山东农大博士生第一作者在一区top期刊(IF=7.5)发突破瓶颈论文,提出田间多品系小麦抽穗期实时监测方法

学术   2024-12-20 12:31   北京  

2024年12月,Expert systems with applications(中科院一区TOP期刊,影响因子7.5)在线发表了山东农业大学刘平教授团队题为Real-time Monitor Heading Dates of Wheat Accessions for Breeding In-field Based on DDEW-YOLOv7 Model and BotSort Algorithm的研究论文。
山东农业大学刘平教授为通讯作者,研究方向为农业机器人与智能辅助育种关键技术。山东农业大学博士研究生宋绪斌为第一作者,该论文获得山东省重点研发计划项目的资助。
在大群体中高效、高通量、无损的动态监测作物性状已成为连接基因型与表型的育种瓶颈。小麦育种中,抽穗期的变化可以表明小麦品种对环境变异和遗传因素的反应,对其进行动态跟踪有助于产量预测,识别遗传改良所需性状,有助于识别适应性强的基因型和最佳抽穗特性,指导制定有效的育种策略。传统的方法往往需要定期观察,无法实时捕捉抽穗期的动态变化,劳动强度大、效率低。因此,该研究基于DDEW-YOLOv7模型和BotSort算法提出了田间育种小麦品种抽穗期实时监测方法(图1)。
图1 抽穗期实时监测方法
该研究首先利用构建的DDEW-YOLOv7模型和BotSort跟踪算法实现了小麦穗的实时检测和计数。然后,利用获取的麦穗时序数据,生成麦穗生长曲线与增量图并确定F1杂交小麦品种抽穗日期及估算单位面积穗密度。试验可知,该模型在麦穗检测方面显著降低误检率,在复杂场景下具有更高的准确性和稳定性。同时在麦穗计数方面,模型的检测结果与人工测量结果高度相似(RMSE和R2分别为91.04和0.99,图2)。在不同品种、不同种植密度的11块小麦地块上,抽穗期测定的RMSE约为0.3天,估算的单位面积穗密度与真实值之间的RMSE约为6.10(图3)。该方法为大规模估算小麦抽穗期提供了可行的解决方案,同时实现了作物生长状况的实时评估和产量预测,为精准农业提供高通量、准确的数据支持。在气候变化和环境胁迫条件下,将其应用于育种选择、优化种植策略和增强气候适应性等方面,对支持农业可持续生产和提高作物生产力具有重要意义。

点分享

点点赞

点在看

植物微生物最前线
报道植物和微生物领域最新研究进展,搭建学术交流平台。
 最新文章