虚拟现实技术在植物表型研究中的应用

传统大田植物表型研究受时间季节、场地、生长周期和不可再重现等因素制约,难以满足现代农林业生产实践要求。为提高农业生产力水平,在分析植物表型研究必要性基础上,综述了国内外开展的虚拟植物表型研究,探讨分析了基于虚拟现实技术的大田环境条件下植物表型变化规律。结果显示:相比传统植物表型研究,虚拟现实技术可显著提高实验安全性、缩短试验周期、降低实验成本,可为农林植物表型研究提供仿真手段和基础数据。     

基于Micro-CT的玉米籽粒显微表型特征研究

植物显微表型主要是指植物组织、细胞和亚细胞水平的表型信息,是植物表型组学研究的重要组成部分.针对传统籽粒显微性状检测方法效率低、误差大且指标单一等问题,本研究利用Micro-CT扫描技术对5种类型11个品种玉米籽粒开展显微表型精准鉴定研究.基于对CT序列图像的处理解析,共获取籽粒、胚、胚乳、空腔、皮下空腔、胚乳空腔和胚...     

植物表型平台与图像分析技术研究进展与展望

近年来,植物基因组得到迅猛发展,但因缺乏足够的表型数据而限制了人类解析数量性状遗传学的能力。通过开发植物表型信息采集平台和进行图像分析可以加以解决。高通量、自动化、高分辨率的植物表型信息采集平台与分析技术对于加快植物改良和育种、提高产量和抗病虫害能力至关重要。将植物表型平台信息采集平台与分析技术用于解析基因组信息,定量研究与生长、产量和适应生物或非生物胁迫相关的复杂性状,是建立植物生长模型和采集农作物高维、丰富表型数据集的重要途径,能够满足填补基因组信息与植物表型可塑性之间空白的需要。阐述了基于光学成像的植物表型信息采集平台与图像分析技术的研究进展,从室内、田间不同的使用环境出发,根据不同搭载方式,总结分析了各表型平台的功能和特点。最后,分析了目前植物表型信息采集平台与分析技术存在的瓶颈问题,提出了以下建议与展望:开发植物表型信息采集平台的多传感器集成系统;将植物生长环境监测模块融入植物表型信息采集平台中;开发针对林木的表型信息采集平台;对传感器获取的表型数据进行更好的集成与挖掘;采用无损原位根系信息采集技术得到植物地下部分的表型数据;构建表型数据统一开放的标准,进行学科交叉的深度合作。     

表示学习技术研究进展及其在植物表型中应用分析

表示学习是一种将研究对象的内在信息表示为稠密低维实值向量的方法,其基本思路是找到对原始数据更好的表达。表示学习凭借其自动提取特征的能力,在处理大量人为先验理解有限的数据时表现出高效性。有监督以及无监督的表示学习模型在文本、图像、三维点云等植物表型数据的分析研究中获得了运用。随着近年来数据量的迅速增长以及基因组学研究的快速发展,植物表型研究数据具有高通量、高精度等特征,表示学习模型在海量高维植物表型数据的分析任务中获得了关注。本文简述了表示学习的相关概念和表示学习技术研究进展,对有监督和无监督的表示学习模型进行对比分析,阐述了植物表型数据概念及其处理方法,重点从植物种类识别、病虫害检测分析、产量预测、基因研究和形态结构表型数据计算等方面,探讨了表示学习在植物表型中的研究应用意义及其存在的问题。最后,指出表示学习在植物表型应用中的发展方向:开发能够适用于分析不同种植物表型数据的表示学习模型,实现高整合度、高通用性的目标;提高表示学习模型的实时性及准确度,以增强其实用性;多模态表型数据的表示学习可为学科的交叉数据分析研究提供统一的数据视图。     

作物胁迫感知和植物表型测量系统综述（英文）

提高农田管理的资源施用效率和持续培育优良作物品种是确保粮食产量和减轻作物生产对环境影响的关键途径。作物胁迫感知和植物表型测量系统是田间变量管理和高通量植物表型测量研究的核心,且两者在硬件和数据处理技术上具有相似性。几十年来,人们一直在开发可以用在田间变量管理领域的作物胁迫感知系统,旨在建立更加可持续的田间管理方案。与此同时,田间高通量表型系统开发取得的重大进展为降低传统表型测量成本提供了技术基础。本文首先对田间变量管理中涉及的作物胁迫感知系统进行了回顾,特别对目前用于精准灌溉、氮素施用和农药喷洒中的感知和决策方法进行了总结。基于作者团队在内布拉斯加大学林肯分校开发的三套田间表型测量系统,对常见田间高通量表型测量系统的传感器和数据的处理分析流程进行了介绍。此外,讨论了当前田间表型测量系统面临的挑战并提出了潜在解决方案。人工智能、机器人平台和创新仪器的持续发展有望显著提高测量系统的性能,对系统在育种中的大范围应用起到积极作用。对主要植物生理过程更直接的测量可能成为未来田间表型研究领域的研究热点之一,并为培育更耐胁迫的作物新品种提供有价值的表型数据。这篇综述可为田间变量管理和高通量植物表型测...     

