在植物育种中，携带多光谱相机的无人机(UAV)越来越多地用于高通量表型分析(HTP)，以帮助解释基因型和环境对形态、生化和生理性状的影响。一个关键的限制因素仍然是分辨率和质量的降低，这些马赛克是从无人机在大片区域执行任务所产生的“拼接”马赛克中提取出来的。这可以通过从每个地块的单个最低点图像生成高质量的反射率数据来解决。


在这项研究中，开发了一个流程，从原始的多光谱无人机图像中提取反射率数据，保留了原始的高空间和光谱分辨率，并将这些数据用于表型鉴定应用。连续的步骤包括(I)图像校准、(Ii)光谱波段排列、(Iii)反向计算、(Iv)小区分割和(V)应用。每一步都经过设计和优化，以估计每个育种小区内的植株数量和高粱穗数。


概述流程， (A)主流程，以获得每一块地块的最低点图像，(B)植物检测和计数程序，以及(C)高粱穗部检测和计数程序(优化土壤调整植被指数、全球环境监测指数和植被指数)。

利用每个样地的最低点图像，估计高粱株数和穗数的决定系数分别为0.90和0.86。此外，从不同波段获取的反射率信息对高粱穗部(即红色和白色)显示出较高的分辨能力。这条管道的部署可以在许多不同的田地中准确地分割冠层水平的作物器官，只需通过机器学习方法进行最少的训练。

来源：Plant Phenomics.Detecting Sorghum Plant and Head Features from Multispectral UAV Imagery.Yan Zhao , Bangyou Zheng , Scott C. Chapman , Kenneth Laws , Barbara George-Jaeggli , Graeme L. Hammer, David R. Jordan , and Andries B. Potgieter
https://spj.sciencemag.org/journals/plantphenomics/2021/9874650/