多谱无人机图像和SRGAN用于快速表型绘制单个中国卷心菜植物的快速表型绘制
Jun Zhang1,2, Xinxin Wang1,3, Jingyan Liu2
1State Key Laboratory of North China Crop Improvement and Regulation, Hebei Agricultural University, 071000 Baoding, China.
Plant phenomics (Washington, D.C.)
|June 2, 2023
概括
配备成像系统的无人飞行器 (UAV) 可以准确快速地评估中国白菜 (Brassica rapa) 的表型特征. 这项研究利用无人机和先进的人工智能模型精确测量了白菜的尺寸和叶绿素含量,为作物育种提供了有价值的工具.
科学领域:
- 农业科学 农业科学
- 遥感 遥感 遥感 遥感
- 植物育种 植物育种
背景情况:
- 准确和快速的作物植物的表型确定对于育种计划至关重要.
- 无人驾驶飞行器 (UAV) 为高通量表型化提供了一个有前途的平台.
- 传统的现场测量可能是耗时和劳动密集的.
研究的目的:
- 为了评估低成本无人机系统对中国白菜表型的有效性.
- 估计关键的表型参数,包括宽度,长度和相对叶绿素含量 (SPAD值).
- 开发和验证人工智能驱动的图像分析方法,用于定量特征测量.
主要方法:
- 采集了使用低成本无人机的中国菜种子质的高分辨率图像.
- 雇员超分辨率生成对抗网络 (SRGAN) 用于图像增强.
- 利用单位网络 (UNet) 来对单个植物进行语义细分,并根据地面采样距离计算尺寸.
- 分析了用于土壤植物分析开发 (SPAD) 的RGB图像,在去除背景后进行价值预测.
主要成果:
- 用SRGAN增强的图像提高了表型化模型的性能.
- UNet实现了94.43%的细分精度;长度估计比宽度更准确.
- 带有SRGAN增强的可见波段模型实现了尺寸的R2>0.84和SPAD预测的R2>0.78.
- 预测的表型值与人工现场测量非常相匹配.
结论:
- 基于无人机的成像与SRGAN和UNet相结合,提供了一种可靠和高效的方法,用于中国白菜的定量表型.
- 开发的回归模型提供了准确的SPAD值预测.
- 这种方法是加速中国白菜育种特征调查的宝贵工具.
