[發(fā)明專利]基于低空遙感的大田作物干旱表型提取與抗旱性評估方法

有效

• 申請?zhí)枺?/td>: 202011005867.8
• 申請日: 2020-09-18
• 公開（公告）號: CN112183292B
• 公開（公告）日: 2022-05-17
• 發(fā)明（設計）人: 張建;蔣釗;熊立仲;涂海甫;謝靜;楊萬能
• 申請（專利權）人: 華中農(nóng)業(yè)大學
• 主分類號: G06V20/17
• 分類號: G06V20/17;G06V10/82;G06T3/40;G06T7/62;G06T7/00;G06N3/04;G06N3/08;G06Q50/02
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明公開了一種基于低空遙感的大田作物干旱表型提取與抗旱性評估方法，針對作物在干旱脅迫下的生理響應，提取了以下具體表型：(1)使用深度卷積神經(jīng)網(wǎng)絡估算卷葉指數(shù)LRS，用于指示作物葉片對干旱脅迫的響應程度；(2)基于數(shù)字表面模型DSM提取的地上部分體積AGV，用于指示作物生物量，以及使用經(jīng)驗線性法建模得到的鮮重FW、干重DW、含水量PWC；(3)用于指示作物葉片相對含水量的綜合抗旱評估指標LWI。并且，使用高頻次的無人機圖像數(shù)據(jù)得到上述表型性狀的時序變化，揭示作物在干旱脅迫下的動態(tài)響應，并評估其抗旱能力。最后，結合作物種質資源的基因測序數(shù)據(jù)進行遺傳分析，定位到潛在的抗旱基因用于后續(xù)的功能驗證和遺傳改良。

技術領域

本發(fā)明屬于農(nóng)業(yè)自動化領域，具體涉及一種水稻表型提取分析方法，尤其涉及一種基于低空遙感的大田作物干旱表型提取與抗旱性評估方法。

背景技術

作物育種研究對于逐漸加劇的氣候變化和糧食安全問題至關重要。在作物抗旱育種試驗中，需要獲取大量候選品種的表型性狀，用于篩選出抗旱品種，并結合基因組數(shù)據(jù)進行遺傳分析，獲取潛在的抗旱基因用于遺傳改良。在大田環(huán)境下，干旱表型獲取的傳統(tǒng)方法一般為人工測量，例如人工卷葉評級早在1980年就被用于描述水稻對干旱脅迫的響應(O’Toole and Cruz，1980)。但是人工測量的工作量大、時效性差、主觀性強(Ghosal et al.，2018)，無法滿足大群體的高通量表型的應用需求。

近年來大量研究專注于開發(fā)基于圖像的表型性狀，極大地提高了表型通量，這些方法主要適用于溫室環(huán)境(Yang et al.，2014)，在復雜的大田環(huán)境下無法快速部署使用。針對復雜的大田環(huán)境，現(xiàn)有的自動化表型平臺包括龍門吊、田間機器人等(www.lemnatec.com)，但是這類地面平臺成本高昂且效率較低，因此需要進一步開發(fā)高效的、適用性強的大田表型工具。

輕型無人機的快速發(fā)展降低了其應用成本，無人機平臺靈活高效、便于部署，尤其適合大田環(huán)境的作物表型獲取。通過搭載高清單反相機，在大田作物上空貼地飛行，可以快速采集大量高分辨率圖像，用于高精度的表型信息提取。深度學習技術在圖像分類、目標檢測、圖像分割等計算機視覺任務中的效果明顯優(yōu)于傳統(tǒng)方法，在植物表型中深度學習算法可以用于對各種生物和非生物脅迫的分類、量化和預測(Singh et al.，2016；Pound etal.，2017)。但是結合無人機圖像的深度學習應用較少，尤其是基于大田環(huán)境下的多時期、高通量無人機圖像數(shù)據(jù)，使用卷積神經(jīng)網(wǎng)絡量化作物在干旱脅迫下的響應。

本方法通過多旋翼無人機平臺搭載高清單反相機，拍攝大田作物的高分辨率圖像，進而使用深度學習與計算機視覺算法高效獲取大田作物表型信息。針對作物在干旱脅迫下的生理響應，提取了以下具體表型性狀：(1)用于指示作物葉片對干旱脅迫響應程度的卷葉指數(shù)(leaf rolling score，LRS)；(2)用于指示作物生物量的地上部分體積(aboveground volume，AGV)，以及使用經(jīng)驗線性法建模得到的鮮重FW、干重DW、含水量PWC；(3)用于指示作物葉片相對含水量的綜合性抗旱評估指標(leaf water index，LWI)。除此之外，使用高頻次的無人機圖像數(shù)據(jù)得到上述表型性狀的時序變化，從而更深入地解釋各作物品種在干旱脅迫下的動態(tài)響應模式，并評估其抗旱性強弱。最后，結合作物種質資源的基因測序數(shù)據(jù)進行遺傳分析，定位到潛在的抗旱基因用于后續(xù)的基因功能驗證和作物遺傳改良研究。

發(fā)明內容

(一)要解決的技術問題

為了克服現(xiàn)有技術中大田作物干旱表型獲取效率低下，難以量化作物對干旱脅迫的動態(tài)響應這一問題，本發(fā)明提供了一種基于低空遙感的大田作物干旱表型提取與抗旱性評估方法，實現(xiàn)了大田作物的高通量、動態(tài)干旱表型數(shù)據(jù)獲取和分析。

(二)技術方案

本發(fā)明為了解決其技術問題所采用的技術方案，提供了一種基于低空遙感的大田作物干旱表型提取與抗旱性評估方法。