农林作物三维重建方法研究进展

农林作物的三维重建对于研究其生物学特性、冠层光照分布以及农业机器人应用等都具有重要的作用。农林作物结构比较复杂,快速准确地对农林作物进行三维重建具有较大的挑战性,农林作物三维重建方法得到了相关研究领域的广泛关注。本文根据使用的核心设备或技术的不同,将常见的农林作物三维重建方法分为4类,即基于规则的方法、基于图像的方法、基于扫描的方法和基于三维数字化仪的方法。按此分类,总结阐述了各种方法的硬件系统及其在农林作物三维重建中的应用情况,分析和比较了不同方法优缺点及应用范围,提出了农林作物三维重建的未来研究发展趋势。     

室内植物表型平台及性状鉴定研究进展和展望

植物表型组学研究正逐渐向综合化、规模化、多尺度和高通量的方向快速发展。本文首先介绍了植物表型研究的最新动向。然后针对室内表型监测平台的特点和各类室内表型针对的表型性状进行了系统介绍，包括产量、品质、胁迫抗性（包括干旱、抗冷热、盐胁迫、重金属和病虫害）等。在此基础上，本文还根据通量、传感器集成度和平台大小等把一些国内外流行的室内植物表型平台进行了分类，并介绍了这些室内表型平台在植物研究中的应用情况。同时，本文还介绍了室内表型数据的管理和解析方法。最后，本文着重讨论了室内表型平台的发展方向，并结合中国植物研究的实际情况对表型组学在中国的发展提出了展望，以期为中国植物表型研究提供指导和建议。     

基于光学相机的植物表型测量系统与时序生长模型研究

为提高形态表型检测速率,满足形态表型测量的标准化需求,以拟南芥为例,提出一种测量植物三维形态特征的方法,并建立植物时序生长方程和可视化模型,构建了一套经济实用、面向拟南芥生长过程的形态表型测量机器视觉系统。通过光学相机采集拟南芥植株的二维图像序列,利用运动中恢复结构算法生成三维点云;设计一种彩色标板,基于彩色标板的坐标系标准化方法,提取拟南芥植株的点云并标准化坐标系。与传统人工接触式测量值相比,该系统交互测量的拟南芥叶片宽度、长度、主茎长度、叶片面积、叶片间夹角的平均相对误差分别为9. 83%、10. 10%、1. 07%、4. 09%和4. 37%。利用该系统采集哥伦比亚野生型拟南芥生命周期内的形态表型信息,拟合其数学生长模型,并使用L-studio软件,将时序生长模型可视化表达。结果表明,植物固定、传感器移动的平台结构解决了传统传感器固定、植物移动方式导致的植物抖动从而影响三维重建效果的问题,可快速、准确、可靠地提取植物表型信息。基于彩色标板的点云坐标系标准化方法在每个单位时间都能够对拟南芥植物对象进行参数提取,与传统的人工接触式测量方法相比,效率高、速度快,可满足拟南芥的形态表型分析需要。     

基于改进Mask R-CNN的植物表型智能检测算法

针对高通量自动化获取的植物表型性状图像的智能检测问题,采用迁移学习和改进掩膜区域卷积神经网络(Mask R-CNN)设计植物表型智能检测分割算法。首先对残差网络进行优化,并利用特征金字塔网络(FPN)对输入图像进行特征提取;然后调整候选区域提取网络(RPN)中锚框的长宽比例和阈值,并在RoIAlign中通过双线性插值法保留了特征图的空间信息;最后改进Mask检测头,并增加特征融合机制以获得高质量的掩膜。在西瓜突变体生长情况的性状表型数据集上进行训练和检测,得到结果表明：改进后的Mask R-CNN表现出更优的检测性能,与传统Mask R-CNN相比,检测精度提高22%,掩膜准确率提高2.7%,检测时间减少42 ms,为提升农业精准化水平和推动智慧农业发展提供了技术支撑。     

温室环境控制方法研究进展分析与展望

温室环境优化调控方法和技术能有效改善温室作物的生产条件,提高光能资源的利用效率,从而实现温室作物的高产、高效、优质生产。为了充分利用国内外的研究成果,促进我国在该领域的研究与应用,从基于设定值、智能算法、多目标优化、多因子耦合和基于作物生长信息的环境控制方法等5方面,综述了温室环境控制方法的国内外研究进展。针对我国该领域的研究现状和存在的问题,提出今后应解决光/温/营养耦合高效控制机理、植物表型高通量检测方法等重大科学问题,突破信息感知、物联网、智慧管控等关键技术,形成具有中国特色的温室智能化测控技术体系。     

基于图像处理的植物叶特征提取研究现状

通过对植物叶特征的分析,可以确定植物的种类和生长状态,对于植物研究、指导生产等具有重要意义.传统的叶特征提取方法都是通过人的手工操作完成的,效率较低,而当前可以借助于图像处理技术对叶特征进行自动提取.为此,对基于图像处理的叶特征提取研究现状进行了综述,并对其做了展望.     

