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...     

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...     

基于YOLO v5的植物叶绿素含量估测与可视化技术

为快速估测并直观显示植物叶绿素含量的冠层分布,以苗期的簸箕柳作为研究对象,构建了一套多视角表型信息采集平台,通过目标检测算法YOLO v5检测识别出植物分枝区域并提取不同色彩空间下的主枝部分分层色彩因子,对比多种模型回归方法,将多组色彩因子组合与手持式叶绿素含量测定仪测得的SPAD进行反演建模,得到拟合度最高的色彩因子组合回归模型;将该模型应用于整株苗木图像来表征SPAD的冠层分布,实现叶绿素含量在整株植物分布上的可视化。结果表明：通过对比多种回归算法下不同色彩因子组合模型与SPAD指数的相关性,发现在RGB空间下由色彩因子R、G、B、G/R、G/B构建的对数项岭回归算法拟合模型效果最佳,其拟合度最高（R²为0.73）,且误差最小（RMSE为2.16）。本文通过采集多视角图像,基于YOLO v5目标检测模型识别出植物主枝冠层区域,得到叶绿素含量冠层分布的最佳估测模型并进行可视化,可实现植物苗期生长的监测与植物长势的快速评判,为氮胁迫早期诊断和氮肥科学施加提供技术指导。     

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。     

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。     

基于多视角时间序列图像的植物叶片分割与特征提取

为了解决多种类植物在生长过程中不同时间点动态变化表型参数提取困难问题,提出了一种基于多视角时间序列图像和深度卷积神经网络Mask-RCNN的植物茎叶实例分割方法,在拟南芥、玉米和酸浆属3种代表性植物上进行了实验.结果 表明,训练得到的基于Mask-RCNN的植物分割模型对在不同生长时期的植物茎叶的识别精度(mAP0.5...     

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。     

面向植物抗旱性研究的多源表型信息采集和分析技术

利用表型信息采集系统获取不同生长环境下的植物形态结构和生理生化数据,研究植物体对不同胁迫的反应,从而进行抗性育种和筛选优质良种.本文构建了一套由双CCD相机、热成像仪、水分控制模块、称量模块、光源等组成的多源表型信息采集系统,采用YOLO v3目标检测算法和图像处理算法提取了植物投影叶面积、株高、叶片数量、冠层温度等表...     

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。     

利用多时序激光点云数据提取棉花表型参数方法

当前,能够实现作物表型参数高效、准确的测量和作物生育期表型参数的动态量化研究是表型研究和育种中亟待解决的问题之一。本研究以棉花为研究对象,采用三维激光扫描LiDAR技术获取棉花植株的多时序点云数据,针对棉花植株主干的几何特性,利用随机抽样一致算法（RANSAC）结合直线模型完成主干提取,并对剩余的点云进行区域增长聚类,实现各叶片的分割;在此基础上,完成植株体积、株高、叶长、叶宽等性状参数的估计。针对多时序棉花激光点云数据,采用匈牙利算法完成相邻时序作物点云数据的对齐、叶片器官对应关系的建立。同时,对各植株表型参数动态变化过程进行了量化。本研究针对3株棉花的4个生长点的点云数据,分别完成了主干提取、叶片分割,以及表型参数测量和动态量化。试验结果表明,本研究所采用的主干提取及叶片分割方法能够实现棉花的枝干和叶片分割。提取的株高、叶长、叶宽等表型参数与人工测量值的决定系数均趋近于1.0;同时,本研究实现了棉花表型参数的动态量化过程,为三维表型技术的实现提供了一种有效的方法。     

农作物病虫害遥感监测关键技术研究进展与展望

病虫害是影响农作物健康生长、产量和质量的制约因素之一,加强农作物病虫害的监测,对农作物病虫害进行精准防控,对保障粮食安全,提高农产品产量和质量具有重要意义。随着信息技术的发展,农作物病虫害监测由传统的人工监测逐渐向自动化、信息化和智能化方向发展。农作物病虫害监测平台、监测传感器技术以及相关的数据分析和处理技术是研究农作物病虫害遥感监测的关键技术,这些关键技术的发展水平,决定了农作物病虫害遥感监测技术的发展水平。本文从监测平台、监测传感器技术和相关数据分析与处理技术3方面对农作物病虫害监测技术研究进展进行综述。在监测平台方面,归纳总结了地面监测平台、航空监测平台和卫星监测平台的国内外研究现状,并分析了上述平台优缺点;在监测传感器技术方面,综述了雷达传感器、图像传感器、热成像传感器和光谱传感器等在作物病虫害领域的研究进展;在相关数据分析与处理技术方面,阐述了经典统计算法、计算机图像处理算法、机器学习算法和深度学习算法在农作物病虫害监测领域的研究成果。最后提出了监测平台、监测传感器技术和相关数据分析与处理技术的未来发展趋势,以期为进一步促进我国农作物病虫害监测平台及相关技术的发展提供参考。     

