九叔归来3魁蛊婴在线观看_男人躁女人到高潮AV_香港成人论坛_亚洲精品久久久久久偷窥_夜来香成人网_亚洲制服 视频在线观看_无毒黄站_国产传媒18精品A片一区_麻花豆传媒剧国产MV在线观看_东北60岁熟女露脸在线_国产高清视频在线观看97_一道本视频一二三区_yellow免费播放在线观看_浪漫樱花动漫在线观看官网_高清AV熟女一区_天堂在线www_亚洲第一成年人网站_黄色在线免费观看_av女优快播_久久精品99国产精品日本

English | 中文版 | 手機(jī)版 企業(yè)登錄 | 個(gè)人登錄 | 郵件訂閱
當(dāng)前位置 > 首頁(yè) > 技術(shù)文章 > 基于點(diǎn)云的大豆分枝夾角提取算法開(kāi)發(fā)與耐密植株型新性狀發(fā)掘

基于點(diǎn)云的大豆分枝夾角提取算法開(kāi)發(fā)與耐密植株型新性狀發(fā)掘

瀏覽次數(shù):1323 發(fā)布日期:2024-5-31  來(lái)源:本站 僅供參考,謝絕轉(zhuǎn)載,否則責(zé)任自負(fù)
Plant Phenomics | 南京農(nóng)業(yè)大學(xué)基于點(diǎn)云的大豆分枝夾角提取算法開(kāi)發(fā)與耐密植株型新性狀發(fā)掘
 


大豆分枝夾角是決定其冠層結(jié)構(gòu)的主要因素。準(zhǔn)確、高效地測(cè)量大豆分枝夾角對(duì)鑒定和利用耐密植株型大豆品種至關(guān)重要。傳統(tǒng)的測(cè)量方法主要依靠人工操作,不僅耗時(shí)耗力,還存在一定的主觀性,難以準(zhǔn)確量化不同材料之間的細(xì)微差異。激光雷達(dá)技術(shù)在作物三維表型研究領(lǐng)域已取得了顯著成果,具有對(duì)光照不敏感等優(yōu)勢(shì)。但是,大豆株型結(jié)構(gòu)復(fù)雜,當(dāng)前的三維表型提取方法難以滿足其復(fù)雜分枝結(jié)構(gòu)參數(shù)提取的要求。本研究圍繞大豆耐密植株型鑒定需求,聚焦分枝夾角表型提取的挑戰(zhàn),進(jìn)行了系統(tǒng)的算法開(kāi)發(fā)和應(yīng)用研究。
 

2024年5月,Plant Phenomics 在線發(fā)表了南京農(nóng)業(yè)大學(xué)前沿交叉研究院AiPhenomics課題組題為SCAG: A stratified, clustered, and growing-based algorithm for soybean branch angle extraction and ideal plant architecture evaluation的研究文章。
 

一、研究貢獻(xiàn)

1. 構(gòu)建了一個(gè)高精度、多品種的大豆植株點(diǎn)云開(kāi)放數(shù)據(jù)集Soybean3D

針對(duì)適用于田間大豆植株結(jié)構(gòu)參數(shù)提取數(shù)據(jù)集匱乏的問(wèn)題,本研究基于地基LiDAR采集兩年大豆植株骨架結(jié)構(gòu)三維點(diǎn)云數(shù)據(jù),選擇單年的152株不同品種大豆材料樣本構(gòu)建Soybean3D數(shù)據(jù)集,并根據(jù)樣本點(diǎn)云質(zhì)量和植株三維結(jié)構(gòu)復(fù)雜程度分成了簡(jiǎn)單、中等、復(fù)雜三個(gè)數(shù)據(jù)組,分別包含50、51和51個(gè)大豆品種。該數(shù)據(jù)集分辨率高、材料之間結(jié)構(gòu)差異明顯,遺傳多樣性豐富,有望推動(dòng)大豆植株結(jié)構(gòu)參數(shù)高通量表型算法的開(kāi)發(fā)。目前該數(shù)據(jù)集已公開(kāi)發(fā)布于AiPhenomics的GitHub網(wǎng)站 https://github.com/Jinlab-AiPhenomics/SCAG_PlantAngleExtractor,可免費(fèi)獲取應(yīng)用于非商業(yè)用途。
 

表1 Soybean3D數(shù)據(jù)集概況


2. 開(kāi)發(fā)了一個(gè)準(zhǔn)確、穩(wěn)健和可遷移的分枝夾角提取方法SCAG

受大豆主莖生長(zhǎng)與分枝形成的生物學(xué)過(guò)程啟發(fā),提出了一種基于點(diǎn)云分層、聚類和生長(zhǎng)的大豆分枝夾角檢測(cè)和提取算法(SCAG),在分枝檢測(cè)和角度計(jì)算方面取得了顯著成效。
 

