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 | PREPs:用于高通量田间植物表型分析的开源软件

发表时间:2024-12-26 10:41:30点击:50

来源:植物表型组学

分享:

1735180309925861.png

1735180322635442.png

精细农业通过利用信息技术(IT)来监测作物生长状况,改变了农业。在田间,利用高通量表型技术能够快速地、精确地监测作物的生长状态,这不仅可以促进育种,同时也量化了作物的表型性状以及生长特性。无人机等遥感技术因其低成本和便捷性被广泛应用在高通量植物表型监测中,但其获得的数据处理被复杂的软件和繁琐的编程语言影响,这些数据处理需要特定的计算机配置和特定的语言知识,这对于育种者和农业人员高效了解生成的表型特征信息是一种障碍。因此,迫切需要开发一款便捷高效的高通量植物表型分析工具。

2024年8月,Plant Phenomics 在线发表了日本北海道农业研究中心和东京大学题为PREPs: An Open-Source Software for High-Throughput Field Plant Phenotyping 的研究论文。

本研究介绍了一款名为 PREPs(Precision Plots Analyzer)的开源软件,它能够基于 Windows 平台进行高通量田间植物表型分析,旨在通过正射影像和数字表面模型(DSM)图像提取小区级别的植物表型特征。PREPs 的主要特点包括:(1)提供图形用户界面(GUI),用户无需编程技能即可操作;(2)能够处理来自无人机航拍或多摄像头系统的图像;用户可以通过简单的鼠标操作来定义微小区、生成训练数据、生成基准平面等;(3)软件处理图像的速度快,每个图像集的操作大约需要 2 分钟。此外,PREPs 软件还能够估算作物的高度、覆盖度和体积指数等表型特征,并且可以处理不同分辨率的图像,包括无人机和多摄像头系统的图像(图1)。

1735180542415314.png

图1 软件功能及其概述

该研究又通过3个实例来介绍了该软件主要功能在实际情况中的应用:(1)使用无人机监测甜菜品种的田间生长情况(图2)。(2)使用无人机监测马铃薯品种,观察品种间的差异。(3)利用拖拉机上的多摄像头阵列精确估计马铃薯品种的高度、覆盖度和体积指数(图3)。

1735180826681458.png

图2 软件处理甜菜地块的应用

1735180849425281.png

图3 软件处理多摄像头数据(马铃薯地块)的应用

PREPs的易用性和开源特性使其成为一个强大的工具,可以帮助植物育种者和农艺学家在不需要复杂编程技能的情况下提取作物特征。该软件为田间植物表型分析提供了一个高效、易用且成本低廉的解决方案,有助于推动精准农业和作物育种的发展。

下载链接:

http://cse.naro.affrc.go.jp/aitoh/PREPs/?en

论文链接:

https://doi.org/10.34133/plantphenomics.0221

——推荐阅读——

High-Throughput Phenotyping of Soybean Biomass: Conventional Trait Estimation and Novel Latent Feature Extraction Using UAV Remote Sensing and Deep Learning Models

https://doi.org/10.34133/plantphenomics.0244

Plant Phenomics | 基于无人机遥感与深度学习模型的大豆生物量高通量表型分析:传统性状估算与新型潜在特征提取

High-Throughput Yield Prediction of Diallele Crossed Sugar Beet in a Breeding Field Using UAV-Derived Growth Dynamics

https://doi.org/10.34133/plantphenomics.020‍9

Plant Phenomics | 利用无人机获取的生长动态在育种田中对双亲杂交甜菜进行高通量产量预测

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。

1662096989509323.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。科睿唯安JCR2023影响因子为7.6,位于农艺学一区(1/125名),植物科学一区(13/265名),遥感一区(6/62名)。2023年中科院期刊分区位于农林科学大类一区。2020年入选中国科技期刊卓越行动计划高起点新刊项目、2024年入选江苏科技期刊卓越行动计划领军期刊项目、中国科技期刊卓越行动计划二期英文梯队期刊。

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。

撰稿:严鑫(南京农业大学)

排版:王平、赵庆泽(南京农业大学)

审核:尹欢、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