欢迎您来到博普特科技官方网站!

土壤仪器电话

010-82794912

品质至上,客户至上,您的满意就是我们的目标

技术文章

当前位置:  首页 > 技术文章

Plant Phenomics | 基于表型图像信息与反向神经网络预测温室葡萄成熟度

发表时间:2022-04-14 17:32:30点击:1185

来源:北京博普特科技有限公司

分享:

1649928412606569.png

1649928436546213.png

对温室作物生物量、产量、品质等信息的无损监测,生长发育动态、果实成熟过程的精准获取,对于制定精准的温室作物水肥管理策略,和温室产业的提质增效均具有重要意义。

传统的作物性状测定主要通过田间破坏性取样进行,费时费力且容易出现较大的人为误差。近年来,随着信息技术的发展,特别是植物表型监测技术的发展,越来越多的温室实现了对作物主要环境要素、生长因子、表型参数的全生命周期动态监测与提取,并通过对提取信息的有效分析,提高了温室作物管理的标准化、规范化水平。

近日,Plant Phenomics 在线发表了沈阳农业大学水利学院魏新光、吴琳琳、葛东、姚名泽和白义奎等人题为Prediction of the Maturity of Greenhouse Grapes Based on Imaging Technology 的研究论文,提出了基于表型技术的预测东北寒区日光温室内葡萄成熟度的有效方法。

葡萄的表皮颜色与其果实品质、成熟度密切相关,不同类型葡萄需要根据其贮藏方式与时长、加工与食用方式等的差异确定黄金采收期。而该时期的精准确定同样依赖于对同期葡萄表皮颜色、形状等信息的精准识别。本研究基于植物表型监测技术,选择玫瑰香(粉红色)、醉金香(黄绿色)、香悦(黑紫色)等三种成熟期表皮颜色(色相)差异较大的温室鲜食葡萄品种,对其生育期内葡萄串的果皮颜色、果串、果粒规格等表型信息进行动态监测(Fig. 1),并根据同步监测的葡萄串感官指标和品质指标的变化特征,定义了各品种葡萄的成熟度系数Mc,明确了葡萄成熟度系数与葡萄感官指标及品质指标的定量关系,以及花后周期与成熟度的响应曲线(Fig. 2)。利用葡萄表皮RGB颜色特征值和HSI色彩特征值,构建基于反向传播神经网络(BPNN)的温室葡萄成熟度组合预测模型。利用该模型对3种葡萄成熟度在0.7~1(七成熟~完全成熟)阶段的预测精度重点分析,利用混淆矩阵对各品种在此时期的成熟度判定精度进行判别(Fig. 3),最终确定了温室条件下不同表皮颜色葡萄最适宜的成熟度预测模型。与传统的果实成熟度预测方法相比较,该研究提出的方法有助于实现对葡萄转色成熟期成熟度的高效、无损预测,可以为日光温室葡萄水肥管理以及黄金采摘时期的确定提供理论依据。

1649928476825583.png

Fig.1 Flow chart of grape skin color feature value combined with back-propagation neural network (BPNN) for predicting grape maturity.

1649928506534421.png

Fig. 2(a) Dynamic changes in maturity coefficients of the three varieties at different postflowering weeks(PFW).(b) Relationships between maturity images and maturity coefficients of grape varieties.

1649928535594969.png

Fig.3Measured versus predicted grape maturity of three varieties during the growing season

本研究得到了辽宁省自然科学基金(2021-MS-233)、辽宁省重点研发项目(2021JH2/10200022)和中国博士后科学基金(2019M661128)的联合资助,特此感谢。

作者介绍

魏新光,沈阳农业大学水利学院副教授,硕士生导师,农业水利工程系主任,沈阳农业大学“十佳青年教工”,入选沈阳农业大学“天柱山英才培养计划”。主要从事温室作物水肥高效利用、植物水分过程的表型识别,以及植物蒸散发模拟与调控等方面的研究。发表SCI、EI收录论文20余篇。近五年主持国家自然科学基金(青年)、辽宁省自然科学基金(面上)等科研项目4项。申请发明专利2项,是国内外多家期刊审稿专家,《灌溉与排水学报》编委。

感谢沈阳农业大学水利学院迟道才教授、南京农业大学前沿交叉研究院刘守阳教授在项目开展中提供的支持与帮助!

论文链接

https://doi.org/10.34133/2022/9753427


——推荐阅读——

Evaluating and Mapping Grape Color Using Image-Based Phenotyping 

https://doi.org/10.34133/2020/8086309

Plant Phenomics | 使用基于图像的表型分析法评估和映射葡萄颜色

Generalized Linear Model with Elastic Net Regularization and Convolutional Neural Network for Evaluating Aphanomyces Root Rot Severity in Lentil 

https://doi.org/10.34133/2020/2393062

Plant Phenomics | 利用弹性网正则化或卷积神经网络构建评估扁豆丝囊菌根腐病的广义线性模型

加入作者交流群

扫码添加小编微信,拉您进入《植物表型组学》作者交流群,群内不定期开展作者分享会、专刊发布会等高质量活动。

1649656321564390.png

添加小编微信,备注姓名+单位+PP,加入作者交流群

About Plant Phenomics

《植物表型组学》(Plant Phenomics)是由南京农业大学和美国科学促进会(AAAS)合作创办的英文学术期刊,于2019年1月正式上线发行。采用开放获取形式,刊载植物表型组学交叉学科热点领域具有突破性科研进展的原创性研究论文、综述、数据集和观点。具体范围涵盖高通量表型分析的最新技术,基于图像分析和机器学习的表型分析研究,提取表型信息的新算法,作物栽培、植物育种和农业实践中的表型组学新应用,与植物表型相结合的分子生物学、植物生理学、统计学、作物模型和其他组学研究,表型组学相关的植物生物学等。期刊已被DOAJ、Scopus、PMC、EI和SCIE等数据库收录。2021年中科院期刊分区表影响因子5.706,位于农艺学、植物科学两个小类一区,遥感小类二区,生物大类一区(Top期刊)。2020年入选中国科技期刊卓越行动计划高起点新刊项目。

说明:本文由《植物表型组学》编辑部负责组稿。

中文内容仅供参考,一切内容以英文原版为准。

编辑:赵瑜涵(实习)

审核:王平、孔敏

  • 土壤仪器品牌德国steps
  • 土壤仪器品牌奥地利PESSL
  • 土壤仪器品牌荷兰MACView
  • 土壤仪器品牌德国INNO_Concept
  • 土壤仪器品牌比利时WIWAM
  • 土壤仪器品牌德国GEFOMA
  • 土壤仪器品牌奥地利schaller
  • 土壤仪器品牌荷兰PhenoVation
  • 土壤仪器品牌法国Hi-phen系统
  • 土壤仪器品牌Videometer
  • 土壤仪器品牌比利时INDUCT(OCTINION)
  • 土壤仪器品牌美国EGC
  • 土壤仪器品牌HAIP
  • 土壤仪器品牌植物遗传资源学报