随着传感器的小型化和成本的降低，作物生长数据的采集门槛显著降低，基于无人机的低空遥感技术在田间表型实验中展现出明显优势。然而，跨学科知识的要求及工作流程的复杂性严重阻碍了研究人员从多源和多时段的无人机图像中提取表型数据。为应对这些挑战，该研究开发了集成高通量通用表型（IHUP）平台。
2024年5月，华中农业大学王博韬及合作者在Plant Phenomics期刊上发表题为“IHUP: An Integrated High-Throughput Universal Phenotyping Software Platform to Accelerate Unmanned-Aerial-Vehicle-Based Field Plant Phenotypic Data Extraction and Analysis”的文章，该研究开发了集成高通量通用表型（IHUP）平台，提供了一个用户友好的图形用户界面，并支持自定义或集成多种特征提取算法，显著降低了非专业用户的使用门槛。
具体研究内容如下：
图1. IHUP平台功能模块设计，包含数据处理、数据提取、数据管理及建模分析
图2. IHUP平台主要图形界面，A：数据浏览；B：自定义算法；C：数据批处理设置；D：结果分析
图3. 水稻干旱表型响应监测案例研究区概况
图4.水稻卷叶指数预测模型精度评价
图5.水稻干旱表型响应试验案例数据分析报告, A,B:卷叶指数分布统计；C：水稻鲜重与株高建模；D：水稻干重与株高建模
（1）IHUP主要关注从田间正射影像提取和分析数据。如果研究目标或提取算法变化，需重复数据处理，但正射影像生成通常不再进行。
（2）IHUP没有集成正射影像拼接功能，但提供了Metashape的正射影像生成指南。
（3）IHUP不支持地块分割，因此需要手动创建ROI，这在处理大量地块时可能显得繁琐，开发能够直接读取ROI值的程序可能会提升表型数据提取的效率。
