基于智能手機與神經輻射場的田間稻穗表型低成本高精度解析
Plant Phenomics | 浙江大學岑海燕教授團隊基于智能手機與神經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必不可少的環(huán)節(jié)。通過考種，可以篩選出高產、優(yōu)質、高抗的優(yōu)良品種，從而提高作物的產量和品質。傳統(tǒng)的考種方法往往需要田間取樣，經過一系列處理后在實驗室完成，非常費時費力，且精度也有限。為此本團隊提出了一種面向智能手機環(huán)繞拍攝視頻流的田間水稻原位考種技術，突破了稻穗復雜背景去除、稻穗三維模型高質量重建和稻穗點云模型解析等多項關鍵技術。實驗結果顯示，我們提出的方法PanicleNeRF在二維圖像分割任務上表現(xiàn)優(yōu)異，平均F1分數(shù)達到了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。在點云質量方面，PanicleNeRF的表現(xiàn)也優(yōu)于傳統(tǒng)的運動恢復結構（SfM）和多目立體視覺（MVS）方法，如COLMAP和Metashape。在表型解析方面，稻穗長度的提取準確率在秈稻和粳稻上分別達到了2.94%和1.75%的相對均方根誤差。通過三維點云估算的稻穗體積與籽粒數(shù)量呈現(xiàn)良好相關性，其中秈稻的R²值可達0.85，粳稻為0.82；同時，與穗粒總質量也呈現(xiàn)良好相關性，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)表了浙江大學生物系統(tǒng)工程與食品科學學院題為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 代表性稻穗與標簽牌三維點云模型示意圖
圖3 秈稻(A)與粳稻(B)的預測穗長與實測穗長之間的相關分析
圖4 秈稻與粳稻預測穗體積與實測粒數(shù)及籽粒質量的相關分析。(A) 秈稻預測體積與實測粒數(shù)。(B) 粳稻預測體積與實測粒數(shù)。(C) 秈稻預測體積與實測籽粒質量。(D) 粳稻預測體積與實測籽粒質量。
浙江大學生物系統(tǒng)工程與食品科學學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。浙江大學副教授方慧、博士生陸旭琦、謝鵬堯、郭子越，嘉興市農業(yè)科學研究院院長富昊偉，袁隆平農業(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。研究得到中央高校基本科研業(yè)務費、浙江省重點研發(fā)計劃以及浙江大學全球伙伴計劃基金的資助。
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 | 華中農業(yè)大學基于高光譜圖像與機器學習對油菜籽的成熟度進行分類研究
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 | 南京農業(yè)大學聯(lián)合江蘇省農業(yè)科學院基于成像高光譜技術和GWAS分析的水稻籽粒蛋白質含量表型研究
加入作者交流群
掃碼添加小編微信，拉您進入《植物表型組學》作者交流群，群內不定期開展作者分享會、�？l(fā)布會等高質量活動。
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》（Plant Phenomics）是由南京農業(yè)大學創(chuàng)辦的英文學術期刊，于2019年1月正式上線發(fā)行。采用開放獲取形式，刊載植物表型組學交叉學科熱點領域具有突破性科研進展的原創(chuàng)性研究論文、綜述、數(shù)據集和觀點。具體范圍涵蓋高通量表型分析的最新技術，基于圖像分析和機器學習的表型分析研究，提取表型信息的新算法，作物栽培、植物育種和農業(yè)實踐中的表型組學新應用，與植物表型相結合的分子生物學、植物生理學、統(tǒng)計學、作物模型和其他組學研究，表型組學相關的植物生物學等。期刊已被DOAJ、Scopus、PMC、EI和SCIE等數(shù)據庫收錄�？祁Ｎò睯CR2023影響因子為7.6，位于農藝學一區(qū)（1/125名），植物科學一區(qū)（13/265名），遙感一區(qū)（6/62名）。2023年中科院期刊分區(qū)位于農林科學大類一區(qū)。2020年入選中國科技期刊卓越行動計劃高起點新刊項目、2024年入選江蘇科技期刊卓越行動計劃領軍期刊項目、中國科技期刊卓越行動計劃二期英文梯隊期刊。
說明：本文由《植物表型組學》編輯部負責組稿。
中文內容僅供參考，一切內容以英文原版為準。
特邀作者：楊鑫
排版：王平、張婕（上海交通大學）
審核：尹歡、孔敏
