隨著圖像處理技術的不斷發展，使用基于傳感器技術的方案對作物進行監測正變得越來越便捷。得益于此，田間表型領域的研究已取得了許多顯著進展，但其仍被認為是作物遺傳改良的瓶頸所在。

目前，如何更好地抵御氣候變化已成為作物（例如小麥）種植中的主要問題，而隨著近年來極端氣候事件的不斷發生，作物單產之間的差異可能會增加。為了確保作物產量的穩定，需要讓作物生產系統不斷地去適應變化多端的氣候條件，育種家則需要以此改良作物品種。

就歐洲地區而言，小麥單產已停滯不前，為了育成高產的小麥品種，有必要獲取相關信息，去探究作物中不同的產量因子是在何時以及是如何形成的。近幾十年來獲取可靠的產量因子信息的需求一直存在，但礙于高通量表型分析算法的匱乏，育種家難以通過基因-環境間的互作去得出可靠的結論，因此迄今為止公認的最為有效的產量表型分析方法仍然是在育種末期測量大田中的最終谷物產量。同時，為了增加遺傳增益，對育種階段早期的表型分析也至關重要。

小麥的產量因子主要有單位面積內植株數量、每株可育穗芽數以及每穗粒數和粒重等。植株數量以及可育穗芽數與出苗、分蘗強度以及分蘗敗育情況有關，這些過程不僅受播種密度等種植管理因素影響，還受到環境變量的影響。每穗的潛在穗粒數由末端小穗的形成情況決定，而末端小穗則與拔節期開始的時間點有關，這是一個與環境參數高度相關的過程。采用人工方式評估這些性狀非常耗時耗力，且準確性不佳。

近日，Plant Phenomics在線發表了蘇黎世聯邦理工學院農業科學研究所Lukas Roth等人題為Repeated Multiview Imaging for Estimating Seedling Tiller Counts of Wheat Genotypes Using Drones的研究論文。

為了在育種階段早期對小麥進行表型分析，該文章使用了基于無人機圖像采集的方法，針對出苗率、分蘗數以及開始拔節時間點進行分析。使用每周至少兩次的重復飛行所獲取到的可見光圖像，量化可見葉面積的時空變化。為了利用多視角圖像中所包含的信息，文章將采集到的圖像處理為突出顯示植株部分的多視角地面覆蓋圖像(Figure 1)；之后，基于這些圖像訓練支持向量機，用于分析拔節時間點(GS30)；最后分別使用分水嶺算法和生長模型對植株和分蘗的數量進行計數(Figure 3)。

論文結果表明，算法對分蘗數和拔節時間點的分析較為準確(Figure 5)，且在分蘗計數方面，遺傳力優于人工測量。此外，多視角圖像性狀分析能夠以較高效率（最高可達223%）代替人工測量。因此，多視角圖像具有很高的潛力，有望成為植物表型組學的標準工具之一。

Figure 1: Phenotyping strategy including preprocessing, feature extraction, time point traits, spatial correction, dynamic modeling, and finally intermediate level traits.

Figure 3: Schematic representation of multiview ground cover image preprocessing (a) and strategies for plant count (b), tiller count (c), and beginning of stem elongation (GS30, d) feature extraction methods.

Figure 5: Prediction errors and determination coefficients (R2) for plant count estimations (a), shoot dynamics modeling (b, c), and beginning of stem elongation (GS30) (d).

論文鏈接

https://spj.sciencemag.org/journals/plantphenomics/2020/3729715/

——推薦閱讀——

Canopy Roughness: A New Phenotypic Trait to Estimate Aboveground Biomass from Unmanned Aerial System

https://spj.sciencemag.org/journals/plantphenomics/2020/6735967/

Plant Phenomics | 冠層粗糙度：一種用于無人機航測估算地上生物量的新表型性狀

Scoring Cercospora Leaf Spot on Sugar Beet: Comparison of UGV and UAV Phenotyping Systems

https://spj.sciencemag.org/journals/plantphenomics/2020/9452123/

Plant Phenomics | 對比無人車(UGV)和無人機(UAV)表型系統評估甜菜褐斑病的病害等級

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，是Science合作出版的第二本期刊。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CABI、CNKI、DOAJ和PMC數據庫收錄。

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。

撰稿：王棟（實習）

編輯：周燦彧（實習）、鞠笑、孔敏

審核：尹歡