基于Windows平臺用于高通量田間植物表型分析的開源軟件PREPs研究
Plant Phenomics | PREPs：用于高通量田間植物表型分析的開源軟件
精細農業(yè)通過利用信息技術（IT）來監(jiān)測作物生長狀況，改變了農業(yè)。在田間，利用高通量表型技術能夠快速地、精確地監(jiān)測作物的生長狀態(tài)，這不僅可以促進育種，同時也量化了作物的表型性狀以及生長特性。無人機等遙感技術因其低成本和便捷性被廣泛應用在高通量植物表型監(jiān)測中，但其獲得的數(shù)據(jù)處理被復雜的軟件和繁瑣的編程語言影響，這些數(shù)據(jù)處理需要特定的計算機配置和特定的語言知識，這對于育種者和農業(yè)人員高效了解生成的表型特征信息是一種障礙。因此，迫切需要開發(fā)一款便捷高效的高通量植物表型分析工具。
2024年8月，Plant Phenomics 在線發(fā)表了日本北海道農業(yè)研究中心和東京大學題為PREPs: An Open-Source Software for High-Throughput Field Plant Phenotyping 的研究論文。
本研究介紹了一款名為 PREPs（Precision Plots Analyzer）的開源軟件，它能夠基于 Windows 平臺進行高通量田間植物表型分析，旨在通過正射影像和數(shù)字表面模型（DSM）圖像提取小區(qū)級別的植物表型特征。PREPs 的主要特點包括：（1）提供圖形用戶界面（GUI），用戶無需編程技能即可操作；（2）能夠處理來自無人機航拍或多攝像頭系統(tǒng)的圖像；用戶可以通過簡單的鼠標操作來定義微小區(qū)、生成訓練數(shù)據(jù)、生成基準平面等；（3）軟件處理圖像的速度快，每個圖像集的操作大約需要 2 分鐘。此外，PREPs 軟件還能夠估算作物的高度、覆蓋度和體積指數(shù)等表型特征，并且可以處理不同分辨率的圖像，包括無人機和多攝像頭系統(tǒng)的圖像（圖1）。
圖1 軟件功能及其概述
該研究又通過3個實例來介紹了該軟件主要功能在實際情況中的應用：（1）使用無人機監(jiān)測甜菜品種的田間生長情況（圖2）。（2）使用無人機監(jiān)測馬鈴薯品種，觀察品種間的差異。（3）利用拖拉機上的多攝像頭陣列精確估計馬鈴薯品種的高度、覆蓋度和體積指數(shù)（圖3）。
圖2 軟件處理甜菜地塊的應用
圖3 軟件處理多攝像頭數(shù)據(jù)（馬鈴薯地塊）的應用
PREPs的易用性和開源特性使其成為一個強大的工具，可以幫助植物育種者和農藝學家在不需要復雜編程技能的情況下提取作物特征。該軟件為田間植物表型分析提供了一個高效、易用且成本低廉的解決方案，有助于推動精準農業(yè)和作物育種的發(fā)展。
下載鏈接：
http://cse.naro.affrc.go.jp/aitoh/PREPs/?en
論文鏈接：
https://doi.org/10.34133/plantphenomics.0221
——推薦閱讀——
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 | 基于無人機遙感與深度學習模型的大豆生物量高通量表型分析：傳統(tǒng)性狀估算與新型潛在特征提取
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 | 利用無人機獲取的生長動態(tài)在育種田中對雙親雜交甜菜進行高通量產量預測
加入作者交流群
掃碼添加小編微信，拉您進入《植物表型組學》作者交流群，群內不定期開展作者分享會、�？l(fā)布會等高質量活動。
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》（Plant Phenomics）是由南京農業(yè)大學創(chuàng)辦的英文學術期刊，于2019年1月正式上線發(fā)行。采用開放獲取形式，刊載植物表型組學交叉學科熱點領域具有突破性科研進展的原創(chuàng)性研究論文、綜述、數(shù)據(jù)集和觀點。具體范圍涵蓋高通量表型分析的最新技術，基于圖像分析和機器學習的表型分析研究，提取表型信息的新算法，作物栽培、植物育種和農業(yè)實踐中的表型組學新應用，與植物表型相結合的分子生物學、植物生理學、統(tǒng)計學、作物模型和其他組學研究，表型組學相關的植物生物學等。期刊已被DOAJ、Scopus、PMC、EI和SCIE等數(shù)據(jù)庫收錄�？祁Ｎò睯CR2023影響因子為7.6，位于農藝學一區(qū)（1/125名），植物科學一區(qū)（13/265名），遙感一區(qū)（6/62名）。2023年中科院期刊分區(qū)位于農林科學大類一區(qū)。2020年入選中國科技期刊卓越行動計劃高起點新刊項目、2024年入選江蘇科技期刊卓越行動計劃領軍期刊項目、中國科技期刊卓越行動計劃二期英文梯隊期刊。
說明：本文由《植物表型組學》編輯部負責組稿。
中文內容僅供參考，一切內容以英文原版為準。
撰稿：嚴鑫（南京農業(yè)大學）
排版：王平、趙慶澤（南京農業(yè)大學）
審核：尹歡、孔敏
