基于低空遥感的大田作物干旱表型提取与抗旱性评估方法技术

本发明专利技术公开了一种基于低空遥感的大田作物干旱表型提取与抗旱性评估方法，针对作物在干旱胁迫下的生理响应，提取了以下具体表型：(1)使用深度卷积神经网络估算卷叶指数LRS，用于指示作物叶片对干旱胁迫的响应程度；(2)基于数字表面模型DSM提取的地上部分体积AGV，用于指示作物生物量，以及使用经验线性法建模得到的鲜重FW、干重DW、含水量PWC；(3)用于指示作物叶片相对含水量的综合抗旱评估指标LWI。并且，使用高频次的无人机图像数据得到上述表型性状的时序变化，揭示作物在干旱胁迫下的动态响应，并评估其抗旱能力。最后，结合作物种质资源的基因测序数据进行遗传分析，定位到潜在的抗旱基因用于后续的功能验证和遗传改良。

【技术实现步骤摘要】
基于低空遥感的大田作物干旱表型提取与抗旱性评估方法
本专利技术属于农业自动化领域，具体涉及一种水稻表型提取分析方法，尤其涉及一种基于低空遥感的大田作物干旱表型提取与抗旱性评估方法。
技术介绍
作物育种研究对于逐渐加剧的气候变化和粮食安全问题至关重要。在作物抗旱育种试验中，需要获取大量候选品种的表型性状，用于筛选出抗旱品种，并结合基因组数据进行遗传分析，获取潜在的抗旱基因用于遗传改良。在大田环境下，干旱表型获取的传统方法一般为人工测量，例如人工卷叶评级早在1980年就被用于描述水稻对干旱胁迫的响应(O’TooleandCruz，1980)。但是人工测量的工作量大、时效性差、主观性强(Ghosaletal.，2018)，无法满足大群体的高通量表型的应用需求。近年来大量研究专注于开发基于图像的表型性状，极大地提高了表型通量，这些方法主要适用于温室环境(Yangetal.，2014)，在复杂的大田环境下无法快速部署使用。针对复杂的大田环境，现有的自动化表型平台包括龙门吊、田间机器人等(www.lemnatec.com)，但是这类地面平台成本高昂本文档来自技高网...

【技术保护点】
1.一种基于低空遥感的大田作物干旱表型提取与抗旱性评估方法，其特征在于，包括如下步骤：/n步骤A，使用无人机平台搭载高清单反相机，对大田作物种质资源进行高通量、高频次的数据采集，用于提取连续变化的动态表型数据；/n步骤B，在田间进行人工卷叶评级，获得卷叶指数LRS；/n步骤C，在人工卷叶评级相应的时间同步拍摄大田作物图像，用于构建自动卷叶打分模型的数据集；/n步骤D，在抽穗期之前选取部分田块，对生物量鲜重FW、干重DW和含水量PWC进行有损测量，在破坏性取样之前采集一次无人机图像数据用于生物量建模；/n步骤E，使用Agisoft PhotoScan软件拼接无人机高清图像，得到正射影像DOM和数...

【技术特征摘要】
1.一种基于低空遥感的大田作物干旱表型提取与抗旱性评估方法，其特征在于，包括如下步骤：
步骤A，使用无人机平台搭载高清单反相机，对大田作物种质资源进行高通量、高频次的数据采集，用于提取连续变化的动态表型数据；
步骤B，在田间进行人工卷叶评级，获得卷叶指数LRS；
步骤C，在人工卷叶评级相应的时间同步拍摄大田作物图像，用于构建自动卷叶打分模型的数据集；
步骤D，在抽穗期之前选取部分田块，对生物量鲜重FW、干重DW和含水量PWC进行有损测量，在破坏性取样之前采集一次无人机图像数据用于生物量建模；
步骤E，使用AgisoftPhotoScan软件拼接无人机高清图像，得到正射影像DOM和数字表面模型DSM；
步骤F，选取与人工卷叶打分相对应的作物田块，并勾画出面积相同的矢量面，将整个作物田块的正射影像DOM裁剪成以不同品种的小田块为单位的图像数据集，每一个时期的每一个田块都有人工卷叶指数LRS与其对应；
步骤G，将各期图像裁剪为相同的大小，并使用过采样的方法进行多次随机裁剪，在数据增广的同时，通过控制裁剪得到的图像数量，使数据集中各卷叶等级的图像分布均衡；
步骤H，模型构建，使用Keras深度学习库进行卷积神经网络的构建与训练，用于卷叶自动打分；
步骤I，模型训练与验证，使损失函数下降并趋于稳定，并根据验证集的损失函数保存精度最高的模型；
步骤J，卷叶自动打分模型测试：将训练好的卷叶打分模型用于新一年的数据，结合相应的人工卷叶打分数据，通过模型在新数据集上的泛化能力测试模型的鲁棒性；
步骤K，生物量建模，根据数字表面模型DSM提取得到的地上部分体积量AGV，对有损测量的鲜重FW、干重DW和含水量PWC建立经验线性回归模型；
步骤L，综合性表型性状的计算：结合上述卷叶指数LRS，以及建模得到的植被含水量PWC，计算得到叶片相对含水量LWI，用于综合评估干旱和水分胁迫对作物叶片含水量的影响；
步骤M，将卷叶自动打分模型与生物量估算模型应用于大田抗旱育种试验，评估不同作物品种的抗旱能力。


2.根据权利要求1所述的基于低空的大田作物干旱表型提取与抗旱性评估方法，其特征在于：步骤A的数据采集涵盖干旱胁迫前、胁迫中，以及胁迫后的恢复期。


3.根据权利要求2所述的基于低空遥感的大田作物干旱表型提取与抗旱性评估方法，其特征在于：步骤B中，从干旱胁迫开始直到胁迫后的恢复期，每天早上和傍晚在田间进行人工卷叶评级，按照卷叶严重程度将其评定为1至5五个等级，1级为未出现卷叶的健康状态，2级为超过20％的叶片发生卷曲，3级为超过40％的叶片发生卷曲，4级为超过60％的叶片发生卷曲，5级为超过80％的叶片发生卷曲，3人分别凭经验和主观感受进行卷叶评级，然后取其平均值作为该品种的作物田块在该...

【专利技术属性】
技术研发人员：张建，蒋钊，熊立仲，涂海甫，谢静，杨万能，
申请(专利权)人：华中农业大学，
类型：发明
国别省市：湖北;42