大豆對(duì)洪水脅迫很敏感，可能導(dǎo)致種子質(zhì)量差和產(chǎn)量顯著下降。通過(guò)育種計(jì)劃培育耐洪澇品種，可以維持洪澇條件下的大豆產(chǎn)量。傳統(tǒng)上，大豆在田間條件下對(duì)水浸的耐受性是通過(guò)對(duì)水浸壓力造成的枝條損傷/損害進(jìn)行視覺(jué)評(píng)級(jí)來(lái)評(píng)估的，這是一項(xiàng)勞動(dòng)密集型工作，并且容易受到人為錯(cuò)誤的影響。
田間試驗(yàn)。(a）測(cè)試場(chǎng)地位置；（b）現(xiàn)場(chǎng)實(shí)驗(yàn)區(qū)域的圖示。
近年來(lái)，田間高通量表型技術(shù)的發(fā)展在作物性狀測(cè)定和對(duì)非生物和生物脅迫的響應(yīng)檢測(cè)方面顯示出巨大的潛力。當(dāng)大豆表現(xiàn)出明顯的傷害癥狀時(shí)，育種者對(duì)724個(gè)大豆育種地的水淹傷害評(píng)分（FIS）進(jìn)行目測(cè)。在同一天，在離地面20米、50米和80米的地方，使用五波段多光譜和紅外熱像儀拍攝了航空?qǐng)D像。從三個(gè)飛行高度的圖像中提取了五個(gè)圖像特征，即冠層溫度、歸一化差異植被指數(shù)、冠層面積、寬度和長(zhǎng)度。
不同水浸傷害評(píng)分 (FIS) 的大豆地塊的代表性圖像。
(a) 使用消費(fèi)者級(jí)照相機(jī)拍攝圖像，顯示了1-5 級(jí)FIS的示例大豆地塊。
(b) 不同 FIS 的大豆圖在由多光譜圖像中的紅色、綠色和藍(lán)色通道組成的無(wú)人機(jī)圖像上顯示不同。
(c) 724 個(gè)大豆地塊的目視觀察 FIS 的直方圖。
基于提取的圖像特征，使用深度學(xué)習(xí)模型將大豆育種地分為五個(gè) FIS 等級(jí)，三種飛行高度下的圖像特征存在顯著差異。利用20米處的圖像特征開(kāi)發(fā)的模型獲得了分類(lèi)性能，五級(jí)FIS為0.9。結(jié)果表明，該方法在大豆育種的FIS估計(jì)中具有很好的應(yīng)用前景。
來(lái)源：Plant Phenomics.Qualification of Soybean Responses to Flooding Stress Using UAV-Based Imagery and Deep Learning.Jing Zhou , Huawei Mou , Jianfeng Zhou , Md Liakat Ali , Heng Ye , Pengyin Chen , and Henry T. Nguyen
/journals/plantphenomics/2021/9892570/
會(huì)員1.png)
