2022年11月23日 18:35:36 来源：北京博普特科技有限公司 >> 进入该公司展台 阅读量：32
由甜菜尾孢菌引起的甜菜褐斑病是甜菜作物中破坏性的叶面疾病之一，会使甜菜的产糖率大幅减少，其爆发的严重与否依赖于天气条件。在温暖、多雨以及湿热的条件下，真菌孢子会侵染叶片并造成许多毫米级别大小的褐色斑点。随后，这些坏死的斑点会逐渐扩张并相互结合，最终导致叶片干枯脱落。尽管喷洒杀真菌剂能够有效控制褐斑病的发展进程，但由于杀真菌剂对环境存在不利影响且价格高昂，过量喷洒还会导致真菌产生耐药性，因此很有必要减少杀真菌剂使用量。
就品种选择和精准农业而言，褐斑病症状通常由专家目视评估，基于1级（健康冠层）到9级（冠层坏死）九个等级进行评估。由于准确度好、实施容易，目视评估常常作为标准评估方法。然而由于测量中的主观性，目视评估可能会在不同专家之间以及不同评估次数上存在一些细微的差异。一个合适的病害等级评估方法应足够准确且能够复现，目前已有一些其它的评估方法比目视评估更精确，但仍然是劳动密集型的，远未达到进行常规褐斑病等级评估的高通量要求。
另外，使用传感器测量可以对目视评估病害症状进行补充。例如最近愈发受到关注的光谱评估，使用反射率测量进行病害检测的有效与否取决于相关光谱特征的识别，具体特征由所检测的目标疾病决定。基于图像的疾病症状评估是基于光谱评估的有效替代方案，使用可见光图像不但可以基于颜色识别坏死斑点，还可以在空间分辨率足够精细的情况下表征出斑点的大小、形状和数量，从而给病害分级提供关键信息。
为了搭载上述的传感器，无人机(UAV)和无人车(UGV)之类的搭载平台已能够满足育种学家的高通量要求。这两种平台都有其各自的优缺点：无人机成本较低，通量很高，但对光照和风况不够敏感；相反，无人车可以携带有源传感器，使得传感器的测量独立于照明条件，但代价是较低的通量以及对土壤条件不敏感。
近日，Plant Phenomics在线发表了法国国家农业食品与环境研究院(French National Institute for Agriculture, Food, and Environment (INRAE)) Sylvain Jay等人的题为Scoring Cercospora Leaf Spot on Sugar Beet: Comparison of UGV and UAV Phenotyping Systems的研究论文。
该论文对比使用了在被动照明条件下使用无人机平台获取的厘米级分辨率多光谱图像，以及在主动照明条件下使用无人车平台(Fig.3)获取的亚毫米级分辨率可见光图像(Fig.4)，在甜菜田间表型试验中对褐斑病病害等级进行评估。文章详细描述了试验规划(Fig.1, 2)、数据采集和数据估计方法，展示了数据分析的最终结果(Fig.5)，所采集的可见光图像数据能够很好地代表田间的实际情况，且所用方法在多数情况下与用于对照的目视评估结果有很好的符合度。
利用该文章所述方法，将有望取代人工进行高通量褐斑病病害等级评估，提高甜菜育种效率，并实现更加精准、高效的抗真菌剂施用。
Fig.1 Microplot experiments as observed from the UAV and conducted in 2016.
Fig.2 Sampling dates for visual scoring (green circles), UAV (orange squares), and Pheno UGV (purple diamonds) measurements, for 2016 (left) and 2017 (right).
Fig.3 The Pheno system: schematic diagram (a) and measurement head (b).
Fig.4 On the left, original RGB image acquired with the Pheno using the four flashes. On the right, results of image processing after SVM classification and morphological operations on the areas delimited in red on the original image.
Fig.5 Variability of Pheno-derived GF (left), SD (middle), and SS (right) per image (y-axis) versus their averages per microplot (x-axis).
论文链接
/journals/plantphenomics/2020/9452123/
——推荐阅读——
Monitoring Maize Lodging Grades via Unmanned Aerial Vehicle Multispectral Image
/plantphenomics/2019/5704154/
Plant Phenomics | 基于无人机多光谱影像的玉米倒伏等级监测
Easy MPE: Extraction of Quality Microplot Images for UAV-Based High-Throughput Field Phenotyping
/journals/plantphenomics/2019/2591849/
Plant Phenomics | Easy MPE：基于无人机高通量表型技术提取高质量田间小区图像
About Plant Phenomics
《植物表型组学》（Plant Phenomics）是由南京农业大学和美国科学促进会（AAAS）合作创办的英文学术期刊，于2019年1月正式上线发行，是Science合作出版的第二本期刊。采用开放获取形式，刊载植物表型组学交叉学科热点领域具有突破性科研进展的原创性研究论文、综述、数据集和观点。具体范围涵盖高通量表型分析的，基于图像分析和机器学习的表型分析研究，提取表型信息的新算法，作物栽培、植物育种和农业实践中的表型组学新应用，与植物表型相结合的分子生物学、植物生理学、统计学、作物模型和其他组学研究，表型组学相关的植物生物学等。期刊已被CABI、CNKI和DOAJ数据库收录。
说明：本文由《植物表型组学》编辑部负责组稿。
中文内容仅供参考，一切内容以英文原版为准。
撰稿：王栋（实习）
编辑：周灿彧（实习）、鞠笑、孔敏
审核：尹欢
