最新行业动态-植物表型平台-数字化考种机-作物表型系统-武汉谷丰光电科技有限公司

无人机多传感器数据和集成方法在玉米表型性状高通量估计中的应用

2022/9/28

利用无人机(UAV)图像对表型性状进行高通量估计有助于提高育种玉米的筛选效率。在小区尺度上准确估计育种玉米的表型性状有助于促进特定性状的基因挖掘，为加速优良品种选育提供保障。建立高效、准确的无人机多传感器数据估计模型是无人机多传感器数据应用的关键。

实验场地的位置

本研究旨在应用集成学习模型来提高使用基于无人机的红绿蓝 (RGB) 和多光谱传感器估计玉米表型性状的可行性和准确性。分别获得了四个生长阶段的无人机图像。从RGB图像中提取可见光波段的反射率、冠层覆盖率、植物高度（PH）和纹理信息，并从多光谱图像中计算植被指数。我们比较分析了玉米LAI（叶面积指数）、鲜重（FW）和干重（DW）单特征和多特征的估计精度。基本模型包括岭回归 (RR)、支持向量机 (SVM)、随机森林 (RF)、高斯过程 (GP) 和 K 邻域网络 (K-NN)。集成学习模型包括堆叠和贝叶斯模型平均（BMA）。结果表明，集成学习模型提高了玉米表型性状估计的准确性和稳定性。

2020年7月30日获取的无人机RGB (a)和多光谱(b)图像。(b)波段组合为近红外波段、红色波段和绿色波段。

在从无人机RGB图像中提取的特征中，通过光谱、结构和纹理的组合特征获得了最高的精度。利用两个传感器的所有特征构建的模型具有最佳的精度。包括叠加和BMA在内的集成学习模型的估计精度高于基本模型， LAI、FW 和 DW 的最佳验证结果的决定系数 () 分别为 0.852、0.888 和 0.929。因此，基于无人机的多源数据与集成学习模型相结合，可以在小区尺度上准确估计育种玉米的表型性状。

上一篇：基于无人机成像、建模和机器学习的小块区域叶面积指数无监督表型下一篇：基于高光谱成像和机器学习的遗传和表型相似玉米品种种子真实性检测模型

资源中心

无人机多传感器数据和集成方法在玉米表型性状高通量估计中的应用

相关新闻

【精彩回顾】第14届亚太农业信息技术联合会国际会议（APFITA 2024）圆满落幕！

会议邀请 | 第14届亚太农业信息技术联合会国际会议（APFITA 2024）

谷丰光电 | 携手江苏省农业科学院农业信息研究所共建表型技术研发中心并签约合作

会议邀请|谷丰光电第46届新植物学家论坛-气孔生物学国际学术研讨会

国庆放假通知！

迈向新征程 | 谷丰光电入驻武汉经开人工智能科技园

喜报丨谷丰光电荣获湖北省第六批专精特新中小企业认定！

【会议邀请】第十届植物生物学女科学家学术交流会，诚邀您来参加！

华中农业大学宋鹏副教授团队：自然形态稻粒精确计数：一种基于图像分类和物体检测的方法

高通量表型组技术助力马铃薯育种突破：揭示雄性育性与产量遗传机制

联系我们