盐胁迫是棉花生产中常见的非生物胁迫，会导致棉花的减产和品质下降。在棉花对于盐胁迫敏感的苗期，尽早地了解棉苗的盐胁迫情况对于棉田灌溉策略调整和棉花耐盐品种的培育有着重要意义。通常植物的生理、生化和分子测试可以准确的反应盐胁迫的影响，但这些方法存在高成本、效率低和破坏性强等问题。随着无损的光学成像技术快速发展，基于光学传感的表型获取(optical sensing-based phenotyping ,OSP)是目前精准农业重要的发展方向。光学传感器可以有效地反馈植物形态学信息、生化及生理信息，不同的光学传感采集方案的结合有助于建立更加全面精准的作物诊断模型。

2023年12月，Plant Phenomics在线发表了福建农林大学机电工程学院智能农业关键技术与装备创新团队题为Noninvasive Detection of Salt Stress in Cotton Seedlings by Combining Multicolor Fluorescence–Multispectral Reflectance Imaging with EfficientNet-OB2 的研究论文。

在该研究中，研究人员先是设计搭建了一种能够同时采集植物多光谱荧光（multicolor-fluorescence，MF）成像及多光谱反射（multispectral reflectance，MF）成像的高通量平台。利用该平台，有无盐胁迫处理及不同盐胁迫天数的棉苗多源波谱数据被进一步采集。

图1 研究的总体流程示意图

实验结果表明，盐胁迫会显著增加棉苗近红外波段的反射率，同时受盐胁迫棉苗的植物指数PSRI（植物衰老指数，Plant Senescence Reflectance Index）和GR（绿度指数，Greenness）分别呈现出显著上升和下降趋势。在多光谱荧光数据的分析中，随着盐胁迫时间的增加，在棉苗的红色荧光（690nm，720nm）亮度也出现了显著的下降。这些数据表明多光谱反射和多光谱荧光都可以作为棉苗盐胁迫诊断模型重要依据。为了进一步提高诊断模型的预测准确率，研究人员利用RelieF算法针对多光谱反射11个波段组合而成的55种光谱SR（simple ratio）指数进行筛选，11个不同的SR被筛选而出。为了优化数据的共线性问题并提升诊断模型的效率，研究人员利用主成分分析（Principal Component Analysis，PCA）以95%的解释性作为阈值，将 30个特征参数压缩为9个主要成分。对于成像数据，则是PCA结合加权融合（Weighted Averaging）方法生成9个主成分通道的图像。

针对这些不同的数据，基于不同机器学习模型及深度学习模型的棉苗盐胁迫诊断模型被进一步分析和讨论。结果表明：多源数据（MF和MR）的融合能够进一步提升模型的诊断精度，相较于传统机器学习模型支持向量机、随机森林及K近邻，深度学习模型EfficientNet实现了更高的诊断精度。为优化多通道图像对深度学习训练速度及训练准确度的影响，基于EfficienNet优化的EfficienNet-OB被进一步提出，该模型在EfficienNet的基础上根据不同主成分图像的主成分解释性分配对应数量卷积核，大幅加快和优化了模型训练的速度和训练效果。最后，通过复合缩放理论（Compound Model Scaling）拓展的EfficienNet-OB2取得了最优的效果，在棉苗开始盐胁迫的第5、10、和17天取得了84.80%，91.18%及95.10%的准确率。

图2 EfficientNet-B2和EfficientNet-OB2的训练过程对比

作者团队介绍

https://doi.org/10.34133/plantphenomics.0125

——推荐阅读——

Hyperspectral Remote Sensing for Phenotyping the Physiological Drought Response of Common and Tepary Bean

https://doi.org/10.34133/plantphenomics.0021

Plant Phenomics | 基于高光谱遥感的大豆和花菜豆生理干旱响应的表型研究

Monitoring Maize Lodging Grades via Unmanned Aerial Vehicle Multispectral Image

https://doi.org/10.34133/2019/5704154

Plant Phenomics | 基于无人机多光谱影像的玉米倒伏等级监测

Plant Phenomics 回看 | 玉米倒伏光谱响应解析与灾情遥感评估

加入作者交流群