基于范例數(shù)據(jù)生成和葉片結(jié)構(gòu)分析的干旱脅迫楊樹(shù)苗表型分析

楊樹(shù)是一種分布廣泛的速生林木，對(duì)木材生產(chǎn)和防護(hù)林建設(shè)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(shù)生長(zhǎng)和產(chǎn)量的主要因素之一。目前，高通量植物表型分析技術(shù)作為一種快速、無(wú)損地分析植物生長(zhǎng)狀態(tài)（如水分、養(yǎng)分含量）的工具已被廣泛研究。結(jié)合計(jì)算機(jī)視覺(jué)和深度學(xué)習(xí)來(lái)獲取表型信息，為植物干旱脅迫分析帶來(lái)了新思路。然而，訓(xùn)練性能優(yōu)異的深度學(xué)習(xí)模型需要大量帶有人工標(biāo)注的樣本，其制備成本高、時(shí)間消耗大，限制了此類(lèi)方法的運(yùn)用的。

2024年7月， Plant Phenomics 在線發(fā)表了南京林業(yè)大學(xué)張慧春教授團(tuán)隊(duì)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(guò)提出一種訓(xùn)練數(shù)據(jù)集擴(kuò)增方法生成高質(zhì)量、多樣化的范例數(shù)據(jù)，依靠極少量的人工標(biāo)注訓(xùn)練模型，為圖像處理算法的開(kāi)發(fā)、測(cè)試和優(yōu)化提供了有力支持。選擇了4個(gè)不同品種的楊樹(shù)幼苗，采用了5種不同的灌溉頻率進(jìn)行培育。通過(guò)采集楊樹(shù)植株RGB圖像進(jìn)行分析，開(kāi)展了葉片姿態(tài)信息計(jì)算和干旱脅迫等級(jí)判定研究。

首先，通過(guò)深度學(xué)習(xí)實(shí)例分割算法來(lái)提取葉片、葉柄和中脈區(qū)域；提出了一種訓(xùn)練數(shù)據(jù)集擴(kuò)增方法，標(biāo)注極少量圖像后將葉片、樹(shù)干、背景進(jìn)行重組合成新的、帶有標(biāo)簽的合成圖像，以降低深度學(xué)習(xí)模型訓(xùn)練所需的人工標(biāo)注成本；計(jì)算葉柄和中脈的擬合線與水平方向的夾角，實(shí)現(xiàn)葉片姿態(tài)信息的數(shù)字化表征。其次，提出多任務(wù)學(xué)習(xí)模型，同時(shí)判定干旱脅迫等級(jí)和楊樹(shù)品種，以減少楊樹(shù)品種差異對(duì)干旱脅迫識(shí)別的干擾。

圖1提出的楊樹(shù)苗圖像-標(biāo)簽自動(dòng)合成方法

結(jié)果表明，提出的算法對(duì)葉柄和中脈的角度計(jì)算的平均絕對(duì)誤差分別為10.7°和8.2°。干旱脅迫導(dǎo)致葉片萎蔫，在數(shù)字信息中表現(xiàn)為葉片的水平角度增大。此外，在脅迫等級(jí)評(píng)估任務(wù)中，使用原始RGB圖像作為輸入，多任務(wù)MobileNet實(shí)現(xiàn)了最高的準(zhǔn)確率（楊樹(shù)品種識(shí)別為99%，干旱脅迫等級(jí)分類(lèi)為76%），優(yōu)于廣泛使用的單任務(wù)深度學(xué)習(xí)模型（預(yù)測(cè)數(shù)據(jù)集上的脅迫等級(jí)分類(lèi)準(zhǔn)確率<70%）。本研究提出的植物表型分析方法可進(jìn)一步用于抗旱脅迫楊樹(shù)植株篩選和精確灌溉決策。

圖2基于卷積神經(jīng)網(wǎng)絡(luò)的楊樹(shù)干旱脅迫檢測(cè)模型

(A)單任務(wù)學(xué)習(xí)模型，(B)多任務(wù)學(xué)習(xí)模型

圖3 楊樹(shù)葉片生長(zhǎng)姿態(tài)的可視化

(A)和(C)是對(duì)照組樣本的分割結(jié)果和姿態(tài)信息，(B)和(D)是中度干旱脅迫組的分割結(jié)果和姿態(tài)信息。

南京林業(yè)大學(xué)機(jī)械電子工程學(xué)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(tuán)隊(duì)從事林業(yè)信息技術(shù)與裝備、林木表型感知技術(shù)與裝備、光譜分析和圖像處理的研究。該研究得到了國(guó)家重點(diǎn)研發(fā)計(jì)劃、國(guó)家自然科學(xué)基金、江蘇省農(nóng)業(yè)科技自主創(chuàng)新基金項(xiàng)目、江蘇省333高層次人才培養(yǎng)工程項(xiàng)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?chē)?guó)雄教授團(tuán)隊(duì)基于PDC-VLD的具有較強(qiáng)泛化性能的番茄葉病多模態(tài)開(kāi)放目標(biāo)檢測(cè)模型
Improved Transformer for Time Series Senescence Root Recognition
https://doi.org/10.34133/plantphenomics.0159
Plant Phenomics | 河北農(nóng)業(yè)大學(xué)基于改進(jìn)Transformer的時(shí)間序列進(jìn)行根系衰老識(shí)別

加入作者交流群
掃碼添加小編微信，拉您進(jìn)入《植物表型組學(xué)》作者交流群，群內(nèi)不定期開(kāi)展作者分享會(huì)、專(zhuān)刊發(fā)布會(huì)等高質(zhì)量活動(dòng)。

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(xué)》（Plant Phenomics）是由南京農(nóng)業(yè)大學(xué)創(chuàng)辦的英文學(xué)術(shù)期刊，于2019年1月正式上線發(fā)行。采用開(kāi)放獲取形式，刊載植物表型組學(xué)交叉學(xué)科熱點(diǎn)領(lǐng)域具有突破性科研進(jìn)展的原創(chuàng)性研究論文、綜述、數(shù)據(jù)集和觀點(diǎn)。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(jī)器學(xué)習(xí)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(shí)踐中的表型組學(xué)新應(yīng)用，與植物表型相結(jié)合的分子生物學(xué)、植物生理學(xué)、統(tǒng)計(jì)學(xué)、作物模型和其他組學(xué)研究，表型組學(xué)相關(guān)的植物生物學(xué)等。期刊已被DOAJ、Scopus、PMC、EI和SCIE等數(shù)據(jù)庫(kù)收錄�？祁Ｎò睯CR2023影響因子為7.6，位于農(nóng)藝學(xué)一區(qū)（1/125名），植物科學(xué)一區(qū)（13/265名），遙感一區(qū)（6/62名）。2023年中科院期刊分區(qū)位于農(nóng)林科學(xué)大類(lèi)一區(qū)。2020年入選中國(guó)科技期刊卓越行動(dòng)計(jì)劃高起點(diǎn)新刊項(xiàng)目、2024年入選江蘇科技期刊卓越行動(dòng)計(jì)劃領(lǐng)軍期刊項(xiàng)目。

說(shuō)明：本文由《植物表型組學(xué)》編輯部負(fù)責(zé)組稿。
中文內(nèi)容僅供參考，一切內(nèi)容以英文原版為準(zhǔn)。
特邀作者：張慧春、周磊
排版：趙倩瑩（中國(guó)科學(xué)院大學(xué)）
審核：孔敏、王平