无人机农林业应用全球研究态势分析

无人机具有作业效率高、地形适应性好等独特优势，近年在农林业中应用范围不断扩大，相关研究成果数量呈快速上升式发展。为掌握无人机农林应用全球研究态势，本研究采集2011—2020年期间Web of Science 核心合集数据库中无人机农林应用全球研究相关文献数据，利用VOSviewer等统计软件对文献进行科学计量分析。分析结果表明，自2017年开始，无人机农林业应用研究发文数量快速增加，全球已有94个国家/地区、1778个机构开展了研究；发文量排名前三位的国家依次是美国、中国和澳大利亚，表明这三个国家从事无人机农林业应用的科研实力强，学术影响力大；共有398种期刊发表了有关无人机农林业应用研究文章，约占全部收录期刊的1.90%，说明更多的期刊开始关注无人机农林业应用研究；发文最多的期刊是由MDPI主办的Remote Sensing；被引次数最多的文章内容主要是关注无人机系统在摄影测量和遥感上的传感、导航、定位和通用数据处理等的研究现状。此外，对无人机农林业应用研究热点进行分析发现，无人机施药、无人机病虫害遥感、植物表型获取是无人机农林业应用的主要研究热点。本研究可为无人机在农林业上的创新研究、科研团队之间的合作提供参考。     

农作物表型技术及其智能装备研究进展与展望

农作物产量相关表型性状参数的快速获取对作物育种以及产量相关研究至关重要,也是作物育种全程智能化的研究重点和难点.此外,作物基因组技术的快速发展让人类快速解析数量性状成为了可能,但作物表型数据的不足严重限制了这一可能.通过开发农作物表型测量技术和智能装备可加以解决.将作物产量相关表型性状参数获取技术及其智能装备用于作物的...     

田间作物高通量表型信息获取与分析技术研究进展

田间作物表型信息获取种类、数量以及信息处理与分析方法对于发现有价值的表型特性并确定其遗传因素有着重要影响,而传统的田间表型信息获取方法依赖于研究人员的人工采样测量,不但费时费力,还存在效率低和主观性强等缺点。为解决这一问题,田间作物高通量表型信息获取及分析技术成为了当前植物表型领域的一个研究热点。目前,表型研究主要集中在3个方面：传感器、平台和信息分析。本文从这3个方面阐述国内外田间作物高通量表型信息获取及分析技术的最新研究成果,分析表型信息获取技术中常用传感器的应用范围和使用限制条件以及不同表型信息获取平台的优缺点,总结表型信息分析的方法,提出使用时需要根据具体情况,综合考虑实际需求以及经济合理性选择和设计。最后展望田间作物表型研究未来的发展方向,将集中在多类型数据融合、数据标准化管理、多学科知识整合等方面。该项研究成果对推广田间表型信息获取技术和分析方法、促进表型研究和遗传育种研究的深入融合提供了理论参考和技术支撑。     

林业科技政策相关研究文献综述

只有建立健全的林业科技政策,才能确保林业的可持续发展。该文通过科技政策、林业科技政策的相关研究,针对性地提出促进林业发展的政策建议,确保林业走上科技兴林之路。第一部分介绍了科技政策的相关研究内容;第二部分对林业科技政策的重要组成部分,即林业科技政策的界定、林业科技成果推广和转化政策的研究现状、存在问题进行了综述。从研究者的视角将目前的研究分为微观研究和宏观研究,最后指出林业科技政策方面的研究在中国还处在表层上的研究,探讨促进林业产业成长的发展机制、科学战略和林业政策等问题是一项探索性的研究。      

深度学习在植物叶部病害检测与识别的研究进展

植物病害准确检测与识别是其早期诊断与智能监测的关键,是病虫害精准化防治与信息化管理的核心.深度学习应用于植物病害检测与识别中,可以克服传统诊断方法的弊端,大幅提升病害检测与识别的准确率,引起了广泛关注.本文首先收集和介绍了部分公开的植物病害图像数据集,然后系统地综述了近年来深度学习在植物病害检测和识别中的研究应用进展,...     

波谱成像技术在作物病害信息早期检测中的研究进展

阐述了波谱成像技术在作物病害信息早期检测方面的研究进展。作物病害是制约农业生产稳定发展的重要因素。实时、灵敏、可靠的作物病害检测和防治是进行科学的作物生产管理的基础。利用多光谱图像、高光谱图像、热红外图像等波谱成像技术,结合作物病理学以及化学计量学的方法,对感病植株进行早期检测,建立能准确反映作物病害的检测模型和病害程度的定量描述模型,对提高作物抗病机制的研究,科学指导作物生产具有重要的意义。     

基于双目立体视觉的植物三维重建系统

为推进农林业科技发展,将虚拟现实的三维重建技术进一步应用于农林业领域将受到更加广泛的关注.本文通过拍摄两幅不同视角的拟南芥图片来获得二维图像信息转换为三维信息,重建出三维模型,并建立人机交互系统.选择双目立体视觉系统来进行拍摄不同视角的拟南芥图片,采用相机标定参数对获取的图像进行畸变校正和极线校正,同时对图像进行图像分...