国产99在线观看猛男_日韩成人在线卡通网站_99视频在线观看免费专区观看_亚洲另类制服丝袜第1页_亚洲精品AⅤ无码精品丝袜足百度_视频一区精品综合国产_成年无码AV片在线蜜芽_中文天堂资源在线_亚洲美女网站毛片_日本做a爱片在线观看

由甜菜尾孢菌引起的甜菜褐斑病是甜菜作物中破壞性的葉面疾病之一，會使甜菜的產(chǎn)糖率大幅減少，其爆發(fā)的嚴(yán)重與否依賴于天氣條件。在溫暖、多雨以及濕熱的條件下，真菌孢子會侵染葉片并造成許多毫米級別大小的褐色斑點。隨后，這些壞死的斑點會逐漸擴(kuò)張并相互結(jié)合，最終導(dǎo)致葉片干枯脫落。盡管噴灑殺真菌劑能夠有效控制褐斑病的發(fā)展進(jìn)程，但由于殺真菌劑對環(huán)境存在不利影響且價格高昂，過量噴灑還會導(dǎo)致真菌產(chǎn)生耐藥性，因此很有必要減少殺真菌劑使用量。

就品種選擇和精準(zhǔn)農(nóng)業(yè)而言，褐斑病癥狀通常由專家目視評估，基于1級（健康冠層）到9級（冠層壞死）九個等級進(jìn)行評估。由于準(zhǔn)確度好、實施容易，目視評估常常作為標(biāo)準(zhǔn)評估方法。然而由于測量中的主觀性，目視評估可能會在不同專家之間以及不同評估次數(shù)上存在一些細(xì)微的差異。一個合適的病害等級評估方法應(yīng)足夠準(zhǔn)確且能夠復(fù)現(xiàn)，目前已有一些其它的評估方法比目視評估更精確，但仍然是勞動密集型的，遠(yuǎn)未達(dá)到進(jìn)行常規(guī)褐斑病等級評估的高通量要求。

另外，使用傳感器測量可以對目視評估病害癥狀進(jìn)行補(bǔ)充。例如最近愈發(fā)受到關(guān)注的光譜評估，使用反射率測量進(jìn)行病害檢測的有效與否取決于相關(guān)光譜特征的識別，具體特征由所檢測的目標(biāo)疾病決定?；趫D像的疾病癥狀評估是基于光譜評估的有效替代方案，使用可見光圖像不但可以基于顏色識別壞死斑點，還可以在空間分辨率足夠精細(xì)的情況下表征出斑點的大小、形狀和數(shù)量，從而給病害分級提供關(guān)鍵信息。

為了搭載上述的傳感器，無人機(jī)(UAV)和無人車(UGV)之類的搭載平臺已能夠滿足育種學(xué)家的高通量要求。這兩種平臺都有其各自的優(yōu)缺點：無人機(jī)成本較低，通量很高，但對光照和風(fēng)況不夠敏感；相反，無人車可以攜帶有源傳感器，使得傳感器的測量獨立于照明條件，但代價是較低的通量以及對土壤條件不敏感。

近日，Plant Phenomics在線發(fā)表了法國國家農(nóng)業(yè)食品與環(huán)境研究院(French National Institute for Agriculture, Food, and Environment (INRAE)) Sylvain Jay等人的題為Scoring Cercospora Leaf Spot on Sugar Beet: Comparison of UGV and UAV Phenotyping Systems的研究論文。

該論文對比使用了在被動照明條件下使用無人機(jī)平臺獲取的厘米級分辨率多光譜圖像，以及在主動照明條件下使用無人車平臺(Fig.3)獲取的亞毫米級分辨率可見光圖像(Fig.4)，在甜菜田間表型試驗中對褐斑病病害等級進(jìn)行評估。文章詳細(xì)描述了試驗規(guī)劃(Fig.1, 2)、數(shù)據(jù)采集和數(shù)據(jù)估計方法，展示了數(shù)據(jù)分析的最終結(jié)果(Fig.5)，所采集的可見光圖像數(shù)據(jù)能夠很好地代表田間的實際情況，且所用方法在多數(shù)情況下與用于對照的目視評估結(jié)果有很好的符合度。

利用該文章所述方法，將有望取代人工進(jìn)行高通量褐斑病病害等級評估，提高甜菜育種效率，并實現(xiàn)更加精準(zhǔn)、高效的抗真菌劑施用。

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).

論文鏈接

/journals/plantphenomics/2020/9452123/

——推薦閱讀——

Monitoring Maize Lodging Grades via Unmanned Aerial Vehicle Multispectral Image

/plantphenomics/2019/5704154/

Plant Phenomics | 基于無人機(jī)多光譜影像的玉米倒伏等級監(jiān)測

Easy MPE: Extraction of Quality Microplot Images for UAV-Based High-Throughput Field Phenotyping

/journals/plantphenomics/2019/2591849/

Plant Phenomics | Easy MPE：基于無人機(jī)高通量表型技術(shù)提取高質(zhì)量田間小區(qū)圖像