基于光谱成像技术的冬小麦表型性状高通量检测方法研究

Winter wheat is one of the most important crop in China. Research on the relationship between winter wheat phenotypic and cultural practices that has an important scientific significance to change the traditional cropping pattern, increase production and resource utilization. Current, high-throughput phenotyping in field is still the biggest bottleneck. In the program we will build a high-throughput phenotypic detection system based on multimode imaging techniques, which will be used to study the method of winter wheat high-throughput phenotyping. In this study, we figure out the detection mechanism of winter wheat phenotypic based on hyperspectral imaging and analysis the impact of light distribution, speed of equipment and wavelength displacement to establishing a precise model of predicting physiological and biochemical parameters of winter wheat. And also, the algorithm of images automatic registration and fusion is proposed to identify and extract the crop canopy structure parameters. Based on different spatial and temporal scale, the winter wheat phenotypic parameters are measured to establish models for predicting the winter wheat with high precision production by analyzing the dynamic response of the different growing period of winter wheat and optimizing the phenotypic parameters. It is expected that the research results will be an excellent value for application of winter wheat genetic breeding, quality variety resource survey and cultivation of agronomic research.

冬小麦是我国最主要的粮食产物之一，定量研究冬小麦表型动态变化规律与栽培措施之间的关系，对改变传统种植方式，提高产量和资源利用率具有重要的科学意义。当前，大田作物表型信息高通量获取仍然是表型研究的最大瓶颈，本项目将高光谱成像与图像分析、处理等技术相结合，构建基于多模成像的高通量表型检测系统，开展冬小麦表型性状高通量检测方法研究。重点研究基于高光谱成像的冬小麦表型参数检测机理，分析光照分布、测量速度、波长位移等因素对表型参数测量精度的影响，建立基于光谱校正的冬小麦生理生化参数反演模型；研究图像自动配准与融合算法，实现作物冠层结构参数的自动识别与提取；通过对不同时空尺度内的冬小麦表型参数的定量化描述，解析不同生长期的冬小麦对胁迫的动态响应规律，优化敏感表型参数，建立冬小麦高精度产量估测模型；预期研究成果将在冬小麦遗传育种，优质品种资源普查及栽培农艺研究等方面极具应用价值。

作物表型是理解“基因型-表型-环境”作用机制的重要桥梁，其信息的高效获取与分析对作物遗传育种规律解析、优质品种资源普查及栽培农艺研究等方面极具应用价值。当前，大田作物表型性状的高通量检测仍然是制约表型研究的最大瓶颈。本课题正是为了解决这一关键技术问题，针对冬小麦不同生长阶段的生理形态和群落特征，结合多种成像技术开展分阶段的表型检测方法研究，以期形成一种具有连续性、系统性和整体性的作物表型高通量检测技术。截止目前，课题组已完成适用于冬小麦表型的高通量检测平台搭建，并尝试用于冬小麦种子活力检测、苗期个数识别、分蘖期植被覆盖度检测、拔节期茎蘖特征提取以及成熟期有效分蘖计数等方面研究，经实验验证，应用效果良好。总结成果特色，主要体现在：（1）融合RGB图像传感器、激光雷达传感器以及高光谱成像传感器，构建了多源遥感影像平台，为冬小麦田间表型性状快速获取提供了一个实用工具；（2）融合数字图像处理、深度学习以及三维重建技术，实现了冬小麦从个体植株到群体冠层结构表型的高通量检测；（3）针对冬小麦不同的生长阶段，开展了从种子发育到成熟期分蘖计数等冬小麦表型性状的系统性研究，为进一步的产量预估以及生产指导提供了精准的表型参数指标。从目前各阶段表型检测结果来看，课题提出的工具与方法具有较高的精确度和稳定性，能够满足冬小麦表型的高通量检测要求，可操作性和实用性均符合预期，具备国内领先水平。另外，相关技术成果被推广应用于优质果蔬品质检测、食用菌智慧化生产等领域，均取得良好的应用效果。