无人机遥感在饲草作物生长监测中的应用研究进展

饲草作物生长的动态监测与定量估算对于饲草规模化生产具有重要意义。无人机遥感分辨率高、灵活性强、成本低,近年来在饲草作物生长监测领域发展迅速,应用场景不断拓展。为了掌握无人机在饲草监测的国内外应用现状,确定重点发展方向,本文首先从数据获取、数据处理和饲草作物生长监测关键技术三个方面简述了无人机遥感在饲草作物监测中的基本研究方法。其次按照传感器类型从可见光、多光谱、高光谱、热红外和激光雷达遥感五个方面阐述了无人机遥感饲草作物生长监测的应用现状。最后针对研究应用中尚未解决的关键技术问题展望了未来的发展方向,提出融合饲草作物时空尺度数据和多源遥感数据、进一步拓展数据获取手段、研发智能化数据分析综合平台是未来饲草作物监测领域应用创新的关键所在。     

农机装备智能测控技术研究现状与展望

农机装备正朝着智能化方向发展,智能测控是实现智能农机的核心技术。农机装备智能测控技术以农机装备为载体,包括农机作业相关信息智能感知、精准监控和作业决策与管理等技术。目前,我国农机装备智能测控存在高端装备、核心技术国产化程度低的问题。本文从农机作业智能感知技术、农机装备精准监控技术和农机作业智能决策与管理技术等方面对国内外研究现状进行综述。阐述了作物生长信息、土壤信息和农机作业状态信息等智能感知技术的大量成果;阐述了耕深、平整地、土壤消毒、播种、植保和收获领域的农机装备精准监控技术的研究进展;阐述了农机作业智能决策与管理技术在农机作业质量监管、农机调度方面的技术突破;重点阐述了农机装备智能测控技术在土地耕整机、土壤消毒机、播种机、施肥机、植保机、收获机及农机作业管理平台的应用现状,分析了各环节待解决的问题。最后,提出了农机装备智能测控技术未来发展方向：农机装备智能测控系统化技术研究;无人农场农机自主作业关键测控技术研究;田间复杂环境农机核心部件及传感器研发;农机大数据支撑的作业决策模型研究。     

自走式表型平台及在线自整定PID速度控制研究

为了适应现代化育种、植保及栽培管理的需求,高通量作物表型信息获取成为了当前的研究热点。为了提高作物表型信息获取平台的可扩展性、泛用性和使用灵活性,设计了一种自走式作物表型信息获取平台。平台车体采用框架结构,利用4台直流电机实现4轮独立驱动,并采用1个主控芯片和4个分控芯片的模式构建了控制系统;基于继电反馈法设计了在线自整定PID调控方法,实现了PID参数在线自整定和平台的运行速度控制,并进行了空载和地面负载对比试验。结果表明:在系统空载和地面负载条件下,针对设定的不同速度,系统均可在0.169~0.468s达到稳定状态,具有较高的调节速度与精度;地面负载条件下,直接利用空载时整定得到的参数与负载后重新整定得到的参数进行速度的调节,不同速度要求条件下两者之间的误差均小于0.08s,证明空载时一次整定后的参数可直接应用于表型平台的实际速度控制。     

农业干旱卫星遥感监测与预测研究进展

干旱是影响农业生产的主要气候因素.传统的农业干旱监测主要是基于气象和水文数据,虽然能提供监测点上较为精确的干旱监测结果,但是在监测面上的农业干旱时,仍存在一定的局限.遥感技术的快速发展,尤其是目前在轨的卫星传感器感测的电磁波段涵盖了可见光、近红外、热红外和微波等波段,为区域尺度农业干旱监测提供了新的手段.充分利用卫星遥...     

近地遥感技术在大田作物株高测量中的研究现状与展望

株高是动态衡量作物健康和整体生长状况的关键指标,广泛用于估测作物的生物学产量和最终籽粒产量.传统的人工测量方式存在规模小、效率低以及耗时长等问题.近十年来,近地遥感技术在农业领域发展迅速,使得高精度、高频次、高效率的作物株高采集成为可能.本文首先回顾了国内外基于遥感手段获取株高研究的论文发表情况;其次对获取株高的不同平...