Plant Phenomics | Panicle-3D：水稻穗點(diǎn)云精確語義分割的高效表型工具

稻穗表型參數(shù)自動(dòng)化測(cè)量方法對(duì)品種具有重要意義。作物點(diǎn)云的自動(dòng)分割和分類有助于有助于精確獲取水稻品種的稻穗長度體積、彎曲度、劍葉夾角、著粒分布特性等重要參數(shù)。傳統(tǒng)的掃描點(diǎn)云聚類方法可以實(shí)現(xiàn)對(duì)空間位置相對(duì)獨(dú)立的植物器官點(diǎn)云的分割，但精度不高，難以直接應(yīng)用于稻穗表型分析；基于通用點(diǎn)云語義識(shí)別的人工智能模型應(yīng)用于穗狀點(diǎn)云分割時(shí)，面臨大規(guī)模樣本困難、點(diǎn)云分布不均、莖穗互相遮擋、點(diǎn)云排列無序等挑戰(zhàn)，也無法實(shí)現(xiàn)稻穗點(diǎn)云的精細(xì)分析。

近日，Plant Phenomics在線發(fā)表了上海交通大學(xué)機(jī)械與動(dòng)力工程學(xué)院機(jī)電與物流裝備研究所貢亮課題組題為Panicle-3D: Efficient phenotyping tool for precise semantic segmentation of rice panicle point cloud 的研究論文，提出了穗型分析的自動(dòng)化裝置設(shè)計(jì)方法和穗型點(diǎn)云語義分析的專用網(wǎng)絡(luò)。
 

針對(duì)穗型研究缺乏自動(dòng)化儀器問題，該研究首先設(shè)計(jì)了基于主動(dòng)結(jié)構(gòu)光的桌面級(jí)三維點(diǎn)云掃描裝置，對(duì)水稻點(diǎn)云數(shù)據(jù)進(jìn)行采集，經(jīng)過數(shù)據(jù)預(yù)處理和標(biāo)注，得到包含200個(gè)水稻點(diǎn)云的數(shù)據(jù)集。同時(shí)，除了對(duì)稻穗進(jìn)行原位掃描外，該裝置也支持對(duì)稻穗等作物器官進(jìn)行破壞性分解研究，從而獲得稻穗的更為細(xì)節(jié)的表型參數(shù)，例如莖的直徑、莖的長度、穗的長度、高度和寬度，主穗和小穗的幾何特征，以及幼苗在穗中的分布等。
 

針對(duì)傳統(tǒng)機(jī)器學(xué)習(xí)方法難以分割的植物點(diǎn)云，引入3D點(diǎn)云卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)，并基于該架構(gòu)設(shè)計(jì)了多尺度點(diǎn)云特征分析算法Panicle-3D，實(shí)現(xiàn)了快速有效的點(diǎn)云分割。稻穗點(diǎn)云分割準(zhǔn)確率達(dá)到93.4%，IoU達(dá)到86.1%，均優(yōu)于經(jīng)典點(diǎn)云處理模型PointNet。
 

與傳統(tǒng)的表型參數(shù)測(cè)量方法相比，該研究提出的方法有助于實(shí)現(xiàn)作物表型參數(shù)的自動(dòng)化，為功能遺傳分析和育種提供支持。

Figure 1The structure of the point cloud acquisition platform

Figure 6Structure of Panicle-3D

Figure 8The segmentation results

本研究得到了倫敦皇家自然知識(shí)促進(jìn)學(xué)會(huì)（CHL\R1\180496）和中國國家自然科學(xué)基金（No. 51775333）資助，特此感謝。

作者介紹

貢亮，上海交通大學(xué)機(jī)械與動(dòng)力工程學(xué)院副教授，博士生導(dǎo)師，上海交通大學(xué)“晨星計(jì)劃”青年學(xué)者，現(xiàn)任上海市農(nóng)業(yè)工程學(xué)會(huì)設(shè)施專委會(huì)副主任。長期從事農(nóng)業(yè)機(jī)器人研究，在生物特征圖像識(shí)別、嵌入式智能計(jì)算、農(nóng)業(yè)機(jī)器人設(shè)計(jì)與控制等領(lǐng)域持有國家發(fā)明專利近50項(xiàng)，發(fā)表SCI論文60余篇，出版“十三五”國家重點(diǎn)規(guī)劃教材1部。近5年主持國家支撐計(jì)劃、“十三五”、“十四五”國家重點(diǎn)研發(fā)計(jì)劃、國家自然科學(xué)基金、IEEE前沿科技研發(fā)、英特爾亞太戰(zhàn)略合作項(xiàng)目10余項(xiàng)。任Plant Phenomics期刊副主編、多個(gè)國際期刊編委。

論文鏈接

https://doi.org/10.34133/2021/9838929

——推薦閱讀——

Global Wheat Head Detection 2021: An Improved Dataset for Benchmarking Wheat Head Detection Methods

https://doi.org/10.34133/2021/9846158

Plant Phenomics | GWHD_2021：改進(jìn)后的全球麥穗檢測(cè)數(shù)據(jù)集

Complementary Phenotyping of Maize Root System Architecture by Root Pulling Force and X-Ray Imaging

https://doi.org/10.34133/2021/9859254

Plant Phenomics | 基于根提拉力和X射線成像的玉米根系結(jié)構(gòu)表型研究

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)不定期開展作者分享會(huì)、�？�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)庫收錄。2021年中科院期刊分區(qū)表影響因子5.706，位于農(nóng)藝學(xué)、植物科學(xué)兩個(gè)小類一區(qū)，遙感小類二區(qū)，生物大類一區(qū)（Top期刊）。2020年入選中國科技期刊卓越行動(dòng)計(jì)劃高起點(diǎn)新刊項(xiàng)目。

說明：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：趙瑜涵（實(shí)習(xí)）

審核：孔敏、王平