基于高光谱-可见光成像的水稻叶绿素4D表型提取方法研究

With the development of research on the rice nutrition, cultivation, and breeding, the measurement of morphology and physiological parameters of rice plant is imperative. Based on the previous research, a key method for 4D phenotype of rice chlorophyll is proposed and equipped with visible and hyperspectral dual mode imaging. This method solves image image synchronization acquisition, shape from silhouettes reconstruction, spectral data reorganization, and fusion of 3D point and 2D data, and realizes three-dimensional reconstruction and data registration and fusion of different dimensions of single rice plant. The extraction parameters include average value and the standard deviation of chlorophyll of the whole rice plants and different height, gradient and spatial distribution of chlorophyll with time change rate (4D) and 4D phenotype among different varieties. With the existing genotypic data, the 4D phenotypic parameters of chlorophyll can be used for genome-wide association analysis to get new traits with high heritability and high fluxes which can used for basic and applied research of rice. This project will play a vital role in studying the spatial architecture and physiological parameters. And this project will provide theoretical and experimental basis for rice cultivation, physiology, and genetic breeding.

针对水稻功能基因组和遗传育种研究中无损获取水稻形态及生理参数空间分布需求的不断扩展，本项目针对533份水稻核心种质资源群体全生育期叶绿素4D表型性状提取方法进行研究。项目基于高光谱-可见光双模式同步成像系统，结合双模式同步采集、侧影轮廓重建、光谱数据重整和三维点云及二维数据融合配准算法，解决水稻植株水平可见光三维重建及不同维度和模式数据融合配准问题。本项目提取4D表型参数包括：整株水稻全生育期叶绿素动态变化、植株不同区间叶绿素密度分布、叶绿素空间分布梯度随时间变化速率及不同品种间叶绿素表型变化趋势。后续可利用群体已有基因型数据开展叶绿素4D表型性状的全基因组关联分析，获得遗传力高、易高通量测量的新性状用于水稻基础和应用研究。本项目首次将水稻立体形态和叶绿素时空分布结合开展研究，对于揭示水稻生长发育规律和叶绿素相关性状的遗传基础具有重要的理论意义，且可为水稻栽培、生理和遗传育种研究提供参考。

水稻是作物遗传改良研究领域的热点，水稻基因组研究对发展现代农作物育种技术、保障粮食有效供给具有重要意义。水稻表型性状的获取是理解其遗传结构与生理化学反应间交互作用的关键。传统的表型形状测量方法主要依靠人工，劳动量大、效率低、具有破坏性，且容易受主观因素影响。近年来，现代化高通量的表型性状提取技术已广泛应用于水稻、小麦、玉米、棉花等多种作物，主要采用可见光、高光谱、红外成像及荧光成像等方式获取作物二维图像,或采用激光雷达、结构光、CT或基于计算机视觉的三维重建获取作物三维数据,从作物的二维图像或三维数据提取其表型性状。本研究提供用了水稻三维点云重建及三维稻穗分割的方法，该方法主要包括：搭建一套水稻高光谱-可见光双模式成像系统，获取水稻植株高光谱扫描数据及可见光多角度图像；采用经典的轮廓投影重建算法根据可见光图像重建水稻冠层三维点云模型；并采用光线追踪技术对重建的水稻模型进行渲染，得到具有颜色信息的表面水稻点云模型，与运动恢复结构算法相比，本研究所采用的轮廓投影方法更适用于水稻株型；将深度学习、光线追踪及超体素聚类等多方法结合对水稻冠层点云模型进行分割，获取水稻稻穗三维点云模型。本研究为水稻的三维表型性状研究打下了基础。