利用无人机图像和深度学习鉴定大豆对洪水胁迫的反应

来源: 时间:2021-09-01 11:23:16 浏览次数:

基于提取的图像特征,使用深度学习模型将大豆育种地分为五个 FIS 等级,三种飞行高度下的图像特征存在显著差异。利用20米处的图像特征开发的模型获得了最佳分类性能,五级FIS为0.9。结果表明,该方法在大豆育种的FIS估计中具有很好的应用前景。

大豆对洪水胁迫很敏感,可能导致种子质量差和产量显着下降。通过育种计划培育耐洪涝品种,可以维持洪涝条件下的大豆产量。传统上,大豆在田间条件下对水浸的耐受性是通过对水浸压力造成的枝条损伤/损害进行视觉评级来评估的,这是一项劳动密集型工作,并且容易受到人为错误的影响。


图片

田间试验。(a)测试场地位置;(b)现场实验区域的图示。


近年来,田间高通量表型技术的发展在作物性状测定和对非生物和生物胁迫的响应检测方面显示出巨大的潜力。当大豆表现出明显的伤害症状时,育种者对724个大豆育种地的水淹伤害评分(FIS)进行目测。在同一天,在离地面20米、50米和80米的地方,使用五波段多光谱和红外热像仪拍摄了航空图像。从三个飞行高度的图像中提取了五个图像特征,即冠层温度、归一化差异植被指数、冠层面积、宽度和长度。


图片

不同水浸伤害评分 (FIS) 的大豆地块的代表性图像。

(a) 使用消费者级照相机拍摄图像,显示了1-5 级FIS的示例大豆地块。

(b) 不同 FIS 的大豆图在由多光谱图像中的红色、绿色和蓝色通道组成的无人机图像上显示不同。

(c) 724 个大豆地块的目视观察 FIS 的直方图。


基于提取的图像特征,使用深度学习模型将大豆育种地分为五个 FIS 等级,三种飞行高度下的图像特征存在显著差异。利用20米处的图像特征开发的模型获得了最佳分类性能,五级FIS为0.9。结果表明,该方法在大豆育种的FIS估计中具有很好的应用前景。


来源: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

https://spj.sciencemag.org/journals/plantphenomics/2021/9892570/