基于無人駕駛航空器系統(tǒng)的植物表型分析技術(shù)

無人駕駛航空器系統(tǒng)（UAS）是一種特別強大的植物表型分析工具，由于具有采購和部署價格公道、操控簡便靈活、可以無縫融入各種規(guī)模的表型網(wǎng)絡(luò)（Figure 1）、能夠通過改變載荷輕松實現(xiàn)傳感器多樣化（Table 2）等優(yōu)勢，其在植物研究和育種中的應用愈發(fā)廣泛。大多數(shù)用于植物表型的飛行器都可以歸于由國際民用航空組織（ICAO）所定義的“遙控飛行器系統(tǒng)（RPAS）”概念之中，根據(jù)使用的國家和地區(qū)的不同，這些設(shè)備的名稱略有不同。因此為了避免歧義，該文將“無人機”、“無人駕駛飛行器(UAV)”等統(tǒng)稱為了“無人駕駛航空器系統(tǒng)（UAS）”。
 

2021年6月,Plant Phenomics在線發(fā)表了東京大學等單位題為UAS-Based Plant Phenotyping for Research and Breeding Applications 的綜述論文，該綜述全面地介紹了當前基于無人機的表型分析方法的技術(shù)水平，降低了植物研究和育種領(lǐng)域研究者初次使用無人機進行表型分析的難度。
 

Figure 1: UAS across phenotyping scales, sensing levels, and ground sampling distance (GSD). Image is for illustration purposes and not to scale.
 

Table 2: Main sensor types mounted as UAS payloads.

在使用無人駕駛航空器系統(tǒng)時，使用者必須從植物科學的角度出發(fā)做出多項技術(shù)決策，來確保在后續(xù)分析中可用的信息最大化。這些關(guān)鍵的技術(shù)決策包括但不限于：應該選擇何種無人機及傳感器套件？部署及數(shù)據(jù)處理的關(guān)鍵步驟有哪些？在這個方向里面有哪些工作已被完成？目前無人駕駛航空器系統(tǒng)在植物表型分析中最先進的應用是什么？有哪些問題、趨勢和挑戰(zhàn)？
 

為了解答以上問題，該文章回顧了基于無人機的表型平臺在設(shè)備部署、數(shù)據(jù)采集、數(shù)據(jù)管理、數(shù)據(jù)存儲及分析方面(Figure 2)的最新技術(shù)，討論了當下亟需解決的技術(shù)問題，確定了植物研究界需要了解的無人駕駛航空器表型方向的未來趨勢，并指出了哪些關(guān)鍵的植物科學和農(nóng)藝問題將會在下一代基于無人駕駛航空器的成像及數(shù)據(jù)分析方法中得到解決。
 

Figure 2: UAS workflow pipeline: data collection, transfer, upload, storage, and analytics.

論文鏈接：

https://doi.org/10.34133/2021/9840192

——推薦閱讀——

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

Classification of Rice Yield Using UAV-Based Hyperspectral Imagery and Lodging Feature

https://doi.org/10.34133/2021/9765952

Plant Phenomics | 結(jié)合無人機高光譜圖像和倒伏特征構(gòu)建水稻產(chǎn)量類別檢測模型
 

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(nèi)不定期開展作者分享會、�？�發(fā)布會等高質(zhì)量活動。

添加小編微信，備注姓名+單位+PP，加入作者交流群
 

About Plant Phenomics

《植物表型組學》（Plant Phenomics）是由南京農(nóng)業(yè)大學和美國科學促進會（AAAS）合作創(chuàng)辦的英文學術(shù)期刊，于2019年1月正式上線發(fā)行。采用開放獲取形式，刊載植物表型組學交叉學科熱點領(lǐng)域具有突破性科研進展的原創(chuàng)性研究論文、綜述、數(shù)據(jù)集和觀點。具體范圍涵蓋高通量表型分析的最新技術(shù)，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(nóng)業(yè)實踐中的表型組學新應用，與植物表型相結(jié)合的分子生物學、植物生理學、統(tǒng)計學、作物模型和其他組學研究，表型組學相關(guān)的植物生物學等。期刊已被DOAJ、Scopus、PMC、EI和SCIE等數(shù)據(jù)庫收錄。科睿唯安JCR2021影響因子為6.961，位于農(nóng)藝學、植物科學，遙感一區(qū)。中科院農(nóng)藝學、植物科學一區(qū)，遙感二區(qū)，生物大類一區(qū)（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(nèi)容僅供參考，一切內(nèi)容以英文原版為準。

編輯：王平

審核：孔敏