安全中扮演著關(guān)鍵角色。為了培育出高產(chǎn)、具有理想農(nóng)藝和品質(zhì)特征、抗病、適宜成熟期的干豆品種，育種項(xiàng)目需要對(duì)大量的育種品種進(jìn)行評(píng)估和選擇。傳統(tǒng)的田間植物成熟度、植株密度和作物高度的測(cè)量方法依賴于人工跟蹤和測(cè)量，這些方法主觀、耗時(shí)、勞動(dòng)強(qiáng)度大且成本高。隨著無(wú)人機(jī)技術(shù)和圖像處理技術(shù)的發(fā)展，利用無(wú)人機(jī)搭載的RGB攝像頭進(jìn)行高通量表型分析成為了可能。這種方法能夠快速、準(zhǔn)確地獲取植物的多種表型特征，為育種者提供了一種加速育種進(jìn)程、降低成本的新工具。

2024年11月，Plant Phenomics在線發(fā)表了美國(guó)Michigan State University題為Drone-Based Digital Phenotyping to Evaluating Relative Maturity, Stand Count, and Plant Height in Dry Beans (Phaseolus vulgaris L.) 的研究論文。

研究利用無(wú)人機(jī)搭載的RGB攝像頭和深度學(xué)習(xí)技術(shù)對(duì)干豆的相對(duì)成熟度（RM）、植株數(shù)量（SC）和植株高度（PH）進(jìn)行數(shù)字化表型分析。研究通過(guò)結(jié)合卷積神經(jīng)網(wǎng)絡(luò)（CNN）和長(zhǎng)短期記憶網(wǎng)絡(luò)（LSTM）模型，探索了無(wú)人機(jī)圖像時(shí)間序列在評(píng)估干豆成熟度方面的應(yīng)用，并考察了飛行頻率、圖像分辨率和數(shù)據(jù)增強(qiáng)技術(shù)對(duì)模型性能的影響。

圖1研究中用于相對(duì)成熟度（RM）、植株高度（PH）和植株數(shù)量（SC）估算的高通量表型流程的示意圖

首先，研究人員利用無(wú)人機(jī)圖像時(shí)間序列，結(jié)合卷積神經(jīng)網(wǎng)絡(luò)（CNN）和長(zhǎng)短期記憶網(wǎng)絡(luò)（LSTM）模型來(lái)估算干豆的相對(duì)成熟度（圖1)。這種方法能夠?qū)W習(xí)圖像的深層特征，并捕捉時(shí)間序列數(shù)據(jù)的序列行為，從而預(yù)測(cè)每個(gè)地塊的成熟度。此外，還探討了飛行頻率、圖像分辨率和數(shù)據(jù)增強(qiáng)技術(shù)對(duì)深度學(xué)習(xí)模型性能的影響。為了提高模型在特定環(huán)境壓力下的表現(xiàn)，他們還嘗試將生長(zhǎng)度日（GDD）數(shù)據(jù)納入模型中。對(duì)于早期植株數(shù)量的評(píng)估，研究人員評(píng)估了Faster RCNN目標(biāo)檢測(cè)算法的有效性。通過(guò)這些方法，能夠有效地識(shí)別出早期生長(zhǎng)階段的干豆植株，并在不同飛行高度下保持準(zhǔn)確性和一致性。

圖2 模型在4個(gè)評(píng)估指標(biāo)下的性能比較

然后，研究針對(duì)兩種干豆品種進(jìn)行了相對(duì)成熟度（RM）、植株數(shù)量（SC）和植株高度（PH）的數(shù)據(jù)收集工作。研究使用DJI Phantom 4 Pro v2無(wú)人機(jī)在植物生長(zhǎng)的不同階段執(zhí)行飛行任務(wù)，以收集用于SC分析和RM評(píng)估的圖像數(shù)據(jù)。為了最小化陰影對(duì)圖像的影響，飛行任務(wù)被安排在太陽(yáng)正午前后的1小時(shí)內(nèi)進(jìn)行。此外，研究人員在田間布置了永久性地面控制點(diǎn)（GCPs），以確保圖像具有精確的地理參照。通過(guò)Pix4D Mapper軟件處理這些圖像，生成了正射影像圖和數(shù)字表面模型（DSM），隨后利用QGIS軟件和R軟件創(chuàng)建了地塊邊界的矢量圖形。這些數(shù)據(jù)被用來(lái)裁剪出每個(gè)地塊的圖像，并與相應(yīng)的地面真實(shí)數(shù)據(jù)結(jié)合，用于模型的訓(xùn)練和驗(yàn)證過(guò)程(圖2)。

最后，研究對(duì)所開發(fā)的深度學(xué)習(xí)模型進(jìn)行了性能評(píng)估，使用平均絕對(duì)誤差（MAE）和均方誤差（MSE）來(lái)衡量模型在預(yù)測(cè)RM時(shí)的表現(xiàn)，并與傳統(tǒng)的圖像預(yù)處理方法進(jìn)行了比較。結(jié)果表明CNN-LSTM模型在多種條件下預(yù)測(cè)RM的準(zhǔn)確性方面優(yōu)于傳統(tǒng)方法。此外，研究還發(fā)現(xiàn)，將GDD數(shù)據(jù)納入模型可以提高特定環(huán)境壓力下的性能。對(duì)于SC的估算，F(xiàn)aster R-CNN模型在不同飛行高度下都能有效地識(shí)別出早期生長(zhǎng)階段的干豆植株，其準(zhǔn)確性優(yōu)于傳統(tǒng)方法。這項(xiàng)研究解決了高通量表型分析中的關(guān)鍵問(wèn)題，使育種者能夠做出更精確的決策，降低實(shí)驗(yàn)成本，并加速新品種的推廣。

源代碼鏈接：
https://github.com/msudrybeanbreeding

論文鏈接：
https://doi.org/10.34133/‍plantphenomics.0278‍

——推薦閱讀——
High-Throughput Phenotyping of Soybean Biomass: Conventional Trait Estimation and Novel Latent Feature Extraction Using UAV Remote Sensing and Deep Learning Models
https://doi.org/10.34133/plantphenomics.0244
Plant Phenomics | 基于無(wú)人機(jī)遙感與深度學(xué)習(xí)模型的大豆生物量高通量表型分析：傳統(tǒng)性狀估算與新型潛在特征提取
IHUP: An Integrated High-Throughput Universal Phenotyping Software Platform to Accelerate Unmanned-Aerial-Vehicle-Based Field Plant Phenotypic Data Extraction and Analysis
https://doi.org/10.34133/plantphenomics.0164
Plant Phenomics | 華中農(nóng)業(yè)大學(xué)開發(fā)了基于無(wú)人機(jī)平臺(tái)的大田作物表型數(shù)據(jù)提取和分析平臺(tái)

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(kù)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(guó)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(guó)科技期刊卓越行動(dòng)計(jì)劃二期英文梯隊(duì)期刊。

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)。
撰稿：章?lián)P（南京農(nóng)業(yè)大學(xué)）
編輯排版：王平、許怡瑤（上海交通大學(xué)）
審核：尹歡、孔敏