基于無人機多光譜圖像和SRGAN的大白菜單株表型測定研究
Plant Phenomics | 基于無人機多光譜圖像和SRGAN的大白菜單株表型測定研究
隨著信息化、數字化技術的發展，遙感成像已成為精準農業中獲取作物信息的重要手段，也是計算小區域面積、作物品種鑒定和生長分析的重要數據來源。大白菜 (Brassica rapa L. ssp.) 是亞洲最重要的蔬菜之一，中國作為大白菜的產地和遺傳多樣性中心，種質資源極為豐富，擁有許多地方品種。傳統的大白菜表型測定方法嚴重依賴人工評價和測量，具有主觀性強且耗時的缺點，故快速無損的大白菜表型鑒定技術對育種具有重要意義。
2022年12月，Plant Phenomics在線發表了河北農業大學范曉飛教授團隊題為Multispectral Drone Imagery and SRGAN for Rapid Phenotypic Mapping of Individual Chinese Cabbage Plants 的研究論文。
本研究利用低成本無人機系統采集白菜田的遙感圖像，用于估算白菜的展開度和相對葉綠素含量（SPAD）。選取河北農業大學位于辛集馬蘭農場的大白菜試驗基地，此試驗基地白菜均為自培育特殊的大白菜品種。采用大疆精靈4 Pro無人機搭載具有五通道的多光譜成像設備獲取露地白菜圖像，經過圖像預處理、數據集劃分、圖像分辨率增強并分割后，計算或預測表型參數。本研究中圖像預處理包括遙感圖像的拼接與合成，此部分根據圖像采集中每一張圖像的POS點進行整幅遙感圖像的拼接，并利用ArcMap對拼接后的圖像進行處理，對每一株白菜進行圖像標記。
為了提高模型分割精度，本研究采用超分辨率生成對抗網絡（super-resolution generative adversarial network, SRGAN）提高原始圖像的分辨率，將可見光圖像、多光譜圖像、分辨率提升后的圖像結合深度學習的語義分割網絡模型（unity networking, UNet）實現單株白菜的分割。根據單個白菜的像素值和地面采樣距離（ground sample distance, GSD）計算實際長度和寬度。基于去除背景后的單個白菜RGB圖像，分析了白菜的SPAD值。通過對各種模型的比較，采用SRGAN進行分辨率提升后的模型預測效果最好。對于SPAD預測和展開度預測，SRGAN分辨率增強后的RGB圖像的UNet模型R2分別大于0.75和0.84，RMSE分別低于2.12和3.72，RMSPE分別低于0.05和0.10。本研究表明引入了SRGAN對圖像分辨率進行增強后模型精度得到提高，利用無人機遙感圖像預測大白菜的展開度和SPAD值的測量結果可靠，該方法為大白菜育種研究提供了低成本、易操作的表型性狀定量獲取技術。
圖6 SRGAN分辨率增強效果。以兩株單株大白菜顯示為示例，左邊是實際圖像，右邊是經過SRGAN分辨率增強的圖像
圖9 三種UNet模型的擬合性能。(A)多光譜圖像模型的實際寬度與預測寬度。(B)使用RGB圖像且沒有分辨率增強的模型的實際寬度與預測寬度。(C) RGB圖像和分辨率增強模型的實際寬度與預測寬度。(D)多光譜圖像模型的實際長度與預測長度。(E)使用RGB圖像且沒有分辨率增強的模型的實際長度與預測長度。(F) RGB圖像和分辨率增強后模型的實際長度與預測長度。
河北農業大學博士研究生張君為論文第一作者，河北農業大學范曉飛教授、申書興教授和趙建軍教授為論文通訊作者。
作者團隊介紹
第一作者簡介：
張君，1996年生，河北石家莊人，博士研究生。主要研究方向為利用機器視覺及深度學習技術對作物表型無損快速測定等研究。目前負責河北省在讀研究生創新能力培養資助項目1項，授權實用新型專利6項，以第一作者發表SCI等學術論文4篇。
通訊作者簡介：
范曉飛，1979年生，河北張家口人，博士，河北農業大學校聘教授，博導，河北農業大學國際教育交流學院副院長，享受河北省政府特殊津貼，河北省“百人計劃”專家。主要從事作物表型組學、農業人工智能與智能化農業裝備等領域研究。2010-2018年在美國孟山都公司總部任職中層研發管理，主持及參與了22個項目的研發，其中6項為百萬美元以上項目。被今日頭條、科學日報、密蘇里電視臺等多家國內外媒體采訪和報道。目前主持國家自然科學基金、河北省重點研發計劃等各類科研項目10余項；授權國際發明專利2項，國家發明、實用新型專利10余項，發表SCI等學術論文30余篇。
團隊合照
論文鏈接：
https://doi.org/10.34133/plantphenomics.0007
——推薦閱讀——
Repeated Multiview Imaging for Estimating Seedling Tiller Counts of Wheat Genotypes Using Drones
https://doi.org/10.34133/2020/3729715
Plant Phenomics | 使用無人機多視角成像技術估算小麥幼苗分蘗數
The Application of UAV-Based Hyperspectral Imaging to Estimate Crop Traits in Maize Inbred Lines
https://doi.org/10.34133/2021/9890745
Plant Phenomics | 無人機高光譜影像在玉米自交系作物性狀估算中的應用
加入作者交流群
掃碼添加小編微信，拉您進入《植物表型組學》作者交流群，群內不定期開展作者分享會、專刊發布會等高質量活動。
About Plant Phenomics
《植物表型組學》（Plant Phenomics）是由南京農業大學和美國科學促進會（AAAS）合作創辦的英文學術期刊，于2019年1月正式上線發行。采用開放獲取形式，刊載植物表型組學交叉學科熱點領域具有突破性科研進展的原創性研究論文、綜述、數據集和觀點。具體范圍涵蓋高通量表型分析的最新技術，基于圖像分析和機器學習的表型分析研究，提取表型信息的新算法，作物栽培、植物育種和農業實踐中的表型組學新應用，與植物表型相結合的分子生物學、植物生理學、統計學、作物模型和其他組學研究，表型組學相關的植物生物學等。期刊已被DOAJ、Scopus、PMC、EI和SCIE等數據庫收錄。科睿唯安JCR2021影響因子為6.961，位于農藝學、植物科學，遙感一區。中科院農藝學、植物科學一區，遙感二區，生物大類一區（TOP期刊）。2020年入選中國科技期刊卓越行動計劃高起點新刊項目。
說明：本文由《植物表型組學》編輯部負責組稿。
中文內容僅供參考，一切內容以英文原版為準。
特邀作者：張君、范曉飛
排版：陳新月（實習）
審核：孔敏、王平