圖1 SCAG算法流程


通過(guò)對(duì)比SCAG算法與支持向量機(jī)(Support vector machine, SVM)和點(diǎn)密度閾值(Density-based, DB)方法,證明SCAG算法的分枝檢測(cè)效果最佳(召回率、精確率和F-score分別為0.81、0.73和0.77),其F-score比另外兩種方法平均提高了42.67%。同時(shí),基于SCAG提取的分枝角度與手動(dòng)測(cè)量值之間的相關(guān)系數(shù)r=0.84。此外,SCAG算法還能有效應(yīng)用于玉米(r=0.95)和蕃茄(r=0.94)等作物的分枝角度提取。
 

表2 SCAG與其他算法比較結(jié)果
 

圖3 SCAG算法在其他作物上有較好的遷移性


3. 發(fā)掘了潛在的耐密株型鑒定新指標(biāo)AHR和ALR

利用SCAG算法對(duì)3218株大豆單株點(diǎn)云數(shù)據(jù)進(jìn)行分枝夾角等三維表型性狀的精準(zhǔn)計(jì)算。基于數(shù)據(jù)質(zhì)量控制,篩選出55個(gè)品種,用于進(jìn)一步挖掘耐密植株型的新鑒定指標(biāo)。通過(guò)組合分析,本實(shí)驗(yàn)構(gòu)建了11個(gè)潛在指標(biāo),并依據(jù)其遺傳力和重復(fù)性,最終確定了角高比(AHR)和角長(zhǎng)比(ALR)兩個(gè)性狀。這兩個(gè)新性狀在評(píng)估大豆耐密植潛力上展現(xiàn)出一定潛力,為大豆種植和育種提供了新的思路。
 

圖4 AHR和ALR在遺傳力以及重復(fù)性上均優(yōu)于CHR


4. 開(kāi)發(fā)了一個(gè)植株分枝夾角分析軟件

本實(shí)驗(yàn)已經(jīng)將SCAG算法封裝成軟件,并與源代碼一起上傳到了GitHub賬號(hào)(https://github.com/Jinlab-AiPhenomics/SCAG_PlantAngleExtractor)。我們相信開(kāi)源代碼將有助于算法的不斷迭代升級(jí)。此外,我們還開(kāi)發(fā)了一個(gè)用戶友好的軟件,也可以下載、安裝和使用,只需將自己的作物點(diǎn)云文件上傳到軟件中并點(diǎn)擊計(jì)算夾角按鈕,就可以得到點(diǎn)云分枝夾角數(shù)據(jù),具體操作請(qǐng)參考上述 GitHub存儲(chǔ)庫(kù)中的說(shuō)明。該軟件支持單株和多株樣本同時(shí)進(jìn)行分枝夾角提取,以及自定義參數(shù)設(shè)置。


二、研究總結(jié)

分枝檢測(cè)和角度計(jì)算是精確和選擇理想株型的關(guān)鍵,對(duì)于推動(dòng)大豆綠色革命至關(guān)重要。本研究提出了一種新穎的SCAG算法,該算法在分枝檢測(cè)和角度計(jì)算方面均取得了優(yōu)異的結(jié)果,顯著提高了分枝夾角計(jì)算的準(zhǔn)確性和效率。此外,SCAG算法已驗(yàn)證適用于玉米和番茄等不同作物,展現(xiàn)了良好的泛化能力。最后,我們提出了分枝角度的耐密植株型鑒定新指標(biāo),為大豆耐密植品種選育提供了新的智能決策依據(jù)。同時(shí),我們期望通過(guò)共享數(shù)據(jù)集和算法,推動(dòng)相關(guān)研究的發(fā)展。
 


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)和美國(guó)科學(xué)促進(jìn)會(huì)(AAAS)合作創(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。科睿唯安JCR2022影響因子為6.5,位于農(nóng)藝學(xué)、植物科學(xué)、遙感一區(qū)。2023年中科院期刊分區(qū)位于農(nóng)林科學(xué)大類一區(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。

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)。
編輯:王平
審核:孔敏、金時(shí)超

發(fā)布者:北京博普特科技有限公司
聯(lián)系電話:010-82794912
E-mail:1206080536@qq.com

用戶名: 密碼: 匿名 快速注冊(cè) 忘記密碼
評(píng)論只代表網(wǎng)友觀點(diǎn),不代表本站觀點(diǎn)。 請(qǐng)輸入驗(yàn)證碼: 8795
Copyright(C) 1998-2025 生物器材網(wǎng) 電話:021-64166852;13621656896 E-mail:info@bio-equip.com
主站蜘蛛池模板: 西城区| 南汇区| 治多县| 噶尔县| 平度市| 金塔县| 图们市| 马龙县| 阿鲁科尔沁旗| 库车县| 垦利县| 延长县| 泽州县| 婺源县| 万州区| 乳源| 南京市| 仁怀市| 共和县| 延寿县| 华容县| 大姚县| 苗栗市| 房产| 锡林浩特市| 芜湖县| 汶上县| 浏阳市| 临湘市| 盐边县| 汉源县| 红河县| 丹巴县| 盐源县| 临高县| 郁南县| 大悟县| 安义县| 克东县| 广宗县| 高陵县|