東北地理所在利用無人機高通量表型采集監(jiān)測大豆冠層發(fā)育方面取得重要進(jìn)展
作為重要的雙子葉作物，大豆冠層的形成速度在很大程度上決定了其對光周期的敏感性，進(jìn)而影響大豆的產(chǎn)量潛力。因此，監(jiān)測不同基因型大豆的早期活力和冠層發(fā)育對于了解大豆產(chǎn)量和品質(zhì)至關(guān)重要。然而，在大規(guī)模田間育種試驗中評估大豆冠層發(fā)育速度既費力又費時。因此，本研究提出利用無人機系統(tǒng)（UAV）的高通量表型分析方法監(jiān)測和定量描述不同基因型大豆冠層的發(fā)育情況。
近日，中國科學(xué)院東北地理與農(nóng)業(yè)生態(tài)研究所馮獻(xiàn)忠團隊從中國東北地區(qū)收集了200份代表性大豆品種，并利用無人機飛行系統(tǒng)采集了表型數(shù)據(jù)。為了克服高通量表型研究中遇到的挑戰(zhàn)，設(shè)計了一個專門用于大豆田間冠層分割的多模態(tài)深度學(xué)習(xí)模型——RIFSeg-Net，并利用紅外信息提高無人機拍攝的RGB圖像中大豆冠層的分割精度。通過動態(tài)建模，利用時間序列無人機圖像數(shù)據(jù)提取并構(gòu)建了與冠層發(fā)育動態(tài)相關(guān)的五個表型參數(shù)。該方法展示了典型的無人機高通量表型解21析過程，提出了對大豆生長模式和動態(tài)監(jiān)測的見解，并成功應(yīng)用于田間大規(guī)模種質(zhì)資源鑒定，為培育高產(chǎn)大豆品種提供了強有力的工具。
圖1. 提出的多模態(tài)深度學(xué)習(xí)模型框架
研究成果近期發(fā)表在國際期刊Plant Phenomics上（IF=6.5）。該研究由中國科學(xué)院東北地理與農(nóng)業(yè)生態(tài)研究所、之江實驗室、延邊大學(xué)共同完成。中國科學(xué)院東北地理與農(nóng)業(yè)生態(tài)研究所于慧助理研究員為論文第一作者，馮獻(xiàn)忠研究員為論文通訊作者。相關(guān)工作得到國家自然科學(xué)基金、之江實驗室、海南崖州灣種子實驗室、吉林省自然科學(xué)基金項目的資助。
附件下載：
吉公網(wǎng)安備22017302000214號
