基于范例數據生成和葉片結構分析的干旱脅迫楊樹苗表型分析
楊樹是一種分布廣泛的速生林木，對木材生產和防護林建設具有重要意義。干旱脅迫是一種典型的非生物脅迫，是影響楊樹生長和產量的主要因素之一。目前，高通量植物表型分析技術作為一種快速、無損地分析植物生長狀態（如水分、養分含量）的工具已被廣泛研究。結合計算機視覺和深度學習來獲取表型信息，為植物干旱脅迫分析帶來了新思路。然而，訓練性能優異的深度學習模型需要大量帶有人工標注的樣本，其制備成本高、時間消耗大，限制了此類方法的運用的。
2024年7月， Plant Phenomics 在線發表了南京林業大學張慧春教授團隊題為 Phenotyping of Drought-Stressed Poplar Saplings Using Exemplar-Based Data Generation and Leaf-Level Structural Analysis 的研究論文。
本文通過提出一種訓練數據集擴增方法生成高質量、多樣化的范例數據，依靠極少量的人工標注訓練模型，為圖像處理算法的開發、測試和優化提供了有力支持。選擇了4個不同品種的楊樹幼苗，采用了5種不同的灌溉頻率進行培育。通過采集楊樹植株RGB圖像進行分析，開展了葉片姿態信息計算和干旱脅迫等級判定研究。
首先，通過深度學習實例分割算法來提取葉片、葉柄和中脈區域；提出了一種訓練數據集擴增方法，標注極少量圖像后將葉片、樹干、背景進行重組合成新的、帶有標簽的合成圖像，以降低深度學習模型訓練所需的人工標注成本；計算葉柄和中脈的擬合線與水平方向的夾角，實現葉片姿態信息的數字化表征。其次，提出多任務學習模型，同時判定干旱脅迫等級和楊樹品種，以減少楊樹品種差異對干旱脅迫識別的干擾。
圖1提出的楊樹苗圖像-標簽自動合成方法
結果表明，提出的算法對葉柄和中脈的角度計算的平均絕對誤差分別為10.7°和8.2°。干旱脅迫導致葉片萎蔫，在數字信息中表現為葉片的水平角度增大。此外，在脅迫等級評估任務中，使用原始RGB圖像作為輸入，多任務MobileNet實現了最高的準確率（楊樹品種識別為99%，干旱脅迫等級分類為76%），優于廣泛使用的單任務深度學習模型（預測數據集上的脅迫等級分類準確率<70%）。本研究提出的植物表型分析方法可進一步用于抗旱脅迫楊樹植株篩選和精確灌溉決策。
圖2基于卷積神經網絡的楊樹干旱脅迫檢測模型
(A)單任務學習模型，(B)多任務學習模型
圖3 楊樹葉片生長姿態的可視化
(A)和(C)是對照組樣本的分割結果和姿態信息，(B)和(D)是中度干旱脅迫組的分割結果和姿態信息。
南京林業大學機械電子工程學院周磊老師為第一作者，張慧春教授為通訊作者。張慧春教授團隊從事林業信息技術與裝備、林木表型感知技術與裝備、光譜分析和圖像處理的研究。該研究得到了國家重點研發計劃、國家自然科學基金、江蘇省農業科技自主創新基金項目、江蘇省333高層次人才培養工程項目的支持。
論文鏈接：
https://doi.org/10.34133/plantphenomics.0205
——推薦閱讀——
A Multi-Modal Open Object Detection Model for Tomato Leaf Diseases with Strong Generalization Performance Using PDC-VLD
https://doi.org/10.34133/plantphenomics.0220
Plant Phenomics | 中南林科大周國雄教授團隊基于PDC-VLD的具有較強泛化性能的番茄葉病多模態開放目標檢測模型
Improved Transformer for Time Series Senescence Root Recognition
https://doi.org/10.34133/plantphenomics.0159
Plant Phenomics | 河北農業大學基于改進Transformer的時間序列進行根系衰老識別
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，群內不定期開展作者分享會、�？l布會等高質量活動。
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）是由南京農業大學創辦的英文學術期刊，于2019年1月正式上線發行。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DOAJ、Scopus、PMC、EI和SCIE等數據庫收錄�？祁Ｎò睯CR2023影響因子為7.6，位于農藝學一區（1/125名），植物科學一區（13/265名），遙感一區（6/62名）。2023年中科院期刊分區位于農林科學大類一區。2020年入選中國科技期刊卓越行動計劃高起點新刊項目、2024年入選江蘇科技期刊卓越行動計劃領軍期刊項目。
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。
特邀作者：張慧春、周磊
排版：趙倩瑩（中國科學院大學）
審核：孔敏、王平
