不同基因型小麦冻害无人机遥感高通量表型

为了实现田间条件下小麦抗冻性状相关的数量性状基因座（quantitative trait locus, QTL）分析,该研究针对4个试验地491份小麦核心种质资源的抗冻性状,基于无人机多光谱遥感提出了一种高通量表型方法。首先通过光谱植被指数对小麦抗冻性状进行评估,基于机器学习分类算法使用16个光谱植被指数特征构建了小麦冻害评价模型,并完成了光谱特征相关性分析及对评价模型的贡献率分析。对比随机森林（random forests,RF）、分布式梯度增强（extreme gradient boosting,XGBoost）、梯度提升决策树（gradient boosting decision tree,GBDT）及支持向量机（support vector machine,SVM）算法建立的小麦冻害等级评价模型,结果表明,使用XGBoost建立的评价模型准确率最高,达67.94%;16个光谱特征相关性及其对评价模型的贡献率分析表明,简化冠层叶绿素含量指数（simplified canopy chlorophyii content index, SCCCI）对小麦抗冻表型鉴定的贡献率最大。其次,...     

基于三维点云的叶面积估算方法

为实现低成本无损精确测定叶片面积,基于运动恢复结构算法获取点云,提出了一种融合叶片点云分割、表面重建及叶片面积无损估测等过程的植物叶片面积提取方法。首先,基于运动结构恢复算法,以智能手机获取的可见光图像重建植物的三维点云;其次,为了还原叶片表面形状,基于HSV颜色空间,使用阈值分割法去除叶片点云的噪点;使用K-means聚类算法对点云的三维坐标矩阵进行分类,实现单片叶片点云的分割;基于滚球算法重建叶片的表面网格模型;最后,通过计算网格面积求得叶片面积。与常规叶面积测定方法进行了对比,本文方法的计算结果与扫描叶片法测定值相比平均误差为1.21cm2,误差占叶片面积的平均百分比为4.67%;与叶形纸称量法测定值相比平均误差为1.41cm2,误差占叶片面积的平均百分比为6.05%。结果表明,本文方法成本低、精确度高,可满足植物叶片面积无损精确测定的需求。